Actualícese en relación a deep learning con este webinar bajo demanda
Visión general
¿Qué es deep learning?
El deep learning es un subconjunto de machine learning donde las redes neuronales (algoritmos inspirados por el cerebro humano) aprenden de grandes cantidades de datos. Los algoritmos de deep learning realizan una tarea repetidamente y mejoran gradualmente el resultado a través de capas profundas que permiten el aprendizaje progresivo. Es parte de una familia más amplia de métodos de machine learning basada en redes neuronales.
El deep learning está logrando un gran impacto en las industrias. En las ciencias de la vida, el deep learning se puede utilizar para análisis avanzado de imágenes, investigación, descubrimiento de fármacos, predicción de problemas de salud y síntomas de una enfermedad, y aceleración de los conocimientos de la secuenciación genómica. En el transporte, puede ayudar a los vehículos autónomos a adaptarse a las condiciones cambiantes. También se utiliza para proteger la infraestructura fundamental y responder rápidamente.
Las empresas suelen tercerizar el desarrollo del deep learning. Sin embargo, es mejor mantener el trabajo de desarrollo de deep learning para casos de uso que son esenciales para su negocio. Estos incluyen la detección y recomendaciones de fraude, el análisis de datos de mantenimiento predictivo y la serie temporal, la optimización del sistema de recomendaciones, la gestión de relaciones con los clientes y la predicción de la tasa de clics de una publicidad online.
Empiece a usar el deep learning utilizando IBM Watson Studio® en IBM Cloud Pak® for Data as a Service.
Ventajas del deep learning en IBM Watson Studio
Características
Constructor de experimentos
Inicie y supervise experimentos de entrenamiento por lotes, compare el rendimiento entre modelos en tiempo real y concéntrese en el diseño de redes neuronales.
Deep learning distribuido (DDL)
Habilite marcos de código abierto populares como TensorFlow, Caffe, Torch y Chainer para escalar a varias GPU.
Reconocimiento de dígitos manuscritos
Utilice un modelo de PyTorch preformado para predecir números manuscritos en imágenes. Utilice las API REST para enviar trabajos de entrenamiento, supervisar el estado y almacenar e implementar modelos.
Servicio de reconocimiento visual
Utilice algoritmos de deep learning del servicio IBM Watson Visual Recognition para analizar imágenes en busca de escenas y objetos. Trabaje con imágenes y conjuntos de datos en un entorno de colaboración.
Clasificación de imágenes
Realice una clasificación multiclase, preprocese y accese a imágenes, y cree visualizaciones para obtener una mejor comprensión de sus modelos.
Modelos lingüísticos
Utilice un cuaderno, Keras y TensorFlow, para crear un modelo de lenguaje para la generación de texto.
Vea el deep learning en IBM Watson Studio
Experimento de deep learning
Experimento de deep learning
Ejecute un experimento de deep learning para crear una ejecución de entrenamiento para cada definición.
Definiciones de modelo
Definiciones de modelo
Defina el código de construcción del modelo, el comando de ejecución, una GPU y otros metadatos.
Plan de recursos
Progreso del entrenamiento
Notebook GPU
Notebook GPU
Cree una definición de entorno de GPU y ejecute el notebook en el momento de crearlo.
Utilice su infraestructura favorita
Preinstalado y optimizado para el rendimiento en IBM Watson Studio
Productos relacionados
Empiece a usar el deep learning
Empiece a ejecutar sus experimentos de deep learning en IBM Watson Studio.