IBM Watson Machine Learning Accelerator: Detalles

Inicie proyectos de ciencia de datos en cualquier lugar con una agrupación de recursos de cálculo compartida. Reduzca los tiempos de entrenamiento y genere modelos de mayor calidad. Servicios de entrenamiento e inferencia de clase empresarial y escalables, con soporte de API para el despliegue interactivo, en modalidad continua y por lotes.

Despliegue deep learning como parte de los servicios de datos e IA con soporte para las infraestructuras más populares. Agregue código abierto y herramientas de terceros en un entorno unificado y gobernado.

Ejecute modelos de machine learning y deep learning de forma nativa en Red Hat® OpenShift®. Despliegue modelos contenerizados dentro de un cortafuegos guardando los datos en local y manteniendo la portabilidad del cloud.

Aumente la cantidad de memoria disponible para los modelos de deep learning más allá del espacio de la GPU. Implemente modelos más complejos con imágenes de mayor tamaño y resolución.

Asigne y comparta potencia computuacional ajustada a las demandas de los modelos en una arquitectura de multitenencia. Comparta de forma segura los recursos de cálculo entre los arrendatarios para maximizar el uso.

Habilite el escalado dinámico de recursos, hacia arriba o hacia abajo, en función de las políticas para garantizar que los trabajos de mayor prioridad se ejecuten rápidamente. Genere una visualización del entrenamiento en tiempo real y la supervisión de modelos de tiempo de ejecución. Automatice la búsqueda y la optimización de hiperparámetros para agilizar el desarrollo.

Prepare, cree, ejecute y gestione los modelos de machine learning y deep learning. Ejecute en todo el ciclo de entrenamiento con más datos para mejorar el modelo de forma continua.

Aumente la fiabilidad y la resiliencia para el despliegue de modelos con modelos de machine learning y deep learning precompilados y validados. Acelere el rendimiento con el software optimizado para ejecutarse en sistemas de destino.

Gestione y supervise los modelos de deep learning desde un despliegue pequeño a uno de toda la empresa. Supervise la equidad y la explicabilidad de los modelos, además de mitigar la desviación y el riesgo de los modelos.