Derin öğrenme nedir?

IBM'in IBM Watson® Studio kapsamındaki deneye dayalı derin öğrenme hizmeti, veri bilimcilerin sinir ağlarını görsel olarak tasarlamalarına ve eğitim oturumlarını yatay olarak ölçeklendirmelerine yardımcı olurken, otomatik ayırma da yalnızca kullanılan kaynaklar için ödeme yapılması anlamına gelir. Üretim ortamları için optimize edilmiş olan NVIDIA Tesla V100 grafik işlemcisini tercih ettiğiniz derin öğrenme çerçevesi ile birlikte kullanarak eğitiminizi dikey olarak ölçeklendirin ve ardından bulutta ya da uç noktada kolayca devreye alın.

→  Derin öğrenme web seminerini izleyin (bağlantı ibm.com dışındadır)

Derin öğrenme özellikleri

Deney Yardımcısı

Toplu eğitim deneylerini başlatın ve izleyin ve ardından log aktarımları ya da sonuçların görselleştirilmesi için komut dosyaları konusunda endişe etmeksizin model genelindeki performansı gerçek zamanlı olarak karşılaştırın. Siz sinir ağlarınızı tasarlamaya odaklanın; varlıklarınızı IBM yönetir ve takip eder.

Açık ve esnek

Tercih ettiğiniz derin öğrenme çerçevesini kullanın: Tensorflow, Keras, PyTorch, Caffe ve daha fazlası. Derin öğrenme deneylerinizi tercih ettiğiniz araçlarla yönetin: komut satırı arabirimi (CLI), Python kitaplığı ya da interaktif bir kullanıcı arabirimi.

Esnek GPU bilgi işlemi

Pazar lideri NVIDIA Tesla GPU'ları K80, P100 ve V100'ü kullanarak sinir ağlarını paralel biçimde eğitin. Yalnızca kullandığınız kadar ödeme yapabilirsiniz. Otomatik ayırma, bulut eğitim eşgörünümlerinizi sonlandırmayı hatırlamanızın gerekmediği anlamına geliyor. Yönetilecek kümeler ya da konteynerler yok.

Hiper parametre optimizasyonu

En az sayıda eğitim oturumuyla en iyi model performansını elde etmek için ağınızın hiper parametre alanı aramasını verimli bir biçimde otomatikleştirin.

Neural Network Modeler (beta)

Sinir ağlarınızı görsel olarak tasarlayın. Sinir mimarinizin katmanlarını sürükleyip bırakın ve ardından en popüler derin öğrenme çerçevelerini kullanarak yapılandırın ve devreye alın.

Derin öğrenmenin avantajları

Yalnızca para değil, zaman da kazanın

Tercih ettiğiniz IDE'yi ve mevcut iş akışlarını kullanın. CLI, Python kitaplığı ve REST erişimi, görsel hata ayıklama araçları tarafından dengelenir. Ağlarınızı daha iyi ve daha hızlı tasarlayın ve optimize edin.

İsteğe bağlı zeka

Yönetilen eğitim, optimum sinir ağı yapılarını tasarlamaya odaklanabileceğiniz anlamına gelir. Eğitim varlıkları sizin için depolanır. Otomatik ayırma, yalnızca işin gerektirdiği bilgi işlem kaynakları için para ödemeniz anlamına gelir.

Güvenilir bulut altyapısı

Kurumsal üretim ortamları için optimize edildi ve IBM Watson kognitif hizmetlerini barındıran aynı altyapı üzerinde çalışıyor.

Grafikler, log dosyaları değil

Metin loglarını unutun. Doğruluk ve kayıp grafiklerini gerçek zamanlı olarak üst üste bindirip izleyin ve ardından sinir ağlarınızın eğitimini daha derinlemesine incelemek için hiper parametreleri görüntüleyin ve modelleyin.

Ekip işbirliği

Deneyleri paylaşın, sinir mimarilerindeki hataları ayıklayın, barındırılan nesne depolarındaki ortak verilere erişin ve sürümü oluşturulmuş modelleri ekibinize ileterek sürekli öğrenme akışına veri beslemelerine yardımcı olun.

Ürün olanağı resimleri

En sevdiğiniz çerçeveyi kullanın

Watson Studio'da popüler çerçeveler önceden kurulmuştur ve Watson Makine Öğrenimi Hizmeti aracılığıyla performans için optimize edilmiştir. Ortamlarınıza özel bağımlılıklar eklemek kolaydır. Yalnızca görevinize odaklanmak için Watson Studio'yu hemen deneyin; ortamlarınızla IBM ilgilenir.

Watson Studio'yu keşfedin →

Eğitim kılavuzları ve kullanım senaryoları

Metin üretmek için bir dil modeli oluşturmak amacıyla not defteri, Keras ve TensorFlow kullanın

Ürün incelemeleri gibi sahtekârlık sorunları ile nasıl baş ediyorsunuz? Onları yaratan aynı üretim modellerini kullanarak. Bu kod kalıbı, derin öğrenme dil modelinin not defterinde, Keras ve TensorFlow kullanılarak nasıl eğitileceğini açıklamaktadır. Yelp'ten yüklenen verilerle, TensorFlow ile Keras'ı nasıl kuracağınızı, derin öğrenme dil modelini nasıl eğiteceğinizi ve yeni restoran incelemelerini nasıl oluşturacağınızı öğreneceksiniz. Bu kod kalıbının kapsamı metin oluşturmaya ilişkin temel bilgilerin verilmesiyle sınırlı olsa da, bir dil modelinin nasıl oluşturulacağının öğrenilmesi için güçlü bir temel sağlamaktadır.

Eğitici programa gidin

Derin Öğrenme

Watson Studio ve PyTorch'da el yazısıyla yazılmış bir sayı tanıyıcı oluşturun

El yazısıyla yazılmış sayıları tanımak insanlar için basit, günlük bir beceridir ancak makineler için büyük bir zorluk oluşturabilir. Makine öğrenimindeki ve yapay zekadaki ilerlemeyle bu durum artık değişiyor. El yazısıyla yazılmış çekleri anında tarayabilen mobil bankacılık uygulamaları ve birkaç dakika içinde binlerce sözleşmeden para tutarlarını ayıklayabilen muhasebe yazılımları bulunuyor. Tüm bunların nasıl işlediğini öğrenmekle ilgileniyorsanız, lütfen Watson Studio ve PyTorch kullanarak basit bir el yazısıyla yazılmış sayı tanıyıcı oluşturma adımlarını açıklayacağımız bu kod kalıbını takip edin.

Eğitici programa gidin

Watson Studio ve PyTorch'da el yazısıyla yazılmış sayı tanıyıcı oluşturun

Derin öğrenmeyi kullanmaya başlayın

Derin öğrenme deneylerinizi şimdi yürütmeye başlayın.