Testen Sie Multicloud ModelOps on IBM Cloud Pak® for Data

Überblick

Was ist Multicloud-ModelOps? Warum jetzt?

Bis 2023 werden 70 % der KI-Workloads Anwendungscontainer verwenden oder mit einem serverlosen Programmiermodell erstellt werden, das eine DevOps-Kultur erfordert.*

ModelOps ist ein strukturierter Ansatz zur Operationalisierung eines Modells in Anwendungen. ModelOps synchronisiert die Kadenzen zwischen der Anwendung und den Modellpipelines. Mit Multicloud-ModelOps optimieren Sie Ihre Datenwissenschaft und KI-Investitionen mithilfe von Daten, Modellen und Ressourcen vom „Rand“ zum Kern und in die Cloud.

Multicloud ModelOps deckt die End-to-End-Lebenszyklen zur Optimierung der Nutzung von Modellen und Anwendungen über Clouds hinweg ab und konzentriert sich auf Modelle für maschinelles Lernen, Optimierungsmodelle und andere Betriebsmodelle, die in Continuous Integration und Continuous Deployment (CICD) integriert werden. IBM Cloud Pak® for Data nutzt IBM Watson® Studio als ideale Plattform für den Aufbau Ihrer Multi-Cloud ModelOps-Praxis.

ModelOps Features

Was können Sie mit ModelOps tun?

Modellpipeline-Leaderboard generieren

Bereiten Sie automatisch Daten auf, wählen Sie Modelle aus, führen Sie Feature Engineering durch und optimieren Sie Hyperparameter, um ein Pipeline-Leaderboard zu erstellen.

Computer-Lernmodelle überwachen

Überwachen Sie Modelle des maschinellen Lernens, indem Sie mögliche Verzerrungen des Modells betrachten und lernen, wie Sie diese abmildern und die Ergebnisse erklären können.

Modelle untersuchen und Verzerrung reduzieren

Generieren Sie einen Modell-Endpunkt mit reduzierter Verzerrung und sorgen Sie für Erklärbarkeit. Erkennen Sie Dateninkonsistenzen, die zu Modelldrift führen.

Implementieren von Modellfunktionen mit Apps

Daten vorverarbeiten, bevor sie an Modelle weitergegeben werden, Fehlerbehandlung durchführen und Aufrufe an mehrere Modelle einschließen.

Modelle auf mehreren Clouds erstellen und implementieren

Implementieren und pushen Sie Modelle an beliebigen Orten. Erstellen Sie Ihre eigene KI-fähige Cloud mit x86, IBM Cloud Pak® for Data System und IBM Power® System.

Erstellen, Ausführen und Verwalten von Modellen auf einer einheitlichen Schnittstelle

Bereiten Sie Daten vor, bauen Sie Modelle, messen Sie Ergebnisse. Verbessern Sie Ihre Modelle mit einer Rückkopplungsschleife kontinuierlich.

Was ist neu bei Multicloud ModelOps?

Webseminar: DevOps und KI synchronisieren

Erfahren Sie, warum 63 % der Unternehmen DevOps akzeptiert haben und 33 % von ihnen Data-Science-Teams für KI-betriebene Apps einbinden.

451 Research: KI und ModelOps mit Automatisierung

Gewinnen Sie Einblicke und pragmatische Tipps von KI-Pionieren zum Bauen von ModelOps in der Multicloud-Umgebung.

Lernpfad für Entwickler: Maschinelles Lernen

Erstellen, Ausführen und Verwalten von Modellen auf einer einheitlichen Daten- und KI-Plattform. Verbessern Sie Ihre Modelle kontinuierlich und verwenden Sie sie für Ihre Apps.

Produktabbildungen

KPI-Vergleich

Screenshot der Visualisierung des Modellvergleichs, einschließlich KPIs, Wartungskosten und Produktion

KPI-Vergleich

Vergleichen Sie Modelle mit den wichtigsten Leistungsindikatoren.

Erläuterungen

Screenshot, der zeigt, wie eine Vorhersage ermittelt wurde und welche Faktoren die Vorhersage am stärksten beeinflussen

Erläuterungen

Siehe Erläuterungen zu KI-Ergebnissen.

Pipeline-Leaderboard

Screenshot mit Fehlervorhersage für eine Reihe von Modellen und einem Pipeline-Leaderboard

Pipeline-Leaderboard

Daten automatisch vorbereiten, Features entwickeln, Parameter optimieren und ein Modell-Leaderboard generieren.

Modelldrift

Screenshot, der das Ausmaß der Modelldrift für ein deutsches Kreditrisikomodell zeigt

Modelldrift

Identifizieren und korrigieren Sie die Modelldrift in der Produktion.

Multicloud versus traditionelle ModelOps

Multicloud-ModelOps Traditionelle ModelOps
Multicloud-Unterstützung
Automatisierter KI-Lebenszyklus
Business-KPI-Überwachung
Erklärbarkeit und Debiasing
Driftrichtung und -messung
One-Klick-Implementierung mit CICD
Modellmanagement und Feedback
Erweiterte Datenoptimierung
Datenaufbereitung