التعلم الآلي لـ IBM z/OS

تسريع رؤى أعمالك على نطاق واسع باستخدام الذكاء الاصطناعي في المعاملات على IBM z/OS

جرِّب مجانًا البدء
رسم توضيحي لامرأة تعمل على كمبيوتر محمول

منصة الذكاء الاصطناعي للمعاملات

تُعَد Machine learning for IBM z/OS (MLz) منصة ذكاء اصطناع للمعاملات، والتي تعمل بشكل أصلي على IBM z/OS.توفِّر واجهة مستخدم ويب (UI)، وعدة واجهات برمجة تطبيقات (APIs)، ولوحة إدارة ويب. تأتي لوحة المعلومات مع مجموعة من الأدوات سهلة الاستخدام لتطوير النماذج ونشرها وإدارة المستخدمين وإدارة النظام.

 الاستفادة من Machine Learning for IBM z/OS لتطوير الذكاء الاصطناعي المؤسسي
الذكاء الاصطناعي مع السرعة

استخدمه مع IBM z17 وIBM Telum II لتقديم قدرات الذكاء الاصطناعي في المعاملات. عالِج ما يصل إلى 228 ألف معاملة بطاقات ائتمان في نظام z/OS CICS في الثانية بوقت استجابة يبلغ 6 مللي ثانية، وكل منها يحتوي على عملية استدلال للكشف عن الغش والاحتيال داخل المعاملة باستخدام نموذج التعلم العميق.1
الذكاء الاصطناعي على نطاق واسع

يمكنك تجميع التطبيقات مع طلبات الاستدلال لتقليل التأخير الناجم عن زمن انتقال الشبكة. يقلل هذا الخيار من زمن الاستجابة حتى 20 ضعف ويزيد من معدل لإنتاجية بنسبة تصل إلى 19 ضعف مقارنةً بخادم السحابة x86 الذي يبلغ متوسط زمن انتقال الشبكة فيه 60 مللي ثانية.2
الذكاء الاصطناعي الجدير بالثقة

استخدم قدرات الذكاء الاصطناعي الموثوق بها مثل إمكانية التفسير أثناء مراقبة نماذجك في الوقت الفعلي للكشف عن أي انحراف. تطوير ونشر نماذج الذكاء الاصطناعي للمعاملات على z/OS للتعامل مع المعاملات وأعباء العمل ذات المهام الحساسة بثقة.
الذكاء الاصطناعي للمعاملات

استيراد ونشر ومراقبة النماذج بسهولة لتحقيق قيمة من كل معاملة ودفع نتائج جديدة لمؤسستك، مع الحفاظ على مستوى الخدمة (SLA) التشغيلي.

المزايا

النسخة المحسَّنة الجديدة من ML for IBM z/OS تقدِّم أداء أفضل في التقييم، وتوفِّر إصدارًا جديدًا من بيئات تشغيل التعلم الآلي لكلٍّ من Spark وPython، وتشمل أداة تكوين موجَّهة عبر واجهة المستخدم والمزيد.

 

  • الاستدلال في الوقت الفعلي: تنفيذ التقييم ضمن المعاملة من خلال واجهات CICS وWOLA الأصلية لتطبيقات CICS وIMS وBATCH COBOL، وواجهة RESTful.
  • دعم مجموعة متنوعة من المحركات: SparkML، وPython، وPMML، وIBM SnapML، وWatson Core Time Series.
  • إدارة دورة حياة النموذج: واجهة مستخدم موجَّهة، وخدمات RESTful.
  • Telum II: نماذج ONNX وIBM SnapML.
  • الذكاء الاصطناعي الجدير بالثقة: القدرة على التفسير ومراقبة الانحراف.
 استكشِف إصدار Enterprise
بناء نموذج تعاوني في JupyterHub
تسمح بيئة JupyterHub المشتركة لعدد من علماء البيانات ببناء وتدريب النماذج معًا على منصة z/OS، ما يؤدي إلى تحسين التعاون والإنتاجية.
تحسين أدوات مراقبة الذكاء الاصطناعي وقابلية تفسيره
المراقبة المحسَّنة والتصورات الواضحة لنتائج التفسير تساعد على ضمان بقاء النماذج شفافة وموثوق بها وسهلة الفهم أثناء استخدامها في الإنتاج.
تسريع تصنيف متعدد الفئات باستخدام مسرِّع الذكاء الاصطناعي
تدعم MLz تصنيفًا متعدد الفئات عالي الأداء باستخدام مسرِّع الذكاء الاصطناعي المدمج في أنظمة IBM Z عبر Snap ML، ما يحسِّن سرعة وكفاءة استنتاج النماذج.
دورة حياة شاملة للتعلم الآلي (ML) على IBM z/OS
توفِّر MLz منصة آمنة بمستوى المؤسسة لتطوير النماذج ونشرها وإدارتها، مع واجهة ويب، وواجهات برمجة تطبيقات، ودعم للتكامل مع أدوات Spark وPython.

التفاصيل الفنية

تستخدم Machine learning for IBM z/OS تقنيات IBM الخاصة ومفتوحة المصدر وتتطلب أجهزة وبرمجيات مسبقة.

  • z17 أو z16 أو z15
  • z/OS 3.2 أو 3.1 أو 2.5
  • الإصدار 8 أو 11 أو 17 من IBM 64-bit SDK for z/OS Java Technology Edition
  • خادم IBM WebSphere Application Server for z/OS Liberty، إصدار 22.0.0.9 أو أحدث
  • الإصدار Db2 13 for z/OS أو إصدارًا أحدث فقط إذا تم اختيار Db2 for z/OS كقاعدة بيانات للبيانات الوصفية للمستودع.

منتجات ذات صلة

IBM Z Anomaly Analytics

تُحدِّد التحليلات المشكلات التشغيلية وتتجنب الحوادث المكلفة من خلال الكشف عن أنماط الخلل في بيانات السجلات والمقاييس.

 مجموعة أدوات الذكاء الاصطناعي Python لـ IBM z/OS

تُساعد مجموعة الأدوات في الوصول إلى مكتبة من البرامج مفتوحة المصدر لدعم أعباء العمل الحالية المتعلقة بالذكاء الاصطناعي والتعلّم الآلي (ML).

 IBM Db2 Analytics Accelerator for z/OS

احصل على تحليل بيانات عالي السرعة للحصول على رؤى في الوقت الفعلي تحت سيطرة وأمان IBM Z.

 IBM Db2 AI for z/OS

تعرَّف على كيفية مساهمة الذكاء الاصطناعي في تحسين سهولة الاستخدام، وتعزيز الأداء التشغيلي، والحفاظ على سلامة أنظمة IBM Db2.
اتخذ الخطوة التالية

اكتشِف كيف تسرِّع Machine learning for IBM z/OS رؤى عملك على نطاق واسع باستخدام الذكاء الاصطناعي للمعاملات على IBM z/OS.

 جرّب بدون أي تكلفة
المزيد من الطرق للاستكشاف الوثائق الدعم خدمات دورة الحياة والدعم المجتمع
الحواشي

1 إخلاء المسؤولية: تم استنتاج نتائج الأداء استنادًا إلى اختبارات داخلية أجرتها IBM على بيئة LPAR من IBM z17 مزوَّدة بـ 6 معالجات وذاكرة بسعة 256 جيجابايت، وتعمل بنظام z/OS 3.1. استخدمت الاختبارات عبء عمل معاملات بطاقات ائتمان عبر CICS OLTP منخفض الشدة النسبية للتداخل، مدمجًا مع عمليات استدلال تعتمد على نموذج اصطناعي للكشف عن الغش في بطاقات الائتمان (متاح على https://github.com/IBM/ai-on-z-fraud-detection) يستفيد من المسرِّع المتكامل للذكاء الاصطناعي. تم إجراء الاختبار المعياري باستخدام 32 سلسلة معالجة لتنفيذ عمليات الاستدلال بشكل متزامن. تم تنفيذ الاستدلال باستخدام Machine Learning for IBM z/OS (الإصدار 3.2.0) على خادم Liberty (الإصدار 22.0.0.3). بالإضافة إلى ذلك، تم تفعيل التجميع على جانب الخادم في Machine Learning for z/OS بحجم دفعة يبلغ 8 عمليات استدلال. وقد تختلف النتائج.

2 إخلاء المسؤولية: تستند نتائج الأداء إلى عبء عمل داخلي لدى IBM لمعالجة معاملات بطاقات الائتمان باستخدام CICS OLTP، مع الكشف عن الغش أثناء المعاملة، على نظام IBM z16. تم إجراء القياسات مع ودون استخدام المسرِّع المتكامل للذكاء الاصطناعي. تم استخدام بيئة LPAR على نظام z/OS V2R4 مكوّنة من 12 معالجًا (CP)، و24 معالج zIIP، و256 جيجابايت من الذاكرة. تم تنفيذ الاستدلال باستخدام Machine Learning for z/OS 2.4، على خادم WebSphere Application Server Liberty 21.0.0.12، بالاعتماد على نموذج اصطناعي للكشف عن الغش في بطاقات الائتمان (https://github.com/IBM/ai-on-z-fraud-detection). تم تفعيل التجميع على جانب الخادم في Machine Learning for z/OS بحجم دفعة يبلغ 8 عمليات استدلال. وقد تختلف النتائج.