Experimente o ModelOps de multicloud no IBM Cloud Pak® for Data

Visão geral

O que é multicloud ModelOps? Por que agora?

Até 2023, 70% das cargas de trabalho de IA usarão contêineres de aplicativos ou serão criados usando um modelo de programação sem servidor e com uma cultura DevOps.*

ModelOps é uma abordagem com princípios para operacionalizar um modelo em aplicativos. ModelOps sincroniza cadências entre os pipelines de aplicativo e de modelo. Com o ModelOps de multicloud é possível otimizar seus investimentos de ciência de dados e de IA usando dados, modelos e recursos de ponta a ponta na cloud.

O ModelOps de multicloud cobre os ciclos de vida de ponta a ponta para otimização do uso de modelos e aplicativos entre clouds, visando modelos de machine learning, de otimização e outros modelos operacionais para fazer parte da Continuous Integration and Continuous Deployment (CICD). O IBM Cloud Pak® for Data usa o IBM Watson® Studio como a plataforma ideal para desenvolver a sua prática de ModelOps de multicloud.

Recursos do ModelOps

O que você pode fazer com o ModelOps?

Gerar uma tabela de classificação de pipeline de modelo

Prepare automaticamente dados, selecione modelos, realize a engenharia de recursos e otimize os hiper parâmetros para gerar uma tabela de classificação de pipeline.

Monitorar modelos de machine learning

Monitore os modelos de machine learning, visualizando o possível viés do modelo e aprendendo como reduzi-lo e explicar os resultados.

Examinar e reduzir a propensão de modelos

Gere um terminal de modelo sem propensão e mostre a explicabilidade. Detecte a inconsistência de dados que leva ao desvio do modelo.

Implementar funções do modelo com aplicativos

Faça o pré-processamento de dados antes de usá-los em modelos, executar manipulação de erros e inclusão de chamadas para vários modelos.

Desenvolver e implementar modelos em múltiplas clouds

Implemente e envie modelos virtualmente em qualquer lugar. Desenvolva sua própria cloud preparada para IA, usando x86, IBM Cloud Pak® for Data System e o sistema IBM Power®.

Desenvolver, executar e gerenciar modelos em uma interface unificada

Prepare dados, desenvolva modelos e calcule os resultados. Melhore continuamente os modelos com um loop de feedback.

Novidades do ModelOps de multicloud?

Webinar: Sincronizar o DevOps e a IA

Saiba por que 63% das empresas adotaram o DevOps e 33% delas envolvem equipes de ciência de dados para aplicativos impulsionados por IA.

451 Research: IA e ModelOps com automação

Obtenha insights e dicas pragmáticas de pioneiros em IA sobre como desenvolver ModelOps no ambiente multicloud.

Caminho de aprendizado do desenvolvedor: Machine learning

Desenvolva, execute e gerencie modelos em uma plataforma unificada de dados e IA. Melhore continuamente os modelos e use-os para seus aplicativos.

Imagens do produto

Comparação de KPI

captura de tela mostrando visualização da comparação de modelo, incluindo KPIs, custos de manutenção e produção

Comparação de KPI

Compare modelos em relação aos principais indicadores de desempenho.

Explicações

captura de tela mostrando como uma previsão foi determinada e os fatores mais importantes que influenciam a previsão

Explicações

Ver explicações por trás dos resultados de IA.

Classificação de pipeline

captura de tela mostrando falha de previsão para um conjunto de modelos e uma tabela de classificação de pipeline

Classificação de pipeline

Prepare dados automaticamente, elabore recursos de engenharia, otimize parâmetros e gere uma tabela de classificação de modelo.

Desvio de modelo

captura de tela mostrando a magnitude de um desvio de modelo para um modelo de risco de crédito alemão

Desvio de modelo

Detectar e corrigir o desvio do modelo na produção.

Multicloud versus ModelOps tradicional

ModelOps de multicloud ModelOps tradicional
Suporte multicloud
Ciclo de vida de IA automatizado
Monitoramento de KPI de negócios
Explicabilidade e redução da propensão
Direção e medição de desvio
Implementação de um clique com o CICD
Gerenciamento de modelo e feedback
Refinamento de dados avançado
Preparação de dados