Operasyonel üretkenliği artırmak için yapay zekanın IBM Db2 for z/OS içine entegre edilmesi hakkında bilgi edinin.

IBM® Watson Machine Learning for z/OS ile ilgili ayrıntılar

Esnek model geliştirme

Veri bilimi ekiplerine, tercih ettikleri Tümleşik Geliştirme Ortamını (IDE) kullanarak modelleri oluşturma, eğitme ve değerlendirme esnekliğini sağlayın. Veya IBM® Watson Machine Learning for z/OS'un kurumsal sınıf açık kaynak yazılımlarına dayanan kapsamlı model oluşturma özelliklerini kullanın.

Artırılan üretkenlik

Kapsamlı IBM Watson Machine Learning for z/OS model oluşturma özellikleri aracılığıyla veri bilimcilerin üretkenliğini optimize edin. Bu ürün, not defterleri, görsel oluşturma araçları, sihirbazlar ve veri bilimci aktivitelerine uygulanan iyileştirilmiş zeka dahil olmak üzere çeşitli model oluşturma modları sunar. Otomatik olarak normalleştirerek, eksik değerleri ele alıp veri özellikleri oluşturarak acemi veri bilimcileri bile uzman haline getirin.

Kurumsal kullanıma hazır AI modeli devreye alma

İşlem uygulamaları dahilindeki tahmine dayalı modelleri, önemli ölçüde iş yükü oluşturmaksızın operasyonel hale getirin ve etkileşim noktasında gerçek zamanlı içgörüye olanak sağlayın. Bu ürün, RESTful API'leri, Java ve CICS entegrasyonu dahil olmak üzere IBM® Z üzerinde en yüksek güvenlik ve performans düzeyleri için optimize edilmiş çeşitli puanlama yaklaşımları sunar.

Gelişmiş model doğruluğu

Zaman içindeki model doğruluğunun izlenmesi ve performansın düşmesi durumunda uyarılar sağlanması için veri bilimcilerin ve mühendislerin yeni verilerin sürekli olarak yeniden değerlendirilmesini zamanlamalarına olanak sağlayın. Model doğruluğunu güvenle sürdürmek için modelleri otomatik olarak yenileyin.

Üretim ortamına hazır makine öğrenmesi

Temel model sürümü oluşturma, denetleme ve izlemenin yanı sıra yüksek erişilebilirlik, yüksek performans, düşük gecikme süresi ve makine öğrenmesi modeli otomasyonu (hizmet olarak sunulan makine öğrenmesi) sağlayın.

Hızlı başlangıç için çözüm şablonları

Makine öğrenmesi çabalarınızı başlatmak için yaygın iş ihtiyaçlarına yönelik temel şablonlar sunun. Çözüm şablonları, dolandırıcılığın saptanması, kredi onayı ve BT operasyonel analitiği dahil olmak üzere önemli iş alanlarına değer katmak için makine öğrenmesinin uygulama altyapınızla birlikte nasıl çalışabileceğini gösterir.

Teknik ayrıntılar

Teknik özellikler

Yenilikler

  • Çeşitli türde makine öğrenmesi modelleri, özellikle Open Neural Network Exchange (ONNX) biçimindeki derin öğrenme modelleri için çevrimiçi puanlama hizmeti performansını önemli ölçüde iyileştirir
  • IBM Cloud Pak for Data ile daha iyi entegrasyon
  • Kurulum ve yapılandırma için gelişmiş basitleştirme
  • Kullanım senaryolarına dayalı kurulum hazırlığı için rehberlik sağlamaya yardımcı yeni Installation Planner
  • IBM WMLz 2.3 Online Scoring Community Edition. WMLz puanlama hizmetinin bu temel sürümü, kuruluşların WMLz işlem içi puanlama yaklaşımını karşıdan kolayca yükleyip denemelerine olanak sağlayan ücretsiz bir seçenek sunar

Yazılım gereksinimleri

  • z/OS 2.4, 2.3 ve Db2 11 for z/OS ya da sonraki bir sürümü
  • z/OS ICSF ve z/OS OpenSSH
  • z/OS Java™ v8 SR6 için IBM 64-bit SDK
  • Z üzerinde Linux veya x86 üzerinde Linux için Watson Machine Learning for z/OS IDE
  • Red Hat OpenShift Container Platform 4.6

Donanım gereksinimleri

  • IBM z15, z14, IBM® z13 veya IBM zEnterprise EC12 sistemi (1 adet GCP, 4 adet zIIP, 100 GB bellek, 100 GB disk alanı)
  • Z üzerinde Linux veya x86 üzerinde Linux için Watson Machine Learning for z/OS IDE
  • 3 Ana düğüm (4 vCPU, 16 GB bellek, kök dosya sisteminde 200 GB depolama alanı, bir ana düğümde görüntü kaydı için 300 GB, 10 gb/s ağ kapasitesi)
  • 3 İşçi düğüm (10 vCPU, 64 GB bellek, kök dosya sisteminde 200 GB depolama alanı, 10 gb/s ağ kapasitesi)
  • Toplam (6 sunucu, 42 vCPU, 240 GB bellek, 1,5 TB depolama alanı)

Next Steps

Nasıl çalıştığını görün