在 IBM Cloud Pak® for Data 上试用多云 ModelOps
概述
什么是多云 ModelOps？ 为何是现在？
到 2023 年，70% 的 AI 工作负载将使用应用容器，或者使用无服务器编程模型而构建，DevOps 文化因而不可或缺。*
ModelOps 是在应用中操作模型的原则性方法。 ModelOps 可同步应用和模型管道之间的节奏。 借助多云 ModelOps，您可以使用从边缘到核心再到云的数据、模型和资源来优化数据科学和 AI 投资。
多云 ModelOps 涵盖端到端生命周期，用于优化云端模型和应用的使用情况，锁定机器学习模型、优化模型和其他运作模型，以整合持续集成与持续部署 (CICD)。 IBM Cloud Pak® for Data 使用 IBM Watson® Studio 作为构建多云 ModelOps 实践的理想平台。
ModelOps 功能
您可以使用 ModelOps 做什么？
生成模型管道排行榜
自动准备数据，选择模型，执行特征工程并优化超参数，生成管道排行榜。
监视机器学习模型
通过查看可能的模型偏差，了解如何缓解偏差和说明结果，监视机器学习模型。
检查模型并消除偏差
生成无偏模型端点并展示可解释性。 检测导致模型漂移的数据不一致情况。
通过应用部署模型功能
在将数据传递给模型之前对其进行预处理，执行错误处理并包含对多个模型的调用。
在多个云上构建和部署模型
几乎随处部署和推送模型。 使用 x86、IBM Cloud Pak® for Data System 和 IBM Power® System 构建您自己的 AI 就绪云。
在统一接口上构建、运行和管理模型
准备数据、构建模型和衡量结果。 利用反馈环路不断改进模型。
多云 ModelOps 中有何新增功能？
产品图像
多云与传统 ModelOps
| 多云 ModelOps | 传统 ModelOps | |
|---|---|---|
| 多云支持 | ||
| 自动执行 AI 生命周期 | ||
| 业务 KPI 监控 | ||
| 可解释性和去偏 | ||
| 漂移方向和测量 | ||
| 通过 CICD 一键式部署 | ||
| 模型管理和反馈 | ||
| 高级数据精炼 | ||
| 数据准备 |
入门
探索 IBM Watson Studio for IBM Cloud Pak for Data。