在 IBM Cloud Pak® for Data 上试用多云 ModelOps
概述
什么是多云 ModelOps? 为什么是现在?
到 2023 年,70% 的 AI 工作负载将使用应用容器,或使用无服务器编程模型来构建,因此,DevOps 文化已成为现今应用部署中不可或缺的组成部分。*
ModelOps 是在应用中有效运行模型的原则性方法。 ModelOps 可同步应用与模型管道之间的运行节奏。 借助多云 ModelOps,您可采用从边缘到核心直至云的数据、模型和资源来优化企业数据科学和 AI 投资。.
多云 ModelOps 涵盖端到端生命周期,用于优化跨云模型和应用的使用,主要针对机器学习模型、优化模型和其他运行模型,以期与持续集成和持续部署 (CICD) 进行有机集成。 IBM Cloud Pak® for Data 采用 IBM Watson® Studio 作为构建多云 ModelOps 实践的理想平台。
ModelOps 优点
ModelOps 功能
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,以及优化超参数以生成管道排行榜。
监控机器学习模型
通过查看可能的模型偏差,了解如何缓解偏差并解释结果,从而监控机器学习模型。
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性。
通过应用部署模型函数
在将数据传递给模型之前预处理数据,执行错误处理,并包括对多个模型的调用。
在多个云端构建和部署模型
几乎可在任意位置部署和推送模型。 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,构建模型并衡量结果。 利用反馈循环持续改进模型。
多云 ModelOps 中有哪些新增功能?
产品图像
多云与传统 ModelOps
多云 ModelOps | 传统 ModelOps | |
---|---|---|
多云支持 | ||
自动化的 AI 生命周期 | ||
业务 KPI 监控 | ||
可解释性和去偏差 | ||
漂移方向和测量 | ||
通过 CICD 进行一键式部署 | ||
模型管理和反馈 | ||
高级数据精炼 | ||
数据准备 |
立即开始
探索 IBM Cloud Pak for Data 的 IBM Watson Studio。