Bedeutet die Einführung des Deep-Learning-Service, dass dies das erste Mal ist, dass IBM eine Deep-Learning-Lösung im Angebot hat (oder Deep Learning in seinen Watson-Services verwendet hat)?

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. Darüber hinaus erhalten Benutzer des Deep-Learning-Service die Leistungsfähigkeit von Watson Machine Learning sowie die problemlose Integration mit anderen Services unter dem Dach von Watson Studio.

Wie stellt sich die Beziehung zwischen Watson Studio und dem Deep-Learning-Service dar?

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

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

Neural Network Modeler arbeitet innerhalb des Deep-Learning-Service. Data-Scientists, Entwickler und Geschäftsbenutzer können ihre neuronalen Modelle durch einen Drag-and-drop-Prozess ohne Codierung entwerfen. 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 Neural Network Modeler-Lösung anbietet?

Nein, aber IBM stellt die Netzwerkmodellierung in den Kontext einer vollständigen Plattform für maschinelles Lernen. Modelle, die mit Neural Network Modeler entworfen wurden, können mithilfe des experimentorientierten Deep-Learning-Service von IBM aufgebaut und anschließend als REST-Endpunkte bereitgestellt werden. Neural Network Modeler unterstützt zahlreiche Open-Source-Frameworks und lässt den Benutzer auswählen, mit welchen Frameworks er arbeiten möchte.

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 Mikroservices, 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.
  • Neural Network Modeler ermöglicht den schnellen Entwurf von komplexen Netzwerken ohne Codierungsaufwand. Der Codename für dieses Projekt bei IBM Research lautet Darviz.
  • Durch Hyperparameter Optimization (HPO) können über den Deep-Learning-Service Parameter von neuronalen Netzen automatisch optimiert werden. 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 Kombination aus grafischer Benutzerschnittstelle und dem Experiment Assistant für die Überwachung des Modellerfolgs hat seinen Ursprung bei IBM Research mit dem Codenamen „Project Runway“.

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 in IBM Watson Machine Learning Service verfügbar.

Wie unterscheidet sich das Deep-Learning-Feature von IBM von den Lösungen der Wettbewerber?

Das Deep-Learning-Angebot von IBM unterscheidet sich von Wettbewerberlösungen auf vielfältige Weise:

  • Neural Network Modeler (im Detail oben beschrieben) wird derzeit von unseren Wettbewerbern nicht angeboten.
  • Experiment Assistant bietet einen experimentorientierten, verwalteten und containerbasierten Trainingsfluss, der die einfache Überwachung paralleler Trainingsläufe ermöglicht, die mit den gängigen Deep-Learning-Frameworks erstellt wurden.

Wie sehen die Preistarife für dieses Feature aus?

Weitere Informationen hierzu finden Sie auf der Seite mit der Preisgestaltung für IBM Watson Machine Learning.