Essayez ModelOps multicloud sur IBM Cloud Pak® for Data

Présentation

Qu'est-ce que ModelOps multicloud ? Pourquoi maintenant ?

D'ici à 2023, 70 % des charges de travail d'IA utiliseront des conteneurs d'application ou seront créées à l'aide d'un modèle de programmation sans serveur, ce qui nécessitera une culture DevOps*.

ModelOps est une approche de principe pour rendre opérationnel un modèle dans des applications. ModelOps synchronise les cadences entre les pipelines de modèle et d'application. Avec ModelOps multicloud, vous pouvez optimiser vos investissements en science des données et en IA avec des données, des modèles et des ressources, de la périphérie jusqu'au cœur du réseau et au cloud.

ModelOps multicloud couvre les cycles de vie de bout en bout pour optimiser l'utilisation de modèles et d'applications dans les clouds, en ciblant modèles d'apprentissage automatique, modèles d'optimisation et autres modèles opérationnels à intégrer avec l'intégration et le déploiement continus (CICD). IBM Cloud Pak® for Data utilise IBM Watson® Studio comme plateforme idéale pour la génération de votre pratique ModelOps multicloud.

Fonctions ModelOps

Que pouvez-vous faire avec ModelOps ?

Générer un tableau de classement pour le pipeline de modèles

Préparez automatiquement les données, sélectionnez des modèles, effectuez l'ingénierie des caractéristiques et optimisez les hyperparamètres pour générer un tableau de classement de pipeline.

Surveiller les modèles d'apprentissage automatique

Surveillez les modèles d'apprentissage automatique en examinant les biais possibles des modèles et en apprenant comment les atténuer et expliquer les résultats.

Examiner les modèles et supprimer les biais

Générez un point d'extrémité pour un modèle dépourvu de biais et affichez les explications. Détectez l'incohérence des données conduisant à une dérive du modèle.

Déployer des fonctions de modèle avec des applications

Prétraitez les données avant de les transmettre aux modèles, gérez les erreurs et incluez des appels à plusieurs modèles.

Créer et déployer des modèles dans plusieurs clouds

Déployez et envoyez des modèles pratiquement n'importe où. Créez votre propre cloud prêt pour l'IA en utilisant des systèmes x86, IBM Cloud Pak® for Data System et IBM Power®.

Générer, exécuter et gérer des modèles dans une interface unifiée

Préparez des données, élaborez des modèles et mesurez les résultats. Améliorez continuellement les modèles avec une boucle de retour d'informations.

Nouveautés de ModelOps multicloud

Webinaire : Synchroniser DevOps et IA

Découvrez pourquoi 63 % des entreprises ont adopté DevOps et pourquoi 33 % d'entre elles font appel à des équipes de science des données pour les applications basées sur l'IA.

451 Research : IA et ModelOps avec l'automatisation

Obtenez des éclairages et des conseils pratiques des pionniers de l'IA sur la façon de mettre en œuvre ModelOps dans l'environnement multicloud.

Parcours pédagogique du développeur : Apprentissage automatique

Créez, exécutez et gérez des modèles sur une plateforme unifiée de données et d'IA. Améliorez continuellement les modèles et utilisez-les pour vos applications.

Images des produits

Comparaison d'indicateurs KPI

capture d'écran montrant la visualisation de la comparaison de modèles, y compris les indicateurs clés de performance, les coûts de maintenance et la production

Comparaison d'indicateurs KPI

Comparez des modèles en fonction d'indicateurs clés de performance (KPI).

Explications

capture d'écran montrant comment une prédiction a été déterminée et les facteurs les plus importants influençant la prédiction

Explications

Découvrez les explications derrière les résultats de l'IA.

Leaderboard de pipeline

capture d'écran montrant la prédiction d'échec pour un ensemble de modèles et un tableau de bord de pipeline

Leaderboard de pipeline

Préparez automatiquement les données, développez les fonctions, optimisez les paramètres et générez un classement de modèle.

Dérive de modèle

capture d'écran montrant l'ampleur de la dérive d'un modèle de risque de crédit allemand

Dérive de modèle

Détectez et corrigez la dérive de modèle en production.

ModelOps : multicloud versus traditionnel

ModelOps multicloud ModelOps traditionnel
Support multicloud
Cycle de vie de l'IA automatisé
Surveillance des indicateurs clés de performance de l'entreprise
Explicabilité et débiaisement
Direction et mesure de la dérive
Déploiement en un clic avec l'approche CICD
Gestion de modèle et commentaires en retour
Affinage avancé des données
Préparation des données