IBM 獲選為領導者

Gartner 發表 2021 年 Magic Quadrant 資料科學與機器學習平台評鑑報告。

將 AI 模型帶進正式作業中

使用方式

實作可解釋的 AI

在筆記型電腦上工作的辦公室商業人士

實作可解釋的 AI

可解釋的 AI 是一套處理程序和方法,讓人類使用者能夠理解與信任 AI 演算法所產生的結果和輸出,包括其預期影響和可能偏誤。

最佳化決策

正在挑選一瓶酒的人

最佳化決策

決策最佳化簡化了最佳化模型的挑選和部署,還可建立儀表板以分享結果並加強協同作業。

以視覺化方式開發模型

在桌上電腦工作的商業人士俯視圖

以視覺化方式開發模型

有了 IBM® SPSS® 啟發的容易使用工作流程,您可以在統一的資料與 AI 平台上,結合視覺化資料科學、開放原始碼程式庫與 Notebook 型電腦型介面。

建置 ModelOps

IBM Cloud Pak for Data 工作流程,包括收集與準備資料、建置與部署 AI 模型,以及將決策最佳化

建置 ModelOps

ModelOps 是一種在應用程式中有效運作模型的原則方法。 ModelOps 協助您將應用程式與模型管線之間的節奏同步化。 您可以將從邊緣到混合雲的 AI 與應用程式投資最佳化。

利用 AutoAI 來加速 AI 開發

夜間州際交流道空拍圖

利用 AutoAI 來加速 AI 開發

有了 AutoAI,初學者可以快速入門,而專家級資料科學家可以在 AI 開發中加速實驗。 AutoAI 可自動化執行資料準備、模型開發、功能工程,以及超參數最佳化。

優勢

功能

IBM Watson Studio - 詳細資料

AutoAI 可加速實驗

自動建置模型管線。 準備資料並選取模型類型。 產生及評比模型管線。

進階資料精煉

使用圖形化流程編輯器來清理與形成資料。 將互動式範本套用至程式碼作業、函數和邏輯運算子。

開放原始碼 Notebook 支援

建立 Notebook 檔案,使用範例 Notebook 或自攜 Notebook。 編碼並執行 Notebook。

整合式視覺化工具

在 Watson Studio 中使用 IBM SPSS Modeler,以視覺化方式快速準備資料與開發模型。

模型訓練與開發

優化流程管線與識別適當的資料組合,藉此快速建置實驗與加強訓練。

廣泛的開放原始碼架構

將您所選的模型投入正式作業中。 使用正式作業回饋來追蹤及重新訓練模型。

內嵌式決策最佳化

結合預測和規範模型。 使用預測來最佳化決策。 使用 Python、OPL 或自然語言來建立及編輯模型。

模型管理與監視

監視品質、公平性和漂移等度量。 選取並配置部署以獲取模型洞察。 自訂模型監控器和度量。

模型風險管理

比較與評估模型。 使用新資料評估及選取模型。 並排檢查關鍵模型度量。

產品影像

AI 生命週期自動化

顯示關係對映與進度圖的擷取畫面

AI 生命週期自動化

使用 AutoAI 來建立模型,藉此探索關係。

雲端和內部部署資料來源

顯示多個 IBM 與第三方資料來源的擷取畫面

雲端和內部部署資料來源

跨雲端存取與選取幾近任何資料來源。

拖放 AI 模型

顯示 GUI 型介面的擷取畫面

拖放 AI 模型

具有直覺式 GUI 型流程的視覺化建置模型。

解釋 AI 模型的交易

顯示如何變更值以產生不同預測結果的擷取畫面

解釋 AI 模型的交易

判定哪些新特性值會導致不同結果。

最新消息

收聽 Watson Studio 的最新消息

收聽 AI 專家談最佳作法。 觀看產品展示。

同步化 AI 和 DevOps

探索 AI 主導開發的主要功能,以及為何您應該將 AI 模型整合到開發週期中。

加快 AI 控管速度

探討何謂 AI 控管,它為什麼很重要,以及如何使 AI 值得信任。

開始使用

利用 AI 和機器學習模型,對結果進行預測和最佳化。

註腳

¹,² New Technology: The Projected Total Economic Impact™ of Explainable AI and Model Monitoring in IBM Cloud Pak for Data,Forrester,2020 年 8 月。