Essayer le tutoriel gratuit

Créez, déployez, testez, recyclez, ré-entraînez et surveillez un modèle d'apprentissage automatique.

Principales fonctions d'entraînement de Watson Machine

Placer la puissance du déploiement de modèles d'IA entre vos mains

Créer une application de détection d'objets en temps réel

Regarder le tutoriel d'application de détection d'objets

Utilisez Watson™ Machine Learning pour entraîner votre propre modèle personnalisé à détecter les objets en temps réel, sans puissance ni temps de calcul substantiels.

Créer un moteur de recommandation de produits

Regarder le tutoriel d'achat interactif

Utilisez Jupyter Notebooks avec IBM Watson Studio pour créer un moteur de recommandation interactif PixieApp et déployez-le avec Watson Machine Learning.

Surveiller les performances des modèles

Obtenir le code et regarder la démo

Déployez et surveillez des modèles d'apprentissage automatique en utilisant des données de crédit allemandes avec Watson Machine Learning et IBM Watson OpenScale™.

Automatiser la création de modèles avec AutoAI

Regarder le tutoriel AutoAI

Créez des modèles, affichez un classement, comparez des pipelines et déployez les modèles sélectionnés avec Watson Studio et Watson Machine Learning.

Prévoir un achat de produit

Comment automatiser la prévision

Prévoyez si un client est susceptible d'acheter une tente dans un magasin d'équipement de plein air via AutoAI, associé à Watson Studio et à Watson Machine Learning.

Utiliser un notebook Python pour déployer l'optimisation des décisions

Comment l'optimisation des décisions est déployée (05:04)

Déployez votre modèle d'optimisation des décisions avec Watson Machine Learning à l'aide d'un bloc-notes Jupyter pour accéder aux services d'apprentissage automatique et surveiller les travaux.

Watson Machine Learning Server

Passez à la prochaine étape de votre transformation IA.

Cas d'utilisation de Watson Machine Learning

Cas d'utilisation : Démarrer avec l'entraînement AutoAI

Problème

  • Il faut parfois des mois aux spécialistes des données pour parvenir à des prévisions précises et surveiller les modèles en production.
  • Les spécialistes des données qui codent et connaissent les algorithmes sont peu nombreux.
  • Les analystes et les scientifiques des données "citoyens" ont besoin d'un accès rapide.

Solution

AutoAI permet aux spécialistes des données de développer rapidement des pipelines de candidats, de sélectionner les modèles les plus performants du classement et de déployer des modèles avec Watson Machine Learning Cloud. La surveillance des modèles est plus facile et plus rapide, et le processus global peut être réduit de plusieurs semaines à quelques heures.

Regarder le tutoriel AutoAI →

Trois enfants à un bureau utilisant des ordinateurs portables
Prise de recharge de voiture électrique

Cas d'utilisation : Transférer la science des données open source en production

Problème

  • Le manque de gouvernance dans les modèles open source est une source de préoccupation pour les entreprises.
  • La visibilité et la compréhension du statut de déploiement des modèles sont difficiles à obtenir.
  • Il est difficile de partager les résultats avec les analystes et les experts du domaine.

Solution

Avec Watson Machine Learning Server, vous pouvez déployer un modèle d'apprentissage automatique sur IBM Watson Machine Learning en utilisant le client Python. Vous pouvez mettre à l'échelle des charges de travail et déployer des actifs avec une expérience utilisateur fluide.

Explorer le déploiement à l'aide de Python →

Cas d'utilisation : Apporter Watson Studio Desktop au déploiement

Problème

  • Vous devez passer des projets de science des données individuels aux projets en équipe.
  • Votre ordinateur de bureau ne dispose pas d'une puissance de calcul suffisante pour exécuter des fonctions.
  • L'exécution et le déploiement d'actifs depuis Watson Studio Desktop constitue la prochaine étape logique.

Solution

Watson Machine Learning Server peut être connecté à Watson Studio Desktop afin de fournir une puissance de calcul en tant qu'environnement d'exécution, ou comme espace de déploiement avec la gestion de plusieurs utilisateurs.

Se connecter à Watson Machine Learning Server →

Jeune femme faisant un jogging montant des marches
Vue aérienne de nageurs de triathlon

Cas d'utilisation : Créer et mettre vos modèles d'IA à grande échelle

Problème

  • Vous passez de projets d'un service à des projets inter-unités d'activité qui impliquent de nombreux spécialistes des données.
  • Passer de l'expérimentation à la production est une priorité absolue.
  • Vous avez besoin de flexibilité pour créer et déployer des modèles sur plusieurs clouds.

Solution

Avec Watson Studio, Watson Machine Learning Local permet de créer, entraîner et déployer des modèles à grande échelle dans votre cloud privé ou le cloud public de votre choix, notamment AWS et Azure.

Explorer Watson Machine Learning Local → 

Cas d'utilisation : Déployer vos modèles d'optimisation des décisions

Problème

  • Vous n'êtes pas en mesure ide déployer les résultats d'une série de scénarios pour un problème métier.
  • Vous rencontrez des problèmes pour exécuter des modèles d'optimisation via l'API pour les applications.
  • Vous voulez combiner l'apprentissage automatique et l'optimisation des décisions à l'aide du même mécanisme de déploiement.

Solution

Avec Watson Machine Learning, vous pouvez déployer votre modèle prescriptif d'optimisation des décisions et les données associées. Vous pouvez y parvenir en utilisant l'API REST de Watson Machine Learning ou le client Watson Machine Learning Python.

Apprendre à déployer l'optimisation des décisions →

Étagères d'entrepôt avec des palettes
Porte-conteneurs sur l'océan

Cas d'utilisation : Créer et mettre à l'échelle des modèles sur une plateforme des données et d'IA

Problème

  • Votre approche de la science des données n'est pas adaptée à la pratique agile de DevOps et du développement d'applications.
  • Il existe de nombreux outils et approches cloud et IA qui entravent la productivité des membres de l'équipe.
  • Il est impératif de simplifier les décisions et les prévisions à grande échelle.

Solution

IBM Cloud Pak™ for Data, plateforme de données et d'IA native cloud, associé à Watson Studio Premium, offre une expérience fluide pour l'exécution et l'optimisation des modèles d'apprentissage automatique et d'optimisation des décisions.

Voir IBM Watson Studio Premium for IBM Cloud Pak for Data →

Essayer l'atelier pratique gratuit

Explorez plusieurs fonctionnalités d'apprentissage automatique et d'apprentissage en profondeur d'IBM Watson Studio.

Essayer ou acheter maintenant

Que vous souhaitiez évaluer Watson Machine Learning avec un essai gratuit de 30 jours avant d'acheter, ou que vous soyez prêt à explorer les plans de tarification et de déploiement, IBM vous permet de passer facilement à l'étape suivante.

ㅤㅤ ㅤㅤ ㅤㅤ

ㅤㅤ ㅤㅤ ㅤㅤ