Prova il ModelOps multicloud su IBM Cloud Pak® for Data

Panoramica

Cos'è il ModelOps multicloud? Perché ora?

Entro il 2023, il 70% dei carichi di lavoro AI utilizzerà contenitori di applicazioni o sarà creato utilizzando un modello di programmazione senza server che richiede una cultura DevOps.*

ModelOps è un approccio basato su principi con lo scopo di rendere operativo un modello nelle app. Il ModelOps sincronizza le cadenze tra le pipeline dell'applicazione e del modello. Con il ModelOps multicloud, è possibile ottimizzare gli investimenti in data science e AI utilizzando dati, modelli e risorse dal perimetro al centro e al cloud.

Multicloud ModelOps copre i cicli di vita end-to-end per ottimizzare l'uso di modelli e applicazioni attraverso il cloud, mirando a modelli di machine learning , modelli di ottimizzazione e altri modelli operativi da integrare con Continuous Integration e Continuous Deployment (CICD). IBM Cloud Pak® for Data utilizza IBM Watson® Studio come piattaforma ideale per creare la tua esperienza ModelOps multicloud.

Funzioni di ModelOps

Cosa puoi fare con ModelOps?

Genera una classifica della pipeline dei modelli

Prepara automaticamente i dati, seleziona i modelli, esegui l'ingegneria delle funzioni e ottimizza gli iperparametri per generare una classifica della pipeline.

Monitora i modelli di machine learning

Monitora i modelli di machine learning visualizzando le possibili distorsioni del modello e imparando a mitigarli e a spiegare i risultati.

Esamina e rimuovi la distorsione dai modelli

Genera un endpoint dei modelli privo di distorsione e mostra la spiegabilità. Rileva le incongruenze nei dati che comportano la deviazione del modello.

Implementa le funzioni del modello con le app

Preprocessa i dati prima di passarli ai modelli, esegui la gestione degli errori e includi chiamate a modelli multipli.

Crea e implementa modelli su più cloud

Implementa ed esegui il push dei modelli virtualmente ovunque. Crea il tuo cloud pronto per l'AI usando x86, IBM Cloud Pak® for Data System e IBM Power® system.

Crea, esegui e gestisci i modelli su un'interfaccia unificata

Prepara i dati, crea modelli e misura i risultati. Perfeziona continuamente i modelli con un loop di feedback.

Cosa c'è di nuovo nel ModelOps multicloud?

Webinar: sincronizza il DevOps e l'AI

Scopri perché il 63% delle aziende ha adottato il DevOps e il 33% di loro coinvolge team di data science per le app basate sull'AI.

451 Research: AI e ModelOps con automazione

Ottieni insight e suggerimenti pratici dai pionieri dell'AI su come creare il ModelOps nell'ambiente multicloud.

Percorso di apprendimento degli sviluppatori: Machine Learning

Crea, esegui e gestisci i modelli su una piattaforma unificata di dati e AI. Perfeziona continuamente i modelli e utilizzali per le tue app.

Immagini del prodotto

Confronto di KPI

schermata che mostra la visualizzazione del confronto dei modelli, compresi i KPI, i costi di manutenzione e la produzione

Confronto di KPI

Confrontare i modelli con gli indicatori chiave di prestazioni.

Spiegazioni

schermata che mostra come è stata determinata una previsione e i fattori più importanti che influenzano la previsione

Spiegazioni

Esamina le spiegazioni dei risultati AI.

Classifica della pipeline

schermata che mostra la previsione di fallimento per un insieme di modelli e una classifica della pipeline

Classifica della pipeline

Prepara automaticamente i dati, ingegnerizza le funzioni, ottimizza i parametri e genera una classifica dei modelli.

Deviazione del modello

schermata che mostra la portata della variazione del modello per un modello di rischio di credito tedesco

Deviazione del modello

Rileva e correggi la deviazione dei modelli in produzione.

Multicloud rispetto al ModelOps tradizionale

ModelOps multicloud ModelOps tradizionali
Supporto multicloud
Ciclo di vita dell'AI automatizzato
Monitoraggio dei KPI aziendali
Spiegabilità e rimozione delle distorsioni
Direzione e misurazione della deviazione
Implementazione in un solo clic con CICD
Gestione del modello e feedback
Perfezionamento avanzato dei dati
Preparazione dei dati