IBM Machine Learning for z/OS (MLz) é uma solução corporativa de aprendizado de máquina executada em IBM Z. Ele fornece uma interface de usuário (IU) da web, várias APIs e um dashboard de administração da web com um pacote poderoso de ferramentas fáceis de usar para desenvolvimento e implementação de modelos, gerenciamento de usuários e administração de sistemas.
Integre modelos de aprendizado de máquina e deep learning com seus aplicativos z/OS e forneça insights de negócios em tempo real e em escala. Facilitar a importação, implementação e monitoramento de modelos para obter valor de cada transação, e impulsionar novos resultados para sua empresa enquanto mantém os SLAs operacionais.
Para maior flexibilidade, o Machine Learning for z/OS inclui duas edições:
- IBM Machine Learning for IBM z/OS Enterprise Edition: oferece muitos aprimoramentos de usabilidade, como melhor desempenho de pontuação, nova versão dos tempos de execução de aprendizado de máquina Spark e Python, e inclui ferramenta de configuração guiada por GUI e muito mais.
- IBM Machine Learning for IBM z/OS Core Edition: uma versão leve do WMLz que fornece os serviços essenciais baseados em REST-API para operações de aprendizado de máquina, incluindo recursos de pontuação on-line no IBM Z.
Todas as edições do IBM MLz podem operar como uma solução independente ou integrá-la aos recursos de IA da sua empresa como uma plataforma escalável.
Explicações visualizadas de inferências de IA podem ser acessadas nativamente no MLz
MLz Core
MLz Enterprise
Maximize a potência do IBM z16™ e do Telum™ AIU. Processe até 228 mil transações de cartão de crédito z/OS CICS por segundo com tempo de resposta de 6 ms1, cada uma com uma operação de inferência de detecção de fraudes na transação que usa um modelo de aprendizado profundo.
Coloque aplicativos com solicitações de inferência para ajudar a minimizar atrasos causados pela latência da rede. Isso oferece tempo de resposta até 86 vezes menor e taxa de transferência até 60 vezes maior em comparação ao envio das mesmas solicitações de inferência para um servidor em nuvem x2 comparado com latência de rede média de ms.
Utilize recursos de IA confiáveis como explicabilidade e monitore seus modelos em tempo real para detecção de desvio, equidade ou viés e robustez para desenvolver e implantar seus modelos de IA no z/OS para cargas de trabalho críticas com confiança.
Com a atualização para a versão 3.1, o MLz está oferecendo mais flexibilidade aos clientes e provedores de soluções com a introdução de duas novas ofertas: Edição Enterprise e Edição Core.
Edição Enhanced que oferece melhor desempenho de pontuação, uma nova versão dos tempos de execução de aprendizado de máquina Spark e Python e inclui uma ferramenta de configuração guiada por GUI e muito mais.
Uma versão leve do WMLz que fornece os serviços essenciais baseados em API REST para operações de aprendizado de máquina, incluindo recursos de pontuação on-line no IBM Z.
Configuração da GUI
UI (para gerenciamento e implementação de modelos, painel de administração)
Banco de dados de repositório (integrado e Db2 for z/OS)
Ferramenta de treinamento de modelo de IA (Jupyter Notebook integrado)
Tempo de execução do Spark ML
Tempo de execução do Python ML
Tempo de execução de pontuação SparkML e PMML
Tempo de execução de pontuação Python e ONNX
Serviços de inferência – interface REST
Serviços de inferência – Interface nativa
Pontuação integrada na transação (aplicativos CICS e IMS)
O Machine Learning for z/OS usa tecnologias proprietárias e de código aberto da IBM e exige hardware e software pré-requisitos.
- z16™, z15, z14, z13 ou sistema zEnterprise EC12
- z/OS 3.1, 2.5 ou 2.4
- IBM 64-bit SDK for z/OS Java™ Technology Edition versão 8 SR7, 11.0.17 ou posterior
- IBM WebSphere Application Server for z/OS Liberty versão 22.0.0.9 ou posterior
- Db2 12 for z/OS ou posterior somente se você escolher Db2 for z/OS como o banco de dados de metadados do repositório
Utilize o melhor do mainframe e a inovação da nuvem.
Identifique problemas operacionais e evite incidentes dispendiosos detectando anomalias nos dados logísticos e métricos.
Acesse uma biblioteca de software de código aberto relevante para dar suporte às cargas de trabalho atuais de IA e ML.
Use um sistema operacional altamente seguro e escalável para executar aplicativos de missão crítica.
Aumente a disponibilidade, a segurança e a resiliência enquanto melhora o desempenho e os resultados de negócios.
Obtenha análise de dados em alta velocidade para insights em tempo real sob o controle e segurança do IBM Z.
Saiba como a IA aprimora a usabilidade, melhora o desempenho operacional e mantém a integridade dos sistemas IBM® Db2®.
Notas de rodapé
1 AVISO: o resultado de desempenho é extrapolado a partir de testes internos da IBM executando uma carga de trabalho de transações de cartão de crédito CICS com operações de inferência em um IBM z16. Foi usada uma LPAR do z/OS V2R4 configurada com 6 CPs e 256 GB de memória. A inferência foi realizada com o Machine Learning for z/OS 2.4 em execução no WebSphere Application Server Liberty 21.0.0.12, utilizando um modelo sintético de detecção de fraudes em cartões de crédito (https://github.com/IBM/ai-on-z-fraud-detection). e o Acelerador Integrado para IA. O processamento em lote do lado do servidor foi habilitado no aprendizado de máquina para z/OS com um tamanho de 8 operações de inferência. A referência foi executada com 48 encadeamentos realizando operações de inferência. Os resultados representam um IBM z16 totalmente configurado com 200 CPs e 40 TB de armazenamento. Os resultados podem variar.
2 AVISO: Os resultados de desempenho são baseados em uma carga de trabalho de cartão de crédito CICS OLTP interna da IBM com detecção de fraude na transação em execução no IBM z16. As medições foram feitas com e sem o Acelerador Integrado para IA. Foi usada uma LPAR do z/OS V2R4 configurada com 12 CPs, 24 zIIPs e 256 GB de memória. A inferência foi realizada com Aprendizado de Máquina para z/OS 2.4 executando no WebSphere Application Server Liberty 21.0.0.12, utilizando um modelo sintético de detecção de fraudes em cartões de crédito (https://github.com/IBM/ai-on-z-fraud-detection). O processamento em lote do lado do servidor foi habilitado no aprendizado de máquina para z/OS com um tamanho de 8 operações de inferência. Os resultados podem variar.