IBMがリーダーに
Gartner社が、データサイエンスと機械学習プラットフォーム分野の2021年マジック・クアドラントを発表しました。
AIモデルを実動環境に導入
あらゆるクラウドへのAIの拡大
IBM Watson® Studioは、データサイエンティスト、開発者、アナリストが、IBM Cloud Pak® for Data上のどこでもAIモデルを構築、実行、管理し、意思決定を最適化できるようにします。オープンなアーキテクチャーで、チームの結束、AIのライフサイクルの自動化、価値実現までの時間短縮を可能にします。PyTorch、TensorFlow、scikit-learnなどのオープンソース・フレームワークを、IBMやそのエコシステムが提供する、コード・ベースおよびビジュアルなデータサイエンス用のツールとともに活用できるようにします。 Jupyterノートブック、JupyterLab、CLIなどのツールや、Python、R、Scalaなどの言語を使用できます。
ユースケース
意思決定の最適化

モデルの視覚的な開発

モデルの視覚的な開発
使いやすいIBM® SPSSから着想を得たワークフローにより、データとAIの統合プラットフォーム上で、ビジュアル・データサイエンスをオープンソース・ライブラリーやノートブック・ベースのインターフェースと組み合わせることができます。
Watson NLPへのアクセス

Watson NLPへのアクセス
Watson Natural Language Processing Premium Environmentを使用して、Watson Studioのユーザーは、20以上の言語で利用可能な、事前トレーニングされた高品質のテスト分析モデルにすぐにアクセスできます。 これらのモデルは、IBM ResearchやIBMソフトウェアの専門家が言語別に作成、保守、品質評価を行っています。
AutoAIを使用したAI開発の迅速化

AutoAIを使用したAI開発の迅速化
AutoAIを使用すると、初心者は素早く作業を開始でき、経験豊富なデータサイエンティストはAI開発の実験を加速できます。 AutoAIは、データの準備、モデル開発、フィーチャー・エンジニアリング、ハイパーパラメーターの最適化を自動化します。
統合学習

統合学習
統合学習は、データを移動または共有することなく、異なるソースからのデータ・ソースのセットでモデルをトレーニングできます。 フェデレーション(統合)に参加する各当事者は、共通の機械学習モデルをトレーニングします。 その学習結果は、モデルの品質と精度を高め、ビジネスの洞察を深めるとともに、データの安全性とプライバシーの問題によるリスクを低減します。
柔軟性のあるオプション
データが存在する場所でモデルを作成
メリット
AIとクラウドの経済性を最適化
結果を予測して行動を指示
アプリケーションとAIの同期
ModelOps向けツールの統合と生産性の向上
公正で説明可能なAIを実現
リスクと規制コンプライアンスの管理
機能
IBM Watson Studioの詳細
AutoAIによる実験の迅速化
モデル・パイプラインを自動的に構築します。 データを準備し、モデル・タイプを選択します。 モデル・パイプラインを生成し、ランク付けをします。
高度なデータ加工(Data Refinery)
グラフィカル・フロー・エディターを使用してデータのクレンジングと形成を行います。 対話式テンプレートを適用して、操作、関数、論理演算子をコーディングします。
オープンソース・ノートブックのサポート
ノートブック・ファイルの作成、サンプル・ノートブックの使用、独自のノートブックの取り込みが可能です。 ノートブックをコーディングして実行します。
統合ビジュアル・ツール
Watson StudioでSPSS Modelerを使用して、データを迅速に準備し、モデルを視覚的に開発します。
モデルの開発とトレーニング
パイプラインを最適化し、適切なデータの組み合わせを特定することにより、実験的なモデルを迅速に作成し、トレーニングを強化します。
豊富なオープンソース・フレームワーク
選択したモデルを実働環境に導入します。 実働からのフィードバックを活用し、モデルの追跡と再トレーニングを行います。
組み込み意思決定の最適化
予測モデルと処方的モデルを結合します。 予測により意思決定を最適化します。 Python、OPL、または自然言語でモデルを作成および編集します。
モデルの管理と監視
品質、公平性、ドリフトの測定基準を監視します。 モデルの洞察の導入を選択および構成します。 モデルの監視と測定基準をカスタマイズします。
モデル・リスク管理
モデルを比較、評価します。 新しいデータを使用してモデルを評価、選択します。 モデルの主要な測定基準を並べて分析します。
製品イメージ
クラウド、オンプレミスのデータ・ソース

クラウド、オンプレミスのデータ・ソース
クラウド全体にわたる、ほぼ全てのデータ・ソースにアクセスして選択できます。
AIモデルのドラッグ・アンド・ドロップ

AIモデルのドラッグ・アンド・ドロップ
直感的なGUIベースのフローを使用して、視覚的にモデルを構築します。
AIモデルのトランザクションの説明

AIモデルのトランザクションの説明
新しい特徴量の値によってどのように異なる結果がもたらされるかを見極めます。
新着情報
使ってみる
AIと機械学習モデルを使用して、結果を予測し、最適化します。
脚注
¹,² New Technology: The Projected Total Economic Impact™ of Explainable AI and Model Monitoring in IBM Cloud Pak for Data、Forrester社、2020年8月