DevOpsとModelOpsを同期化します。クラウドネイティブ・アプリケーションで、ほぼすべてのクラウド環境にAIモデルを構築・拡張できます。
マルチクラウドModelOpsの意味と、いま必要な理由
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、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、DevOpsの文化が必要となります。
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、クラウドにわたり、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、クラウド全体でモデルとアプリケーションの使用を最適化するために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など、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）を統合する運用モデルを対象としています。IBM® Cloud Pak for Dataは、IBM® Watson Studioを使用して、最適なAI製品のポートフォリオを活用し、マルチクラウド環境でModelOpsを実行する方法を確立します。
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、エンタープライズ・グレードの新しいAI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。
プラットフォームのアプローチで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。
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わずか数分で選択できます。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、特徴量エンジニアリング、ハイパーパラメーター最適化を行い、パイプライン・リーダーボードを生成します。
モデルの潜在的なバイアスを可視化し、その軽減方法や結果の説明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。
あらゆる場所に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ModelOpsを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。
