Découvrez comment intégrer l'IA dans IBM Db2 for z/OS pour améliorer votre productivité opérationnelle

Informations IBM Watson® Machine Learning for z/OS®

Développement de modèle flexible

Offrez à vos équipes de science des données la flexibilité nécessaire pour développer, entraîner et évaluer des modèles en utilisant l'environnement de développement intégré (IDE) de leur choix. Vous pouvez également utiliser les fonctions avancées de génération de modèles d'IBM® Watson Machine Learning for z/OS, basées sur un logiciel open source d'entreprise.

Productivité accrue

Optimisez la productivité de vos spécialistes des données grâce aux fonctions avancées de génération de modèles d'IBM Watson Machine Learning for z/OS. Ce produit offre plusieurs modes de génération de modèles, notamment des bloc-notes, des générateurs visuels, des assistants et des renseignements améliorés appliqués aux activités des spécialistes des données. Normalisez automatiquement, gérez les valeurs manquantes et générez des fonctions de données pour que vos spécialistes des données novices deviennent des experts.

Déploiement de modèles d'IA prêts pour l'entreprise

Opérationnalisez des modèles prédictifs dans vos applications transactionnelles, sans frais généraux significatifs, afin de réaliser des analyses en temps réel au point d'interaction. Ce produit offre plusieurs approches d'évaluation, y compris les API RESTful et l'intégration Java et CICS, optimisées pour les niveaux de sécurité et de performance les plus élevés sur IBM® Z.

Amélioration de la précision des modèles

Offrez à vos spécialistes des données et à vos ingénieurs les moyens de planifier des réévaluations continues des nouvelles données afin de surveiller l'exactitude des modèles au fil du temps et d'émettre des alertes lorsque les performances se dégradent. Actualisez automatiquement vos modèles pour garantir leur précision en toute confiance.

Apprentissage automatique prêt pour la production

Assurez la gestion des versions, l'audit et la surveillance de vos modèles, garantissez une haute disponibilité, des performances élevées, de faibles temps d'attente ainsi que l'automatisation du modèle d'apprentissage automatique (apprentissage automatique sous forme de service).

Modèles de solution de démarrage rapide

Proposez des modèles de base essentiels pour répondre aux exigences métier communes et ainsi amorcer vos efforts d'apprentissage automatique. Les modèles de solution montrent comment l'apprentissage automatique peut s'exécuter parallèlement à votre infrastructure d'applications pour ajouter de la valeur à des domaines métier clés, y compris la détection des fraudes, l'approbation de prêts et l'analyse opérationnelle informatique.

Informations techniques

Spécifications techniques

Nouveautés

  • Améliore de manière significative les performances du service d'évaluation en ligne pour différents types de modèles d'apprentissage automatique, en particulier pour les modèles d'apprentissage en profondeur au format ONNX (Open Neural Network Exchange)
  • Meilleure intégration avec IBM Cloud Pak for Data
  • Simplification accrue de l'installation et de la configuration
  • Nouveau planificateur d'installation qui permet de fournir des conseils pour la préparation de l'installation en fonction des cas d'utilisation
  • IBM WMLz 2.3 Online Scoring Community Edition. Cette version allégée du service de scoring WMLz offre une option gratuite permettant aux organisations de télécharger et d'essayer facilement l'approche de scoring transactionnel WMLz.

Configuration logicielle requise

  • z/OS 2.4, 2.3 et Db2 11 for z/OS ou version ultérieure
  • z/OS ICSF et z/OS OpenSSH
  • IBM 64-bit SDK for z/OS Java™ v8 SR6
  • Watson Machine Learning for z/OS IDE for Linux on Z ou Linux on x86
  • Red Hat OpenShift Container Platform 4.6

Configuration matérielle requise

  • IBM z15, z14, IBM® z13, ou système IBM zEnterprise EC12 (1 GCP, 4 zIIP, 100 Go de mémoire, 100 Go d'espace disque)
  • Watson Machine Learning for z/OS IDE on Linux on Z ou Linux on x86
  • 3 nœuds maîtres (4 vCPU, 16 Go de mémoire, 200 Go de stockage dans le système de fichiers racine, 300 Go pour le registre d'images sur un nœud principal, capacité réseau de 10 Gbit/s)
  • 3 nœuds de travail (10 vCPU, 64 Go de mémoire, 200 Go de stockage dans le système de fichiers racine, capacité réseau de 10 Gbit/s)
  • Total (6 serveurs, 42 unités vCPU, 240 Go de mémoire, 1,5 To de stockage)

Next Steps

Comment ça marche

Essayer maintenant