Lire The Forrester Wave: Multimodal Predictive Analytics and Machine Learning, T3 2020

Pourquoi le deep learning sur une plateforme de données et d'IA ?

Grâce aux avancées en matière d'accès au calcul, aux algorithmes et aux données, les entreprises adoptent plus massivement le deep learning pour extraire et mettre à l'échelle des éclairages via la reconnaissance vocale, le traitement automatique du langage naturel et la classification des images.Le deep learning peut interpréter du texte, des images, de l'audio et de la vidéo à grande échelle, afin de générer des schémas pour les moteurs de recommandations, l'analyse du ressenti, la modélisation des risques financiers et la détection des anomalies. 
Le traitement des réseaux neuronaux a requis une puissance de calcul élevée, en raison du nombre de couches et des volumes de données nécessaires pour les former. En outre, les entreprises peinent à obtenir des résultats d'expériences de deep learning implémentées en silos. IBM Watson ® Machine Learning Accelerator, une fonction de deep learning d'IBM Watson Studio sur IBM Cloud Pak® for Data, aide une entreprise à :

-   Adapter le calcul, les personnes et les applications de manière dynamique sur tout cloud.
-   Gérer et unifier les grands ensembles de données et modèles avec transparence et visibilité.
-   Adapter les modèles en continu avec des données en temps réel de la périphérie aux clouds hybrides.
-   Optimiser les investissements en cloud et en IA avec une formation et une inférence plus rapides.

→ Consulter l'infographie (PDF, 574 ko)

Avantages

Accélérez les résultats du deep learning

Construisez plus rapidement vos modèles, du prototype initial au modèle adapté à toute l'entreprise. Accélérez le délai de formation et déployez les charges de travail de deep learning avec une grande précision.

Adaptez les éclairages et prévisions IA

Exploitez une architecture de l'information avec des données intégrées et des services d'IA. Elaborez des modèles de deep learning pour les applications dans une base de cloud hybride conteneurisée.

Simplifiez les investissements en IA et cloud

Unifiez les données et le déploiement de modèles n'importe où. Partagez et optimisez les allocations GPU et CPU adaptées aux exigences des charges de travail.

Développez l'utilisation et augmentez la précision des modèles

Accélérez le traitement d'images importantes à haute résolution. Améliorez le débit, la latence et la disponibilité avec l'évolutivité automatique.

Boostez l'utilisation et la résilience du système

Encouragez l'utilisation entre unités commerciales et entreprises avec le service partagé. Maximisez l'utilisation des ressources GPU avec une formation et une inférence élastiques, réparties.

Gouvernez et sécurisez les charges de travail IA critiques

Augmentez la transparence et la visibilité, de la préparation des données au déploiement du modèle. Vous pouvez également réduire les risques liés à la conformité, à la législation, à la sécurité et à la réputation.

Cas d'utilisation

  • Classification des images pour le diagnostic de maladies, la sécurité publique et les médias sociaux
  • Reconnaissance vocale pour la gestion des centres d'appels, les applications mobiles et les transcriptions automatisées
  • Reconnaissance optique de caractères (OCR) pour détection des anomalies et des fraudes, la validation automatisée des documents et la cybersécurité
  • Modélisation du risque financier pour la conformité réglementaire, l'évaluation du crédit et la gestion de portefeuille
  • Traitement automatique du langage naturel pour l'analyse du ressenti, du ton et la surveillance de la marque
  • Moteur de recommandation pour les prévisions comportementales, les offres personnalisées et les meilleures actions
  • Analyse vidéo pour la sécurité publique, la prévention des vols, la sécurité des employés et la gestion des stocks

Appuyez-vous sur l'apprentissage automatique et l'intelligence artificielle pour analyser vos données

Principales fonctionnalités

  • Prototypage et déploiement rapides
  • Architecture de l'information de bout en bout
  • Gestion des infrastructures conteneurisées
  • Support des modèles importants haute résolution
  • Déploiement à service partagé
  • Formation et inférence élastiques, distribuées
  • Evolutivité automatique, recherche automatique et équilibrage de charge
  • Gestion du cycle de vie de l'IA
  • IA explicable avec surveillance de modèle