Grâce aux progrès réalisés en matière de calcul, d’algorithmes et d’accès aux données, les entreprises adoptent de plus en plus l’apprentissage en profondeur pour extraire des informations et étendre leurs connaissances grâce à la reconnaissance vocale, au traitement automatique du langage naturel et à la classification des images. L’apprentissage en profondeur peut interpréter le texte, les images, l’audio et la vidéo à grande échelle, générer des modèles pour les moteurs de recommandation, l’analyse des sentiments, la modélisation des risques financiers et la détection des anomalies.
Le traitement des réseaux neuronaux nécessite une puissance de calcul élevée en raison du nombre de couches et des volumes de données nécessaires à l’entraînement des réseaux. En outre, les entreprises ont du mal à montrer les résultats des expériences d’apprentissage en profondeur mises en œuvre en silos. IBM Machine Learning Accelerator, une fonctionnalité d’apprentissage en profondeur d’IBM Watson Studio sur IBM Cloud Pak for Data, aide les entreprises à :
- faire évoluer le calcul, les personnes et les applications de manière dynamique sur n’importe quel cloud ;
- gérer et unifier des jeux de données volumineux et des 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 dans le cloud et l’IA grâce à un entraînement et à une inférence plus rapides.
Construisez vos modèles, du prototype initial à l’échelle de l’entreprise, plus rapidement. Accélérez l’entraînement et le déploiement de workloads d’apprentissage en profondeur avec une grande précision.
Exploitez une architecture d’informations avec des services de données et d’IA intégrés. Appliquez des modèles d’apprentissage en profondeur aux applications dans un socle de cloud hybride conteneurisé.
Unifiez le déploiement des données et des modèles où que vous soyez. Partagez et optimisez les allocations de GPU et CPU en fonction des workloads.
Accélérez le traitement des images volumineuses et haute résolution. Améliorez le débit, la latence et la disponibilité grâce à la mise à l’échelle automatique.
Favorisez l’utilisation entre les départements commerciaux et en entreprise grâce à la multilocation. Optimisez l’utilisation des ressources de GPU grâce à un entraînement et à une inférence flexibles et distribués.
Améliorez la transparence et la visibilité, de la préparation des données au déploiement des modèles. Vous pouvez également réduire les risques liés à la conformité, au droit, à la sécurité et à la réputation.
Démarrez des projets de science des données où que vous soyez grâce à un pool de ressources de calcul partagé. Réduisez les temps d’entraînement et produisez des modèles de meilleure qualité. Services d’entraînement et d’inférence évolutifs de niveau entreprise avec prise en charge des API pour le déploiement par lots, en continu et interactif.
Déployez l’apprentissage en profondeur dans le cadre des services de données et d’IA avec la prise en charge des frameworks populaires. Regroupez les outils open source et tiers dans un environnement unifié et gouverné.
Exécutez des modèles de machine learning et d’apprentissage en profondeur nativement dans Red Hat OpenShift. Déployez des modèles conteneurisés à l’intérieur d’un pare-feu tout en conservant les données sur site et en maintenant la portabilité du cloud.
Augmentez la quantité de mémoire disponible pour les modèles d’apprentissage en profondeur au-delà de l’empreinte de GPU. Implémentez des modèles plus complexes avec des images plus volumineuses et à plus haute résolution.
Allouez et partagez des puissances de calcul adaptées aux demandes des modèles dans une architecture multilocation. Partagez en toute sécurité vos ressources de calcul entre les locataires pour optimiser leur utilisation.
Activez la mise à l’échelle dynamique des ressources, à la hausse ou à la baisse, en fonction de politiques afin de garantir l’exécution rapide des tâches prioritaires. Créez une visualisation de l’entraînement en temps réel et une surveillance des modèles d’exécution. Automatisez la recherche et l’optimisation des hyperparamètres pour un développement plus rapide.
Préparez, créez, exécutez et gérez les modèles de machine learning et d’apprentissage en profondeur. Exécutez le cycle d’entraînement avec davantage de données pour améliorer le modèle en permanence.
Augmentez la fiabilité et la résilience du déploiement des modèles grâce à des modèles de machine learning et d’apprentissage en profondeur précompilés et validés. Accélérez les performances grâce à des logiciels optimisés pour l’exécution sur les systèmes cibles.
Gérez et surveillez les modèles d’apprentissage en profondeur, qu’il s’agisse d’un petit déploiement ou d’un déploiement à l’échelle de l’entreprise. Contrôlez l’équité et l’explicabilité des modèles tout en atténuant la dérive et les risques des modèles.
Découvrez un aperçu de Machine Learning Accelerator.
Découvrez les avantages du déploiement de modèles sur une plateforme de données et d’IA.
Créez et exécutez des workloads de science des données dans IBM Cloud Pak for Data, une plateforme de données multicloud et d’IA.
Obtenez un aperçu technique de Machine Learning Accelerator.