Leggi la pubblicazione Forrester Wave: Multimodal Predictive Analytics and Machine Learning, Q3 2020

Perché il deep learning su una piattaforma di dati e AI?

Con i progressi nell'accesso ai dati, algoritmi e calcoli, le aziende stanno adottando in modo più ampio il deep learning per estrarre e ridimensionare gli insight attraverso il riconoscimento vocale, l'elaborazione del linguaggio naturale e la classificazione delle immagini. Il deep learning è in grado di interpretare testo, immagini, contenuto audio e video su larga scala, generando schemi per motori per le raccomandazioni, analisi delle opinioni, creazione di modelli di rischio finanziario e rilevamento di anomalie.  
È stata necessaria un'elevata potenza di elaborazione per elaborare reti neurali, a causa del numero di livelli e dei volumi di dati richiesti per addestrare le reti. Inoltre, le aziende hanno difficoltà a mostrare risultati di esperimenti di deep learning implementati in silos. IBM Watson® Machine Learning Accelerator, una funzionalità di deep learning inclusa in IBM Watson Studio on IBM Cloud Pak® for Data, aiuta un'azienda a:

-    Ridimensionare calcolo, persone e app dinamicamente su qualsiasi cloud.
-    Gestire e unificare data set e modelli di grandi dimensioni con trasparenza e visibilità.
-    Adattare modelli in modo continuo con dati in tempo reale, dal perimetro ai cloud ibridi.
-    Ottimizzare gli investimenti in cloud e AI con maggiore rapidità di addestramento e inferenza

→ Dai uno sguardo all'infografica (PDF, 574 KB)

Vantaggi

Accelerare il tempo per ottenere risultati di deep learning

Creare modelli, dal prototipo iniziale alla distribuzione in tutta l'azienda, più velocemente. Accelerare il tempo necessario all'addestramento e alla distribuzione di carichi di lavoro di deep learning, con estrema precisione.

Ridimensionare insight e previsioni basati sull'AI

Utilizzare un'architettura delle informazioni con servizi integrati di dati e AI. Inserire i modelli di deep learning per app in una base di cloud ibrido in contenitori.

Semplifica gli investimenti nell'AI e nel cloud

Unisci la distribuzione di dati e modelli, da qualsiasi ubicazione Condividi e ottimizza le allocazioni di GPU e CPU sintonizzate sulle esigenze del carico di lavoro.

Espandi l'utilizzo e aumenta la precisione dei modelli

Accelera l'elaborazione di immagini ad alta risoluzione e di grandi dimensioni. Migliora la velocità di trasmissione, la latenza e la disponibilità con il ridimensionamento automatico.

Aumenta notevolmente l'utilizzo e la resilienza del sistema

Promuovi l'utilizzo tra business unit e in tutta l'azienda grazie al principio della multitenancy. Aumenta al massimo l'utilizzo delle risorse GPU con addestramento e inferenza distribuiti ed elastici.

Regolamenta e proteggi i carichi di lavoro AI mission critical

Aumenta la trasparenza e la visibilità dalla preparazione dei dati alla distribuzione dei modelli. È anche possibile ridurre i rischi di conformità, legali, di sicurezza e di immagine.

Casi di utilizzo

  • Classificazione delle immagini per la diagnostica delle malattie, la sicurezza pubblica e i social media
  • Riconoscimento speech-to-text per la gestione di call center, per app per dispositivi mobili e per trascrizioni automatizzate
  • OCR (Optical character recognition-Riconoscimento ottico dei caratteri) per il rilevamento di anomalie e frodi, la convalida automatica dei documenti e la sicurezza informatica
  • Creazione di modelli di rischio finanziario per la conformità alle normativa, la valutazione del credito e la gestione del portafoglio
  • Elaborazione del linguaggio naturale per l'analisi delle opinioni e dei toni e il monitoraggio del brand
  • Motore per le raccomandazioni per previsioni comportamentali, offerte personalizzate e prossime azioni migliori
  • Analisi di video per la sicurezza pubblica, la prevenzione dei furti, la sicurezza dei lavoratori e la gestione dell'inventario

Fai leva sull'apprendimento automatico e l'AI per analizzare i tuoi dati

Funzioni principali

  • Rapida creazione di prototipi e distribuzione
  • Architettura delle informazioni end-to-end
  • Gestione dell'infrastruttura con contenitori
  • Supporto di modelli di grandi dimensioni e ad alta risoluzione
  • Distribuzione multitenant
  • Addestramento e inferenza distribuiti ed elastici
  • Ridimensionamento automatico, ricerca automatica e bilanciamento del carico
  • Gestione del ciclo di vita dell'AI
  • AI spiegabile con monitoraggio del modello