Узнайте все необходимое о глубоком обучении на этом вебинаре по запросу

Обзор

Что представляет собой глубокое обучение?

Глубокое обучение — это разновидность машинного обучения, в рамках которой нейронные сети (алгоритмы, созданные по образу и подобию человеческого мозга) учатся на больших объемах данных. За счет многократного выполнения задачи алгоритмы глубокого обучения постепенно улучшают результат с помощью глубоких уровней, обеспечивающих прогрессивное обучение. Глубокое обучение является частью более обширного семейства методов машинного обучения, основанных на нейронных сетях.

Глубокое обучение оказывает большое влияние на все отрасли. В сфере естественных наук глубокое обучение можно использовать для расширенного анализа изображений, проведения исследований, разработки лекарственных препаратов, прогнозирования проблем со здоровьем и симптомов заболеваний, а также ускорения анализа результатов геномного секвенирования. В транспортной сфере оно помогает беспилотным автомобилям адаптироваться к изменяющимся условиям. Кроме того, глубокое обучение применяется для защиты критически важной инфраструктуры и ускорения реагирования.

Компании часто привлекают сторонних подрядчиков для разработки инструментов глубокого обучения. Однако разработку инструментов глубокого обучения для основных рабочих процессов вашего бизнеса рекомендуется выполнять своими силами. К таким процессам относятся обнаружение мошенничества и выдача рекомендаций, опережающее обслуживание и анализ данных временных рядов, оптимизация системы рекомендаций, управление взаимосвязями с заказчиками и прогнозирование процента перехода по рекламным ссылкам.

Приступите к работе с глубоким обучением с помощью IBM Watson Studio® on IBM Cloud Pak® for Data as a Service.

Преимущества глубокого обучения с помощью IBM Watson Studio

Возможности

Experiment Builder

Создавайте и контролируйте пакетные эксперименты по обучению моделей, сравнивайте показатели моделей в реальном времени и сконцентрируйтесь на проектировании нейронных сетей.

Распределенное глубокое обучение (DDL)

Обеспечьте масштабирование популярных сред с открытым исходным кодом, таких как TensorFlow, Caffe, Torch и Chainer, на несколько графических процессоров.

Распознавание рукописных цифр

Предварительно обученные модели PyTorch позволяют распознавать рукописные цифры на изображениях. Используйте REST API для запуска заданий обучения, отслеживания состояния, а также сохранения и развертывания моделей.

Услуга визуального распознавания

Используйте алгоритмы глубокого обучения, предоставляемые в рамках услуги IBM Watson Visual Recognition, для анализа изображений с целью определения окружения и объектов. Работайте с изображениями и наборами данных в среде совместной работы.

Классификация изображений

Многоклассовая классификация, предварительная обработка и доступ к изображениями, а также создание визуализаций, чтобы более детально разобраться в моделях.

Языковые модели

Создайте языковую модель для генерирования текста с помощью блокнотов, Keras и TensorFlow.

Обзор глубокого обучения в IBM Watson Studio

Эксперимент по глубокому обучению

Снимок экрана, на котором показана страница продукта, применяемая для создания метаданных для нового эксперимента по глубокому обучению

Эксперимент по глубокому обучению

Проведите эксперимент по глубокому обучению, чтобы создать сеанс обучения для каждого определения.

Определения моделей

Снимок экрана, на котором показана страница продукта, применяемая для добавления определения модели, включая ее имя, исходный код обучения, среду и команду выполнения.

Определения моделей

Укажите код модели, команду выполнения, GPU и другие метаданные.

План предоставления ресурсов

Снимок экрана, на котором показана страница продукта с планом предоставления ресурсов для проекта, включая вкладку с обзором конфигураций GPU, вкладку статистики пользователей и вкладку  активных приложений

План предоставления ресурсов

Укажите конфигурации GPU в плане предоставления ресурсов.

Состояние обучения

Снимок экрана, на котором показана страница продукта с графиками состояния обучения

Состояние обучения

Отслеживайте процесс обучения модели глубокого обучения.

Блокнот GPU

Снимок экрана, на котором показана страница продукта с классификацией изображений в блокноте GPU

Блокнот GPU

Создайте определение среды GPU и настройте блокнот для запуска в этой среде.

Пользуйтесь привычными инструментами

Предварительно установлены в IBM Watson Studio и оптимизированы для высокой производительности

Логотип TensorFlow
Логотип Keras
Логотип PyTorch

Начало работы с глубоким обучением

Начните эксперименты с глубоким обучением в IBM Watson Studio.