Descubra cómo integrar la IA en IBM Db2 for z/OS para mejorar la productividad operativa

Detalles de IBM Watson® Machine Learning for z/OS®

Desarrollo de modelos flexibles

Proporcione a los equipos de ciencia de datos la flexibilidad para crear, entrenar y evaluar modelos utilizando su entorno de desarrollo integrado (IDE) preferido. O utilice las extensas funcionalidades para creación de modelos de IBM® Watson Machine Learning for z/OS basadas en software de código abierto de nivel empresarial.

Mejor productividad

Optimice la productividad de los científicos de datos por medio de amplias funcionalidades de creación de modelos de IBM Watson Machine Learning. Este producto ofrece diversos modos de creación de modelos, incluidos notebooks, creaciones visuales, asistentes y una inteligencia mejorada aplicada a las actividades de los científicos de datos. Normalice automáticamente, maneje valores perdidos y genere funcionalidades de datos para hacer que los científicos de datos principiantes se vuelvan expertos.

Implementación del modelo de IA preparado para la empresa

Ponga modelos predictivos en operación en aplicaciones de transacciones, sin una sobrecarga significativa, lo que permite una visión del punto de interacción en tiempo real. Este producto ofrece varios abordajes de puntuación, incluidas las API RESTful y la integración de Java y CICS, optimizadas para los niveles de seguridad y rendimiento más altos en IBM® Z.

Mayor precisión de modelos

Permita a los ingenieros y los científicos de datos programar reevaluaciones continuas de nuevos datos para supervisar la precisión de los modelos a lo largo del tiempo y recibir alertas cuando el rendimiento es reducido. Actualice los modelos automáticamente para mantener la precisión de los modelos con confianza.

Machine learning listo para producción

Ofrezca mantenimiento de versiones de modelos esenciales, auditoría y supervisión, así como alta disponibilidad, alto rendimiento, baja latencia y automatización del modelo de machine learning (machine learning como servicio).

Modelos de solución de inicio rápido

Proporcione modelos básicos esenciales para requisitos empresariales comunes con los cuales impulsar sus esfuerzos de machine learning. Los modelos de soluciones muestran cómo se puede ejecutar machine learning junto con la infraestructura de aplicaciones para añadir valor a las principales áreas empresariales, incluida la detección de fraudes, la aprobación de préstamos y la analítica operativa de TI.

Detalles técnicos

Especificaciones técnicas

Novedades

  • Mejora significativa el rendimiento del servicio de puntuación en línea para varios tipos de modelos de machine learning, especialmente para modelos de deep learning en un formato ONNX (Open Neural Network Exchange)
  • Mejor integración con IBM Cloud Pak for Data
  • Simplificación mejorada para la instalación y la configuración
  • Nuevo planificador de instalación que ayuda a preparar la instalación basándose en casos de uso
  • IBM WMLz 2.3 Online Scoring Community Edition. Esta versión ligera del servicio de puntuación WMLz proporciona una opción sin costo que permite a las organizaciones descargar y probar fácilmente el enfoque de puntuación WMLz en la transacción

Requisitos de software

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

Requisitos de hardware

  • Sistema IBM z15, z14, IBM® z13 o IBM zEnterprise EC12 (1 GCP, 4 zIIP, 100 GB de memoria, 100 GB de espacio de disco)
  • Watson Machine Learning for z/OS IDE en Linux on Z o Linux on x86
  • 3 nodos maestros (4 vCPU, 16 GB de memoria, 200 GB de almacenamiento en el sistema de archivos principal, 300 GB para el registro de imágenes en un nodo maestro, capacidad de red de 10 Gbps)
  • 3 nodos de trabajador (10 vCPU, 64 GB de memoria, 200 GB de almacenamiento en el sistema de archivos principal, capacidad de red de 10 gbps)
  • Total (6 servidores, 42 vCPU, 240 GB de memoria, 1.5 TB de almacenamiento)

Next Steps

Vea cómo funciona