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 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?

网络研讨会: 同步 DevOps 和 AI

了解为什么 63% 的企业采用 DevOps,其中 33% 涉及面向 AI 支持应用的数据科学团队。

451 Research: 具备自动化功能的 AI 和 ModelOps

从 AI 开拓者处获取洞察分析和实用技巧,了解如何在多云环境中构建 ModelOps。

开发者学习路径: 机器学习

在统一的数据和 AI 平台上构建、运行和管理模型。 持续改进模型并将其用于企业应用。

产品图像

KPI 比较

显示模型比较可视化的屏幕截图,包括 KPI、维护成本和生产等指标

KPI 比较

对照关键性能指标比较模型。

详细说明

屏幕截图,显示如何确定预测和影响预测的最重要因素

详细说明

查看 AI 结果背后的详细说明。

管道排行榜

屏幕截图,显示一组模型的失败预测和一个管道排行榜

管道排行榜

自动准备数据、设计特征、优化参数,并生成模型排行榜。

模型漂移

屏幕截图,显示德国信用风险模型的模型漂移幅度

模型漂移

检测和纠正生产中的模型漂移。

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