Bedeutet die Einführung des Deep-Learning-Service, dass IBM zum ersten Mal eine Deep-Learning-Lösung im Angebot hat (oder zum ersten Mal Deep Learning in den IBM Watson-Services verwendet)?

Wir haben bereits seit einiger Zeit eine On-Premises-Version von Deep Learning im Angebot, aber dies ist das erste Mal, dass IBM einen Deep-Learning-Service in der Cloud anbietet. Darüber hinaus stellt IBM auch weiterhin Deep-Learning-basierte Services für Anwendungsentwickler mit der Watson Developer Cloud bereit.

Warum wird dieser Deep-Learning-Service innerhalb des Watson Machine Learning Service angeboten und nicht als eigenständige Lösung?

Deep Learning ist Teil des maschinellen Lernens. Daher ist es sinnvoller, Deep Learning als Service innerhalb von Watson Machine Learning anzubieten. Außerdem profitieren die Benutzer des Deep-Learning-Service so von der leistungsstarken Unterstützung von Watson Machine Learning und der problemlosen Kombination mit anderen Services unter dem Dach von Watson Studio.

Welche Beziehung besteht zwischen Watson Studio und dem Deep-Learning-Service?

IBM stellt Deep Learning über den IBM Watson Machine Learning Service bereit, der in IBM Watson Studio integriert ist.

Wie funktioniert der Neural Network Modeler zusammen mit dem IBM Watson Machine Learning Service?

Der Neural Network Modeler wird innerhalb des Deep-Learning-Service ausgeführt. Data-Scientists, Entwickler und Geschäftsanwender können ihre neuronalen Modelle durch einen Drag-and-drop-Prozess ohne Codierung entwerfen. Der Neural Network Modeler generiert den Code aus einem der bevorzugten Frameworks des Benutzers wie TensorFlow, Keras, PyTorch oder Caffe.

Ist IBM das erste/einzige Unternehmen, das eine Lösung mit der Funktion des Neural Network Modeler anbietet?

Nein, aber IBM stellt die Netzmodellierung im Kontext einer umfassenden Plattform für maschinelles Lernen bereit. Modelle, die mit dem Neural Network Modeler entworfen wurden, können mithilfe des experimentbasierten IBM Deep-Learning-Service erstellt und anschließend als REST-Endpunkte bereitgestellt werden. Der Neural Network Modeler unterstützt zahlreiche Open-Source-Frameworks und überlässt den Benutzern die Wahl, mit welchen Frameworks sie arbeiten möchten.

In welcher Form war IBM Research in diesen Prozess eingebunden?

Die zentralen Bestandteile des neuen Deep-Learning-Service stammen aus verschiedenen Projekten innerhalb von IBM Research. Insbesondere wurden die folgenden Features und Funktionen direkt von IBM Research implementiert:

  • Die Microservices, die den Deep-Learning-Service unterstützen, steuern das dezentrale Training von Modellen parallel in einem Cluster von GPUs. Gleichzeitig werden mehrere Open-Source-Frameworks wie TensorFlow, Caffe, Keras und PyTorch unterstützt.
  • Der Neural Network Modeler ermöglicht das schnelle Design von komplexen Netzen ohne Codierungsaufwand. Der Codename für dieses Projekt bei IBM Research lautet Darviz.
  • Durch die Hyperparameter-Optimierung (HPO) kann der Deep-Learning-Service Parameter von neuronalen Netzen automatisch optimieren. Mit dieser Technologie können wir die Iterationen der Hyperparameter automatisieren, um für jeden Anwendungsfall das beste neuronale Netz zu ermitteln.
  • Dezentrales Deep Learning mit Horovod und DDL (Distributed Deep Learning) von Uber.
  • Die grafische Benutzerschnittstelle und der Experiment Assistant für die Überwachung des Modellerfolgs wurden ursprünglich von IBM Research mit dem Codenamen „Project Runway“ entwickelt.

Weitere Informationen 

Ist Watson Studio nur in der Cloud verfügbar?

Ja.

Bietet die On-Premises-Version von Data Science Experience die gleichen Funktionen wie Watson Studio?

Nein. Weitere Informationen hierzu finden Sie unter Data Science Experience Local.

Ist der Deep-Learning-Service nur in der Cloud verfügbar?

Ja. Der Service ist als Deep-Learning-as-a-Service-Version im IBM Watson Machine Learning Service verfügbar.

Wie unterscheidet sich das Deep-Learning-Feature von IBM von den Lösungen anderer Anbieter?

Das Deep-Learning-Angebot von IBM unterscheidet sich auf vielfältige Weise von den Lösungen anderer Anbieter:

  • Ein Neural Network Modeler (im Detail oben beschrieben) wird derzeit von unseren Mitbewerbern nicht angeboten.
  • Der Experiment Assistant bietet einen experiment- und containerbasierten Managed-Training-Ablauf, der die einfache Überwachung paralleler Trainingsläufe unterstützt, die mit den gängigsten Deep-Learning-Frameworks erstellt wurden.

Wie sehen die Preistarife für dieses Feature aus?

Details hierzu finden Sie auf der Seite mit den Preisen für IBM Watson Machine Learning.