¿La introducción del servicio de Deep Learning significa que ésta es la primera vez que IBM ha tenido una oferta de deep learning (o ha utilizado deep learning en sus servicios de Watson)?

Hemos ofrecido una versión on-premises de Deep Learning durante bastante tiempo, pero esta es la primera vez que IBM ofrece un servicio de deep learning en la nube. Además, IBM continúa proporcionando servicios basados en el deep learning a los desarrolladores de aplicaciones con Watson Developer Cloud.

¿Por qué se ofrece este servicio de deep learning dentro del Servicio de Watson Machine learning en vez de ofrecerlo como autónomo?

El deep learning es un subconjunto del machine learning, por lo que tiene más sentido que Deep Learning sea un servicio dentro de Watson Machine Learning. Además, los usuarios del servicio de deep learning obtienen el potente respaldo de Watson Machine Learning además de una integración más fácil con otros servicios bajo el paraguas de Watson Studio.

¿Cuál es la relación de Watson Studio con el servicio de deep learning?

IBM ofrece deep learning a través del servicio IBM Watson Machine Learning, que está integrado en IBM Watson Studio.

¿Cómo funciona el Neural Network Modeler con el servicio IBM Watson Machine Learning?

Neural Network Modeler trabaja dentro del servicio de deep learning. Los científicos de datos, desarrolladores y usuarios de negocios pueden diseñar sus modelos neuronales a través de un proceso de arrastrar y soltar sin código. Neural Network Modeler genera el código a partir de una de las estructuras preferidas del usuario, como TensorFlow, Keras, PyTorch o Caffe.

IBM es la primera/única organización que ofrece una capacidad de Neural Network Modeler?

No, pero IBM proporciona el modelado de red bajo el contexto de una plataforma de machine learning completa. Los modelos diseñados que utilizan Neural Network Modeler se pueden crear utilizando el servicio de deep learning centralizado en experimentos de IBM y luego se pueden implementar como endpoints REST. Neural Network Modeler brinda soporte a numerosas infraestructuras de código abierto y permite al usuario elegir con la que desea trabajar.

¿Cómo se involucró IBM Research en este proceso?

Las capacidades básicas del nuevo servicio de deep learning se originaron a partir de varios proyectos dentro de IBM Research. Más específicamente, las siguientes características se han implementado directamente de IBM Research:

  • Los microservicios que soportan el servicio de deep learning gestionan el entrenamiento distribuido de los modelos en paralelo a través de una agrupación de GPUs, al mismo tiempo que soportan múltiples infraestructuras de código abierto como Tensorflow, Caffe, Keras y PyTorch.
  • Neural Network Modeler permite el diseño rápido de redes complejas sin codificación. El nombre de código de investigación para este proyecto es Darviz.
  • La optimización de hiperparámetros (HPO) permite que el servicio de deep learning ajuste los parámetros de las redes neuronales automáticamente. Con esta tecnología somos capaces de automatizar las iteraciones de los hiperparámetros para encontrar la mejor red neuronal para cada caso de uso.
  • Deep learning distribuido con Horovod y DDL de Uber (Distributed Deep Learning).
  • El desempeño del modelo plus de la experiencia del cliente que realiza el seguimiento de Experiment Assistant se originó en IBM Research con el nombre de código de Project Runway.

Conozca más

¿Watson Studio está únicamente disponible en la nube?

Sí.

¿La versión on-premises de Data Science Experience ofrece las mismas capacidades que Watson Studio?

No, pero para obtener más información, visite Experiencia Local de Data Science.

¿El servicio de deep learning está sólo disponible en la nube?

Sí, está disponible como deep learning como servicio en el servicio IBM Watson Machine Learning.

¿Cómo se diferencia la característica de deep learning de IBM respecto a lo que ofrecen los competidores?

La oferta de deep learning de IBM difiere de los competidores en muchos aspectos:

  • Neural Network Modeler (descrito más a detalle anteriormente) no es ofrecido actualmente por nuestros competidores.
  • Experiment Assistant entrega un flujo de entrenamiento basado en contenedores y gestionado con experimentos que soporta una fácil supervisión de las ejecuciones de entrenamiento paralelo construidas usando los marcos de aprendizaje más populares.

¿Cómo es el plan de asignación de precios para esta característica?

Consulte la página de precios de IBM Watson Machine Learning para obtener más información.