L'introduzione del servizio di Deep Learning significa che questa è la prima volta in assoluto che IBM dispone di un'offerta di deep learning (o ha deciso di utilizzare il deep learning nei suoi servizi Watson)?

Abbiamo offerto una versione on-premise di Deep Learning per un bel po' di tempo,  ma questa è la prima volta che IBM offre un servizio di deep learning su cloud. Inoltre IBM continua a fornire servizi basati sul deep learning agli sviluppatori di applicazioni con Watson Developer Cloud.

Perché questo servizio di deep learning viene offerto in Watson Machine Learning Service invece che come servizio autonomo?

Il deep learning rappresenta una serie secondaria di machine learning, quindi ha più senso per il Deep Learning essere un servizio all'interno di Watson Machine Learning. Inoltre, gli utenti del servizio di deep learning ottengono il potente supporto di Watson Machine Learning oltre alla facile integrazione di altri servizi contenuti nel pacchetto Watson Studio.

Qual è la relazione tra Watson Studio e il servizio di deep learning?

IBM offre il servizio di deep learning tramite IBM Watson Machine Learning, che è integrato in IBM Watson Studio.

Come funziona il Neural Network Modeler con il servizio IBM Watson Machine Learning?

Il Neural Network Modeler lavora all'interno del servizio di deep learning. I data scientist, gli sviluppatori e gli utenti di business possono progettare i loro modelli neurali attraverso un processo di trascinamento e rilascio senza codice. Neural Network Modeler genera il codice da uno dei framework preferiti dell'utente, come TensorFlow, Keras, PyTorch o Caffe.

IBM è la prima/unica organizzazione ad offrire una funzionalità di Neural Network Modeler?

No, ma IBM offre la modellazione di rete nell'ambito di una piattaforma di machine learning completa. I modelli progettati utilizzando Neural Network Modeler possono essere creati utilizzando il servizio di deep learning incentrato sugli esperimenti di IBM, per poi distribuirli come endpoint REST. Neural Network Modeler supporta numerosi framework open source e permette all'utente di scegliere quello con cui preferisce lavorare.

Come è stata coinvolta IBM Research in questo processo?

Le funzionalità principali del nuovo servizio di deep learning hanno origine da vari progetti all'interno di IBM Research. In particolare, le seguenti funzionalità sono state implementate direttamente da IBM Research:

  • I micro-servizi che sostengono il servizio di deep learning gestiscono la formazione distribuita dei modelli in parallelo attraverso un cluster di GPU supportando nel contempo più framework open source come Tensorflow, Caffe, Keras e PyTorch.
  • Neural Network Modeler consente la progettazione rapida di reti complesse senza codice. Il nome in codice di ricerca per questo progetto è Darviz.
  • L'HPO (Hyperparameter optimization) consente al servizio di deep learning di ottimizzare i parametri delle reti neurali automaticamente. Con questa tecnologia siamo in grado di automatizzare le iterazioni degli iperparametri per trovare la migliore rete neurale per ogni caso d'uso.
  • Distributed deep learning con Horovod di Uber e DDL (Distributed Deep Learning).
  • La UX grafica più la tracciabilità delle prestazioni del modello danno potere all'Experiment Assistant originato con IBM Research, con il nome in codice di Project Runway.

Ulteriori informazioni 

Watson Studio è disponibile solo su Cloud?

Sì.

La versione on-premise di Data Science Experience offre le stesse funzionalità di Watson Studio?

No, ma per saperne di più, visita Data Science Experience Local.

Il servizio di deep learning è disponibile solo su Cloud?

Sì, è disponibile come deep learning as a service all'interno del servizio IBM Watson Machine Learning.

In che modo la funzione di deep learning di IBM differisce da quella che viene offerta dalla concorrenza?

L'offerta di deep learning di IBM differisce dalla concorrenza in diversi aspetti:

  • Neural Network Modeler (descritto più dettagliatamente in precedenza) non viene attualmente offerto dalla concorrenza.
  • Experiment Assistant offre un flusso di formazione gestito incentrato sugli esperimenti basato su contenitori che supporta il monitoraggio semplice delle sessioni di formazione in parallelo create utilizzando i framework di deep learning più diffusi.

Cosa prevede il piano di determinazione del prezzo per questa funzione?