IBM Watson® Studio는 데이터 과학자, 개발자, 분석가가 IBM Cloud Pak® for Data에서 AI 모델을 구축, 실행, 관리하고, 의사 결정을 최적화할 수 있도록 지원합니다. 개방형 멀티클라우드 아키텍처에서 팀을 통합하고, AI 라이프사이클을 자동화하고, 가치 실현 시간을 단축할 수 있습니다.
PyTorch, TensorFlow, scikit-learn 같은 오픈 소스 프레임워크를 IBM과 IBM 에코시스템 도구와 통합하여 코드 기반의 시각적 데이터 과학을 구현합니다. Jupyter Notebook, JupyterLab, CLI 또는 Python, R, Scala 같은 언어로 작업할 수 있습니다.
Cloud Pak for Data 4.7이 출시되었습니다.
설명 가능 AI가 조직에 필요하고 중요한 이유 알아보기
watsonx.ai 출시 발표- 파운데이션 모델로 구동되는 새로운 생성형 AI 기능과 함께 전통적인 머신 러닝을 결합하는 완전히 새로운 엔터프라이즈 스튜디오
활용 방법
멀티클라우드 AI를 비즈니스에 활용할 수 있습니다. 유연한 소비 모델을 사용할 수 있습니다. 어디서나 AI를 구축하고 배포할 수 있습니다.
예측을 사용하여 일정, 계획, 자원 할당을 최적화합니다. 자연어 인터페이스를 사용하여 최적화 모델링을 단순화합니다.
개발자와 데이터 과학자를 통합하고 교차 교육합니다. 어느 클라우드에서나 REST API를 통해 모델을 푸시합니다. 서로 다른 도구를 관리하는 데 드는 시간과 비용을 절감합니다.
여러 클라우드에서 엔터프라이즈 AI를 운영합니다. 대규모로 데이터 과학 프로젝트를 관리하고 보호합니다.
노출 및 규제 처벌로부터 보호할 수 있습니다. 자동화된 검증을 통해 모델 위험 관리를 단순화합니다.
자동으로 모델 파이프라인을 구축합니다. 데이터를 준비하고 모델 유형을 선택합니다. 모델 파이프라인을 생성하고 순위를 지정합니다.
그래픽 플로우 편집기로 데이터를 정리하고 형성합니다. 대화형 템플릿을 코드 연산, 함수, 논리 연산자에 적용합니다.
노트북 파일을 생성하거나, 샘플 노트북을 사용하거나, 자체 노트북을 사용할 수 있습니다. 코딩 및 노트북 실행
Watson Studio에서 IBM SPSS Modeler를 사용하여 데이터를 신속하게 준비하고 시각적으로 모델을 개발합니다.
파이프라인을 최적화하고 올바른 데이터 조합을 식별하여 실험을 신속하게 구축하고 훈련을 강화합니다.
선택한 모델을 프로덕션으로 가져옵니다. 프로덕션 피드백을 사용하여 모델을 추적하고 재훈련합니다.
예측 모델과 처방 모델을 결합합니다. 예측을 사용하여 의사 결정을 최적화합니다. Python, OPL 또는 자연어로 모델을 생성하고 편집합니다.
품질, 공정성, 드리프트 메트릭을 모니터링합니다. 모델 인사이트를 위한 배포를 선택하고 구성합니다. 모델 모니터 및 메트릭을 사용자 정의합니다.
모델을 비교하고 평가합니다. 새로운 데이터로 모델을 평가하고 선택합니다. 주요 모델 메트릭을 나란히 검사합니다.