2023年までに、AIワークロードの70%がアプリケーション・コンテナを使用するか、DevOpsを必要とするサーバーレス・プログラミング・モデルを使用して構築されるようになります。
ModelOpsは、アプリケーションでモデルを運用するための原則に基づいたアプローチです。ModelOpsは、アプリケーションとモデルのパイプライン間の頻度を同期します。マルチクラウドModelOpsを使用すると、エッジからコア、さらにはクラウドに至るデータ、モデル、リソースを使用して、データ・サイエンスとAIへの投資を最適化できます。
マルチクラウドModelOpsは、クラウド全体でのモデルとアプリケーションの使用を最適化するためのエンドツーエンドのライフサイクルをカバーし、機械学習モデルや最適化モデル、継続的インテグレーションおよび継続的デプロイメント(CICD)を統合するその他の運用モデルを対象としています。IBM Cloud Pak® for Dataは、IBM Watson® Studioを最適なプラットフォームとして使用し、マルチクラウド環境でModelOpsを実行する方法を確立します。
責任ある AI を大規模に構築する方法
watsonx.ai リリースのご案内- 従来の機械学習と、基盤モデルによる新しい生成AI機能を統合した、まったく新しいエンタープライズ・スタジオ
エンドツーエンドのAIモデル開発を加速します。チームが能力を発揮できるようにし、そのスキルセットをアップデートすることで価値実現までの時間を短縮します。
プラットフォーム・アプローチでAIを活用します。自動化、予測、最適化などの戦略的イネーブラーを最大限に使うことができます。
わずか数分でクラウドネイティブ・アプリケーションでも最高水準のパフォーマンスを誇るモデルを選択できます。使用履歴を追跡しながら、モデルの使用状況を管理します。
データ、人材、ツールを統合します。ビジュアル・データ・サイエンスと自然言語インターフェースにより結果を予測し、最適化します。
データ準備の自動化、モデル選択、機能設計、ハイパーパラメーター最適化を行い、モデル・リーダーボードを生成します。
潜在的なモデルのバイアスを可視化・軽減して、それによる成果を説明する方法を学習することで、機械学習モデルを監視します。
バイアスを排除したモデルのエンドポイントを生成し、説明可能性を示します。モデル・ドリフトにつながるデータの不一致を検出します。
データをモデルに投入する前に前処理を行い、エラー処理を実行して、複数のモデルへの呼び出しを組み込みます。
事実上どこにでもモデルをデプロイし、プッシュできます。x86、IBM® Cloud Pak for Data System、IBM® Power システムを使用して独自のAI対応クラウドを構築します。
データの準備、モデルの構築、結果の測定を行います。フィードバック・ループでモデルを継続的に改善します。
63%の企業がDevOpsを採用し、そのうち33%がAIを活用したアプリケーションにデータ・サイエンス・チームを関与させている理由をご覧ください。
マルチクラウド環境でのModelOps構築する方法について、既にAIを導入している企業からの洞察と実用的なヒントをご覧ください。
データとAIの統合型プラットフォーム上でモデルを構築、実行、管理します。モデルを継続的に改善し、アプリケーションで使用できるようにします。