IBM désigné comme leader

Gartner publie le Magic Quadrant 2021 pour les plateformes de science des données et d'apprentissage automatique.

Apporter des modèles d'IA à la production

Utilisation

Implémenter l'IA explicable

Professionnel dans un bureau travaillant sur un ordinateur portable

Implémenter l'IA explicable

L'IA explicable est un ensemble de processus et de méthodes qui permettent aux utilisateurs humains de comprendre et de faire confiance aux résultats et à la sortie créés par les algorithmes d'IA, y compris leur impact attendu et leurs biais potentiels.

Optimiser les décisions

Personne choisissant une bouteille de vin

Optimiser les décisions

L'optimisation des décisions rationalise la sélection et le déploiement des modèles d'optimisation, et permet la création de tableaux de bord pour partager les résultats et améliorer la collaboration.

Développer visuellement des modèles

Vue en plongée d'un homme d'affaires travaillant sur un ordinateur à un bureau

Développer visuellement des modèles

Grâce à des flux de travaux faciles à utiliser inspirés d'IBM® SPSS®, vous pouvez combiner la science des données visuelle avec des bibliothèques open source et des interfaces basées sur un bloc-notes sur une plateforme de données et d'IA unifiée.

Générer des ModelOps

Flux de travaux IBM Cloud Pak for Data, notamment la collecte et la préparation des données, la construction et le déploiement de modèles d'IA et l'optimisation des décisions

Générer des ModelOps

ModelOps est une approche de principe pour rendre opérationnel un modèle dans les applications. ModelOps vous aide à synchroniser les cadences entre les pipelines d'application et de modèle. Vous pouvez optimiser vos investissements d'IA et d'application de la périphérique aux clouds hybrides.

Accélérer le développement IA avec AutoAI

Vue aérienne d'un échangeur routier la nuit

Accélérer le développement IA avec AutoAI

Avec AutoAI, les débutants peuvent se lancer rapidement, et les spécialistes de la science des données peuvent accélérer l'expérimentation du développement IA. AutoAI automatise la préparation des données, le développement des modèles, l'ingénierie des fonctions et l'optimisation des hyperparamètres.

Avantages

Fonctionnalité

IBM Watson Studio - détails

AutoAI pour une expérimentation plus rapide

Créez automatiquement des pipelines de modèle. Préparez les données et sélectionnez les types de modèle. Générez et classez les pipelines de modèle.

Affinage avancé des données

Nettoyez et façonnez les données avec un éditeur de flux graphique. Appliquez des modèles interactifs pour coder les opérations, les fonctions et les opérateurs logiques.

Support de bloc-notes open source

Créez un fichier de bloc-notes, utilisez un exemple de bloc-notes ou apportez votre propre bloc-notes. Coder et exécuter un notebook.

Outils visuels intégrés

Préparez rapidement les données et développez des modèles visuellement avec IBM SPSS Modeler dans Watson Studio.

Entraînement et développement de modèles

Créez des expériences rapidement et améliorez la formation en optimisant des pipelines et en identifiant la bonne combinaison de données.

Infrastructures open source étendues

Mettez le modèle de votre choix en production. Suivez et réentraînez les modèles à partir des commentaires reçus de la production.

Decision Optimization imbriqué

Combinez les modèles prédictifs et prescriptifs. Utilisez des prédictions pour optimiser les décisions. Créez et éditez des modèles en Python, OPL ou langage naturel.

Gestion et surveillance de modèle

Contrôlez les métriques de qualité, d'équité et de dérive. Sélectionnez et configurez le déploiement pour les éclairages de modèle. Personnalisez les indicateurs et les indicateurs de modèle.

Gestion des risques liés aux modèles

Comparez et évaluez les modèles. Évaluez et sélectionnez des modèles avec de nouvelles données. Examinez les principales métriques du modèle côte à côte.

Images des produits

Automatisation du cycle de vie de l'IA

capture d'écran montrant une carte de relations et une carte de progression

Automatisation du cycle de vie de l'IA

Explorez les relations en créant des modèles avec AutoAI.

Sources de données sur site, dans le cloud

Capture d'écran montrant plusieurs sources de données IBM et tierces.

Sources de données sur site, dans le cloud

Accédez à pratiquement n'importe quelle source de données dans les clouds et sélectionnez-les.

Modèles d'IA Glisser-déposer

capture d'écran d'interface graphique

Modèles d'IA Glisser-déposer

Créez visuellement des modèles avec un flux basé sur une interface graphique intuitive.

Expliquer les transactions pour un modèle d'IA

capture d'écran montrant comment vous pouvez changer les valeurs pour les différents résultats prédits

Expliquer les transactions pour un modèle d'IA

Déterminez quelles nouvelles valeurs de fonction entraîneraient des résultats différents.

Nouveautés

Écouter les dernières actualités sur Watson Studio

Écoutez des spécialistes de l'IA parler des meilleures pratiques. Regarder des démonstrations du produit.

Synchroniser l'IA et DevOps

Découvrez les principales fonctionnalités du développement basé sur l'IA et pourquoi vous devez intégrer des modèles d'IA dans les cycles de développement.

Cours de rattrapage sur la gouvernance de l'IA

Découvrez ce qu'est la gouvernance de l'IA, pourquoi elle est importante et comment rendre l'IA digne de confiance.

Pour commencer

Prévoyez et optimisez les résultats grâce à l'IA et aux modèles d'apprentissage automatique.

Notes de bas de page

¹, ² Nouvelle technologie : The Projected Total Economic Impact™ of Explainable AI and Model Monitoring in IBM Cloud Pak for Data, Forrester, août 2020.