machine learning for IBM z/OS (MLz) es una plataforma de IA transaccional que se ejecuta de forma nativa en IBM z/OS. Proporciona una interfaz de usuario (IU), varias APIs y un panel de administración sitio web con una poderosa suite de herramientas fáciles de usar para el desarrollo y despliegue, la gestión de usuarios y la administración de sistemas.
Importe, implemente y monitorear fácilmente modelos para obtener valor de cada transacción e impulsar nuevos resultados para su compañía mientras mantiene los SLA operativos.
Para una mayor flexibilidad, Machine Learning for z/OS incluye dos ediciones:
Todo IBM aprendizaje automático para IBM z/OS ediciones puede ejecutar como una solución independiente o incorporarlo a las capacidades de IA de su compañía como una plataforma escalable.
Unir a nosotros para descubrir características de vanguardia y aplicaciones del mundo real en nuestra exclusiva sesión sitio web de seminario.
Se puede acceder de forma nativa a las explicaciones visualizadas de las inferencias de IA en MLz
Núcleo MLz
MLz Enterprise
Utilice el poder sin precedentes de IBM z16 y Telum™ AIU con la solución de software Machine Learning for z/OS para ofrecer capacidades de IA transaccional. Procese hasta 228 K z/OS CICS transacciones con tarjeta de crédito por segundo con un tiempo de respuesta de 6 ms, cada una con una inferencia de detección de fraude en la transacción que utiliza un modelo de aprendizaje profundo.1
Coloque la aplicación con solicitudes de inferencia para ayudar a minimizar los retrasos causados por la latencia de la red. Esto ofrece un tiempo de respuesta hasta 20 veces menor y un rendimiento hasta 19 veces mayor en comparación con el envío de las mismas solicitudes de inferencia a un servidor cloud x86 con una latencia de red promedio de 60 ms.número arábigo
Emplee capacidades de IA confiables como explicabilidad y monitoree sus modelos en tiempo real para desarrollar e implementar sus modelos de IA transaccionales en z/OS para transacciones y cargas de trabajo de misión crítica con confianza.
Una edición mejorada que ofrece un rendimiento de puntaje mejorado, una nueva versión del Python machine learning tiempo de ejecución Spark y e incluye una herramienta de configuración guiada por GUI y más.
Una versión ligera de WMLz que proporciona los servicios esenciales que están basados en REST-API para machine learning operaciones, incluidas las capacidades de puntaje en línea en IBM Z.
Experiencia de configuración
Interfaz de usuario guiada (IU)
Scripts, z/OSMF flujo de trabajo
Base de datos del repositorio
Db2® para IBM z/OS, incorporado (Derby para z/OS)
Db2 para IBM z/OS, incorporado (Derby para z/OS)
Motor de puntaje
Spark, Python, PMML, IBM Snap aprendizaje automático (ML) Watson Core Time Seriales
Spark, PMML IBM Snap aprendizaje automático (ML) Watson Core Time Seriales
Interfaz de inferencia
Puntaje en transacción con interfaces nativas para CICS e IMS, interfaz RESTful
Interfaz RESTful
Gestión del ciclo de vida del modelo
Guided interfaz de usuario (IU), servicios RESTful
Servicios RESTful
Modelos de formatos IA soportados
Spark, Python, PMML y ONNX
Chispa, PMML
Aceleramiento de IA en chip z16
Modelos ONNX y IBM Snap aprendizaje automático (ML)
IBM Snap aprendizaje automático (ML) Modelos
Herramienta de entrenamiento de modelos de IA
Integrado JupyterHub
IA confiable
Explicabilidad y detección de derivas
*Los precios mostrados son indicativos, pueden variar según el país, excluyen los impuestos y aranceles aplicables y están sujetos a la disponibilidad de la opción de productos en un lugar.
Pruebe esta opción liviana y sin costo para experimentar IBM Machine Learning for z/OS, que permite el puntaje en transacciones para modelos de aprendizaje profundo. Estas capacidades pueden ofrecer un valor de IA significativo en áreas comerciales críticas como la detección de fraude, la pérdida de clientes, la aprobación de préstamos y el rendimiento operativo. Incorpore modelos de aprendizaje profundo en su aplicación transaccional en IBM Z, especialmente cuando los milisegundos importan.
Machine Learning for z/OS emplea tanto IBM tecnología propietaria como de código abierto y requiere hardware y software previos.
Identifique problemas operativos y evite incidentes costosos al detectar anomalías en los datos de registro y métricas.
Acceda a una biblioteca de software de código abierto relevante para respaldar la carga de trabajo de IA y aprendizaje automático (ML) actual.
Emplee un sistema operativo escalable y de alta seguridad para ejecutar la aplicación misión crítica.
Mejore la disponibilidad, la seguridad y la resiliencia al tiempo que mejora el rendimiento y los resultados empresariales.
Obtenga análisis de datos de alta velocidad para insight en tiempo real bajo el control y la seguridad de IBM Z.
Descubra cómo la IA mejora la usabilidad, mejora el rendimiento operativo y mantiene el estado de los sistemas IBM Db2.
1 DESCARGO DE RESPONSABILIDAD: El rendimiento Resultados se extrapola a partir de IBM pruebas internas que ejecutan una CICS transacción de tarjeta de crédito carga de trabajo con inferencia Operaciones en un IBM z16. Se empleó una LPAR de z/OS V2R4 configurada con 6 CP y 256 GB de memoria. La inferencia se realizó con Machine Learning for z/OS 2.4 ejecutar en WebSphere Application Server Liberty 21.0.0.12, empleando un modelo sintético de detección de fraude (https://github.com/IBM/ai-on-z-fraud-detección) de tarjetas de crédito y el Acelerador Integrado de la IA. El procesamiento por lotes del lado del servidor se habilitó en Machine Learning for z/OS con un tamaño de 8 operaciones de inferencia. El punto de referencia se ejecutó con 48 hilos realizando operaciones de inferencia. Los resultados representan un IBM z16 totalmente configurado con 200 CPs y 40 TB de almacenamiento. Los resultados pueden variar.
2 DESCARGO DE RESPONSABILIDAD: rendimiento Los resultados se basan en una IBM carga de trabajo interna CICS tarjeta de crédito OLTP con detección de fraude en la transacción que se ejecuta en IBM z16. Las mediciones se realizaron con y sin el Acelerador Integrado para IA. Se empleó una LPAR z/OS V2R4 configurada con 12 CP, 24 zIIP y 256 GB de memoria. La inferencia se realizó con Machine Learning for z/OS 2.4 ejecutar en WebSphere Application Server Liberty 21.0.0.12, empleando un modelo sintético de detección de fraude (https://github.com/IBM/ai-on-z-fraud-detección de tarjetas de crédito. El procesamiento por lotes del lado del servidor se habilitó en Machine Learning for z/OS con un tamaño de 8 operaciones de inferencia. Los resultados pueden variar.