Machine Learning for IBM z/OS（MLz）は、 IBM z/OS上でネイティブに動作するトランザクション向けのAIプラットフォームです。Webユーザー・インターフェース（UI）、各種API、ウェブ管理ダッシュボードを提供し、モデル開発とデプロイメント、ユーザー管理、システム管理のための強力で使いやすいツール群を備えています。
モデルを簡単にインポート、デプロイ、監視して、すべてのトランザクションから価値を実現し、運用SLAを維持しながら企業の新しい成果を促進します。
柔軟性を高めるため、 Machine Learning for z/OSには次の2つのエディションが用意されています。
IBM Machine Learning for IBM z/OSの全エディションは、スタンドアロン型ソリューションとして実行することも、スケーラブルなプラットフォームとしてエンタープライズAI機能に組み込むこともできます。
Webセミナーセッションに参加して、最先端の機能と実際のアプリケーションをご覧ください。
IBM® z16とTelum AIUの比類ないパワーをMachine Learning for z/OSソフトウェア・ソリューションと併用することで、トランザクションAI機能を実現します。毎秒あたり最大22万8,000件のz/OS CICS®クレジット・カード・トランザクションを、6ミリ秒の応答時間で処理します1。それぞれのトランザクションでは、ディープラーニング・モデルを利用した内蔵オペレーションで不正アクセスの検知推論を行います。
推論リクエストとアプリケーションを併置して、ネットワークの待ち時間による遅延を最小限に抑えます。これにより、ネットワーク遅延が平均60ミリ秒でx86のクラウド・サーバーに同じ推論リクエストを送信する場合と比較して、応答時間が最大20倍短縮され、スループットが最大19倍向上します。2
説明可能性のような信頼できるAI機能を使用し、ドリフトのためにリアルタイムでモデルを監視することで、ミッションクリティカルなトランザクションとワークロードのために、z/OS上でトランザクションAIモデルを開発し、自信を持ってデプロイすることができます。
改善されたスコアリング性能、新バージョンのSpark、Python機械学習ランタイムが備わり、GUIガイド付き構成ツールなどを提供する強化版。
IBM Z 上でのオンライン・スコアリング機能を含む、機械学習操作に不可欠なREST-APIベースのサービスを提供するWMLzの軽量版。
構成エクスペリエンス
ガイド付きUI
スクリプト、z/OSMFワークフロー
リポジトリデータベース
Db2 for IBM z/OS、組み込み（Derby for z/OS）
Db2 for IBM z/OS、組み込み （Derby for z/OS）
スコアリングエンジン
Spark、Python、PMML、IBM Snap ML、Watson Core Time Series
Spark、PMML、IBM Snap ML、Watson® Core Time Series
推論インターフェース
CICSおよびIMSのネイティブ・インターフェース、RESTfulインターフェースによるトランザクション内スコアリング
RESTfulインターフェース
モデルのライフサイクル管理
ガイド付きUI、RESTfulサービス
RESTfulサービス
対応しているAIモデルの形式
Spark、Python、PMML、ONNX
スパーク、PMML
z16オンチップAIの加速
ONNXとIBM Snap MLモデル
IBM Snap MLモデル
AIモデル学習ツール
統合JupyterHUB
信頼できるAI
説明可能性とドリフトの検知
* 表示されている価格は参考値であり、国によって異なる場合があり、適用される税金や関税は含まれておらず、地域で提供される製品の在庫状況によって異なります。
ディープラーニング・モデルのトランザクション内スコアリングを可能にするIBM Machine Learning for z/OSを体験するために、コストのかからない軽量版オプションをお試しください。この機能は、不正アクセス検知、顧客チャーン、ローン承認、業務パフォーマンスなどの重要なビジネス分野で、大きなAI価値を提供できます。IBM Z上のトランザクション・アプリケーションにディープラーニング・モデルを組み込んでください。ミリ秒が重要となる場合はなおさらです。
Machine Learning for z/OSは、IBMの独自技術やオープンソーステクノロジーの両方を使用し、事前にハードウェアおよびソフトウェアが必要となります。
運用上の問題を特定し、ログとメトリック・データの両方の異常を検出することでコストのかかるインシデントを回避します。
今日のAIおよびMLワークロードをサポートする、関連するオープンソース・ソフトウェアのライブラリーにアクセスできます。
セキュリティーの豊かでスケーラブルなオペレーティング・システムを活用して、ミッションクリティカルなアプリケーションを実行します。
可用性、セキュリティー、レジリエンスを強化しながら、パフォーマンスとビジネス成果を向上させます。
IBM Zの制御とセキュリティーの下で高速データ分析を実行して、リアルタイムのインサイトを取得します。
AIがどのように有用性と運用パフォーマンスを向上させ、IBM Db2システムの正常性を維持するかを説明します。
<a id=" "> 1 免責事項：性能の成果は、IBM z16 で推論オペレーションを使用してCICSクレジット・カード・トランザクション・ワークロードを実行する IBM 内部テストから推定されます。6個のCPと256 GBのメモリーで構成されたz/OS V2R4 LPARが使用されました。推論は、Websphere Application Server Liberty 21.0.0.12上で動作するMachine Learning for z/OS 2.4で、偽装クレジット・カード不正アクセス検知モデル（https://github.com/IBM/ai-on-z-fraud-detection）とIntegrated Accelerator for AIを使用して行われました。Machine Learning for z/OSでは、サーバー側のバッチ処理が8回の推論オペレーションで有効になりました。ベンチマークは、推論オペレーションを実行する48個のスレッドで行われました。成果は、200のCPと40 TBのストレージを備えたフル構成のIBM z16を表しています。成果は異なる場合があります。
<a id=" "> 2 免責事項：性能の成果は、IBM z16上で実行されるIBM内部のCICS OLTPクレジット・カード・ワークロードとトランザクション内の不正アクセス検知を伴うフレームワークに基づいています。測定は、Integrated Accelerator for AIを使用した場合と使用しなかった場合で行われました。12個のCP、24個のzIIP、および256 GBのメモリーで構成された z/OS V2R4 LPARが使用されました。推論は、WebSphere Application Server Liberty 21.0.0.12上で動作するMachine Learning for z/OS 2.4で、偽装クレジット・カード不正アクセス検知モデル（https://github.com/IBM/ai-on-z-fraud-detection）を使用して行われました。Machine Learning for z/OSでは、サーバー側のバッチ処理が8回の推論オペレーションで有効になりました。成果は異なる場合があります。