Aprenda a integrar IA en IBM Db2® for z/OS para mejorar la productividad operativa

Detalles de IBM Watson® Machine Learning for z/OS®

Desarrollo de modelos flexibles

Dé flexibilidad a los equipos de ciencia de datos para crear, entrenar y evaluar modelos utilizando el entorno de desarrollo integrado (IDE) que prefieran. O bien, utilice las amplias características de creación de modelos de IBM Watson® Machine Learning for z/OS, basadas en software de código abierto de clase empresarial.

Mayor productividad

Optimice la productividad de los científicos de datos a través de las amplias características de creación de modelos de IBM Watson Machine Learning for z/OS. Este producto ofrece varios modos de creación de modelos, que incluyen cuadernos, compiladores visuales, asistentes y una inteligencia mejorada aplicada a las actividades de los científicos de datos. Normalice automáticamente, gestione los valores omitidos y genere características de datos para lograr que hasta los científicos de datos noveles se conviertan en expertos.

Despliegue de modelos de IA preparados para la empresa

Operacionalice modelos predictivos dentro de aplicaciones de transacciones, sin una sobrecarga significativa, y facilite información de valor en tiempo real en el punto de interacción. Este producto ofrece varios enfoques de puntuación, incluidas las API RESTful y la integración de Java y CICS, optimizadas para garantizar los más elevados niveles de seguridad y rendimiento en IBM Z®.

Precisión de modelos mejorada

Permita a los ingenieros y los científicos de datos programar reevaluaciones continuas de nuevos datos para supervisar la precisión de los modelos a lo largo del tiempo y recibir alertas cuando el rendimiento disminuya. Renueve automáticamente los modelos para mantener la precisión de los modelos con confianza.

Machine learning preparado para producción

Proporcione funciones básicas de control de versiones de modelos, auditoría y supervisión, así como alta disponibilidad, alto rendimiento, baja latencia y automatización de modelos de machine learning (machine learning como servicio).

Plantillas de la solución de inicio rápido

Ofrezca plantillas fundamentales básicas para requisitos de negocio comunes con los cuales impulsar sus esfuerzos de machine learning. Las plantillas de la solución muestran cómo se puede ejecutar machine learning junto con la infraestructura de aplicaciones para añadir valor a áreas de negocio clave, incluida la detección de fraudes, la aprobación de préstamos y la analítica operativa de TI.

Detalles técnicos

Especificaciones técnicas

Novedades

  • Mejora significativamente el rendimiento del servicio de puntuación en línea para varios tipos de modelos de machine learning, especialmente para modelos de deep learning en un formato ONNX (Open Neural Network Exchange)
  • Mejor integración con IBM Cloud Pak for Data
  • Simplificación mejorada para la instalación y la configuración
  • Nuevo planificador de instalación que proporciona orientación para la preparación de la instalación basándose en casos de uso
  • IBM WMLz 2.3 Online Scoring Community Edition. Esta versión ligera del servicio de puntuación WMLz proporciona una opción gratuita que permite a las organizaciones descargar y probar fácilmente el método de puntuación WMLz en la transacción

Requisitos de software

  • z/OS 2.4, 2.3 y Db2 11 for z/OS o posterior
  • z/OS ICSF y z/OS OpenSSH
  • IBM 64-bit SDK for z/OS Java™ v8 SR6
  • Watson Machine Learning for z/OS IDE para Linux on Z o Linux on x86
  • Red Hat OpenShift Container Platform 4.6

Requisitos de hardware

  • Sistema IBM z15™, z14, IBM z13® o IBM zEnterprise® EC12 (1 GCP, 4 zIIP, 100 GB de memoria, 100 GB de espacio de disco)
  • Watson Machine Learning for z/OS IDE on Linux on Z o Linux on x86
  • 3 nodos maestros (4 vCPU, 16 GB de memoria, 200 GB de almacenamiento en el sistema de archivos raíz, 300 GB para el registro de imágenes en un nodo maestro, capacidad de red de 10 Gbps)
  • 3 nodos de trabajo (10 vCPU, 64 GB de memoria, 200 GB de almacenamiento en el sistema de archivos raíz, 10 gbps de capacidad de red)
  • Total (6 servidores, 42 vCPU, 240 GB de memoria, 1,5 TB de almacenamiento)

Next Steps

Descubra cómo funciona