試用 IBM Cloud Pak® for Data 上的多雲 ModelOps

概觀

何謂多雲 ModelOps? 為什麼現在要使用?

到 2023年,70% 的 AI 工作負載將使用應用程式容器,或使用無伺服器程式設計模型來建置,因此需要 DevOps 文化。*

ModelOps 是一種在應用程式中有效運作模型的原則方法。 ModelOps 可將應用程式與模型管線之間的節奏同步化。 有了多雲 ModelOps,您就能使用資料、模型和資源,將邊緣到核心的資料科學和 AI 投資最佳化。

多雲的 ModelOps 涵蓋了端對端的生命週期,以優化跨雲端模型和應用程式的使用、鎖定機器學習模型、最佳化模型和其他作業模型,以與持續整合與持續部署 (CICD) 整合IBM Cloud Pak® for Data 使用 IBM Watson® Studio 作為理想平台,以建置您的多雲 ModelOps 實務作法。

ModelOps 特性

您可以使用 ModelOps 做什麼?

產生模型管線排行榜

自動準備資料、選擇模型、執行特性工程及最佳化超參數以產生流程管線排行榜。

監視機器學習模型

透過檢視可能的模型偏見並學習如何減輕它,並解釋結果,以監視機器學習模型。

檢查並消弭模型偏差

產生已消弭偏差的模型端點並顯示可解釋性。偵測到導致模型漂移的資料不一致。

使用應用程式部署模型功能

將資料傳遞至模型之前預先處理資料,執行錯誤處理,並將呼叫包括至多個模型。

在多個雲上建置及部署模型

幾乎隨處都能部署和推送模型。 使用 x86、IBM Cloud Pak® for Data System 和 IBM Power® 系統建置您專屬的 AI 就緒雲端。

在統一的介面上建置、執行及管理模型

準備資料、建置模型和測量結果。 使用回饋迴圈來持續改良模型。

多雲端 ModelOps 的新增功能?

網路研討會: 同步化 DevOps 與 AI

瞭解為什麼 63% 的企業選擇採用 DevOps,而其中又有 33% 的企業聘用資料科學團隊來處理採用 AI 技術的應用程式。

451 Research: 具有自動化功能的 AI 和 ModelOps

向 AI 先驅者取經以獲得洞察與實務的要訣,瞭解如何在多雲端環境中建置 ModelOps。

開發人員學習路徑: 機器學習

在統一的資料與 AI 平台上建置、執行和管理模型。 持續改良模型,並將其應用在您的應用程式中。

產品影像

KPI 比較

顯示模型比較視覺化的擷取畫面,包括 KPI、維護成本及正式作業

KPI 比較

針對關鍵績效指標對模型進行比較。

解釋

擷取畫面顯示如何確定預測以及影響預測的最重要因素

解釋

查看 AI 成果背後的說明。

流程管線排行榜

擷取畫面顯示一組模型的失敗預測,以及流程管線排行榜

流程管線排行榜

自動化準備資料、進行特性工程、最佳化參數及產生模型排行榜。

模型漂移

擷取畫面顯示德國信用風險模型的模型漂移幅度

模型漂移

偵測並校正正式作業中的模型漂移狀況。

多雲與傳統的 ModelOps

多雲 ModelOps 傳統 ModelOps
多雲端支援
自動化的 AI 生命週期
商業 KPI 監控
可解釋性和消除偏見
漂移方向和測量
一鍵執行 CICD 部署
模型管理與意見回饋
進階資料精煉
資料準備