Machine Learning for IBM z/OS (MLz)는 기본적으로 다음에서 실행되는 트랜잭션 AI 플랫폼입니다. IBM z/OS. 모델 개발 및 배포, 사용자 관리 및 시스템 관리를 위한 사용하기 쉬운 강력한 도구 모음과 함께 웹 사용자 인터페이스(UI), 다양한 API 및 웹 관리 대시보드를 제공합니다.
모델을 쉽게 가져오고, 배포하고, 모니터링하여 모든 트랜잭션에서 가치를 창출하고, 운영 SLA를 유지하면서 기업의 새로운 성과를 이끌어낼 수 있습니다.
유연성을 높이기 위해 Machine Learning for z/OS 에는 두 가지 버전이 있습니다:
모든 IBM 에디션용 머신 IBM z/OS AI 러닝은 독립형 솔루션으로 실행하거나 기업 기능(제품)에 통합하여 확장 가능한 플랫폼으로 활용할 수 있습니다.
독점 웨비나 세션에서 최신 기능과 실제 애플리케이션을 살펴보세요.
트랜잭션 기능(제품), 능력을 제공하기 위해 소프트웨어 IBM z16 솔루션과 함께 및 Telum™ AIU의 전례 없는 파워를 활용하세요.Machine Learning for z/OS AI 딥러닝 모델을 사용하는 거래 중 사기 탐지 추론 작업을 통해 초당 최대 228K z/OS CICS 신용 카드 거래를 6ms의 응답 시간으로 처리합니다.1
추론 요청이 있는 애플리케이션을 코로케이션하여 네트워크 지연으로 인한 지연을 최소화할 수 있습니다. 이는 평균 네트워크 지연 시간이 60밀리초인 x86 클라우드 서버로 동일한 추론 요청을 전송할 때보다 최대 20배 짧은 응답 시간과 최대 19배 높은 처리량을 제공합니다.2
신뢰할 수 있는 AI 기능(제품), 설명 가능성과 같은 기능을 사용하고 실시간으로 모델을 모니터링하여 드리프트에 대한 트랜잭션 AI 모델을 개발하고 배포하여 미션 크리티컬 트랜잭션 및 워크로드를 안심하고 z/OS 에 배포하세요.
향상된 채점 성능, 새로운 버전의 Spark 및 Python 머신 러닝 런타임, GUI 가이드 구성 도구 등을 제공하는 향상된 버전입니다.
온라인 채점 기능(제품)을 포함하여 머신 러닝 작업에 필요한 REST-API 기반의 필수 서비스를 제공하는 경량 버전의 WMLz는 IBM Z 에서 확인할 수 있습니다.
구성 환경
가이드 UI
스크립트, z/OSMF 워크플로
리포지토리 데이터베이스
IBM z/OS용 Db2®, 기본 제공(z/OS용 더비)
IBM z/OS용 Db2, 기본 제공(z/OS용 더비)
채점 엔진
Spark, Python, PMML, IBM Snap ML, Watson 핵심 시계열
Spark, PMML, IBM Snap ML, Watson 핵심 시계열
추론 인터페이스
CICS 및 IMS용 네이티브 인터페이스를 통한 트랜잭션 내 채점, RESTful 인터페이스
RESTful 인터페이스
모델 수명 주기 관리
가이드 UI, RESTful 서비스
RESTful 서비스
지원되는 AI 모델 형식
Spark, Python, PMML, ONNX
Spark, PMML
z16 온칩 AI 가속
ONNX 및 IBM Snap ML 모델
IBM Snap ML 모델
AI 모델 학습 도구
통합 JupyterHub
신뢰할 수 있는 AI
설명 가능성 및 드리프트 감지
* 표시된 가격은 참고용으로서 국가별로 다를 수 있고, 관련 세금 및 관세가 제외된 가격이며, 지역별로 제공되는 제품에 따라 달라질 수 있습니다.
Machine Learning for z/OS 는 IBM 독점 기술과 오픈 소스 기술을 모두 사용하며 필수 하드웨어와 소프트웨어가 필요합니다.
로그와 메트릭 데이터 모두에서 이상 징후를 감지하여 운영 문제를 파악하고 비용이 많이 드는 사고를 방지하세요.
관련 오픈 소스 소프트웨어 라이브러리에 액세스하여 오늘날의 AI 및 ML 워크로드를 지원하세요.
미션 크리티컬 애플리케이션을 실행하려면 보안이 풍부하고 확장 가능한 운영 체제를 사용하세요.
가용성, 보안, 복원력을 강화하는 동시에 성능과 비즈니스 성과를 개선하세요.
IBM Z 의 제어와 보안 하에 실시간 인사이트를 위한 고속 데이터 분석을 받으세요.
AI 에서 사용성을 향상하고 운영 성능을 개선하며 IBM Db2 시스템의 상황을 유지하는 방법을 알아보세요.
1 고지 사항: 성능 결과는 IBM z16에서 추론 연산을 통해 CICS 신용카드 거래 워크로드를 실행하는 IBM 내부 테스트에서 추정된 것입니다. 6개의 CP와 256GB 메모리로 구성된 z/OS V2R4 LPAR이 사용되었습니다. 추론은 Machine Learning for z/OS 21.0.0.12에서 실행되는 2.4에서 WebSphere Application Server Liberty 합성 신용 카드 사기 탐지 모델(https://github.com/IBM/ai-on-z-fraud-detection)을 사용하여 수행되었습니다. 그리고 AI용 통합 가속기. 서버 측 일괄 처리는 추론 작업의 크기가 8인 Machine Learning for z/OS 에서 활성화되었습니다. 벤치마크는 추론 연산을 수행하는 48개의 스레드로 실행되었습니다. 결과는 200개의 CP와 40TB 스토리지로 완전히 구성된 IBM z16을 나타냅니다. 결과는 다를 수 있습니다.
2 면책 조항: 성능 결과는 IBM z16에서 실행되는 거래 중 사기 탐지 기능이 있는 IBM 내부 CICS OLTP 신용카드 워크로드를 기준으로 합니다. 측정은 AI용 통합 가속기를 사용하거나 사용하지 않고 수행했습니다. 12개의 CP, 24개의 zIIP, 256GB의 메모리로 구성된 z/OS V2R4 LPAR이 사용되었습니다. 추론은 Machine Learning for z/OS 21.0.0.12에서 실행되는 2.4에서 WebSphere Application Server Liberty 합성 신용카드 사기 탐지 모델(https://github.com/IBM/ai-on-z-fraud-detection)을 사용하여 수행되었습니다. 서버 측 일괄 처리는 추론 작업의 크기가 8인 Machine Learning for z/OS 에서 활성화되었습니다. 결과는 다를 수 있습니다.