IBM® Machine Learning for z/OS(MLz)は、IBM® Z上で稼働するエンタープライズ機械学習ソリューションです。 Webユーザー・インターフェース(UI)、各種API、Web管理ダッシュボードを提供し、モデルの開発とデプロイ、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。
機械学習とディープラーニングのモデルをz/OSアプリケーションに組み込み、リアルタイムのビジネス・インサイトを大規模に提供します。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 MLzのすべてのエディションは、スタンドアロン・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。
AI推論を視覚化した説明に、MLzでネイティブにアクセスできます
MLz Core
MLz Enterprise
IBM z16™とTelum™ AIUのパワーを最大限に活用します。 毎秒最大22万8000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は、ディープラーニング・モデルを使用したトランザクション内の不正アクセス検知推論オペレーションで実行されます。
推論リクエストとアプリケーションを併置して、ネットワーク待機時間による遅延を最小限に抑えます。これにより、平均ネットワーク遅延が、60ミリ秒のx86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
説明可能性などの信頼できるAI機能を活用し、モデルのドリフト、公平性またはバイアス検知、堅牢性をリアルタイムで監視して、ミッションクリティカルなワークロードのためにAIモデルをz/OS上で自信を持って開発およびデプロイできます。
バージョン3.1へのアップデートにより、WMLzは、Enterprise EditionとCore Editionという2つの新しい製品を導入することで、クライアントとソリューション・プロバイダーにより多くの柔軟性を提供しています。
スコアリング性能の向上、新しいバージョンのSparkおよびPython機械学習ランタイム、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。
GUI コンフィギュレーション
UI(モデルの管理とデプロイメント、管理ダッシュボード用)
リポジトリー・データベース(組み込みおよびDb2 for z/OS)
AIモデル学習ツール(Jupyterの統合Notebook)
Spark ML ランタイム
Python ML ランタイム
SparkMLおよびPMMLスコアリング・ランタイム
PythonおよびONNXスコアリング・ランタイム
推論サービス – RESTfulインターフェース
推論サービス–ネイティブ・インターフェース
統合されたトランザクション内スコアリング(CICS および IMS アプリ)
* 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。
Machine Learning for z/OSは、IBM独自のテクノロジーとオープンソースのテクノロジーの両方を使用しており、前提条件となるハードウェアとソフトウェアが必要です。
メインフレームの長所とクラウドのイノベーションを活用します。
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。
セキュリティーが充実した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 がどのように使いやすさを向上させ、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について説明します。
1免責事項:パフォーマンスの結果は、IBM z16で推論オペレーションを伴う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たものです。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回の推論操作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。結果は、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。結果は異なる場合があります。
2免責事項:パフォーマンスの結果は、IBM z16上で実行されるトランザクション内不正アクセス検知を伴うIBM内部CICS OLTPクレジット・カード・ワークロードに基づいています。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回の推論操作で有効になりました。結果は異なる場合があります。