閱讀 The Forrester Wave:多模式預測分析與機器學習,2020 年第三季

為何選擇在資料與 AI 平台上執行深度學習?

隨著運算、演算法和資料存取不斷進步,企業開始透過語音辨識、自然語言處理與影像分類,更廣泛地利用深度學習來擷取與擴充洞察。深度學習可以大規模解讀文字、影像、音訊及視訊,然後產生模式以供建議引擎、觀感分析、金融風險建模和異常偵測運用。 
處理神經網路需要高度的運算能力,因為用來訓練網路的層級數目和資料數量很龐大。此外,企業也致力於從在資料孤島中實作的深度學習實驗展現成果。IBM Watson® Machine Learning Accelerator(IBM Watson Studio on IBM Cloud Pak® for Data 當中的一種深度學習功能)可協助企業:

- 在任何雲端上動態擴充運算、人員及應用程式。
- 管理與統一大型資料集和模型,並提供透明度和可視性。
- 使用從邊緣到混合雲的即時資料來持續調整模型。
- 利用更快速的訓練與推論來優化雲端和 AI 投資。

→ 查看資訊圖(PDF,574 KB)

優勢

加快從深度學習獲得成果的速度

快速將來自原型的模型建置到全企業。加快訓練與部署深度學習工作負載的速度,而且高度精確。

擴充 AI 型洞察與預測

充分利用包含整合式資料與 AI 服務的資訊架構。將深度學習模型推送至儲存器化混合雲中的應用程式。

簡化 AI 與雲端投資

統一所有位置的資料和模型部署。共用與優化根據工作負載需求進行調整的 GPU 和 CPU 配置。

擴大使用模型,並提高模型的精確度

加速處理大型高解析度影像。利用自動擴充來改善傳輸量、延遲及可用性。

提升系統使用和復原彈性

透過多租戶促進跨業務單位和全公司使用。運用靈活的分散式訓練與推論,大幅度提高 GPU 資源的使用。

控管與保護關鍵任務 AI 工作負載

提高從資料準備到模型部署的透明度和可視性。您還可以減少合規、法律、安全和信譽風險。

使用案例

  • 適用於疾病診斷、公共安全和社群媒體的影像分類
  • 適用於客服中心管理、行動式應用程式和自動化謄本的語音轉文字辨識
  • 適用於異常與詐騙偵測、自動化文件驗證以及網路安全的光學字元辨識 (OCR)
  • 適用於法規遵循、信用評估和投資組合管理的金融風險建模
  • 適用於觀感分析、語氣分析和品牌監視的自然語言處理
  • 適用於行為預測、客製化優惠和下個最佳動作的建議引擎
  • 適用於公眾安全、防盜、工作人員安全和庫存管理的視訊分析

利用機器學習與 AI 來分析您的資料

主要功能

  • 快速製作原型與部署
  • 端對端資訊架構
  • 儲存器化基礎架構管理
  • 高解析度大型模型支援
  • 多租戶部署
  • 靈活的分散式訓練與推論
  • 自動擴充、自動搜尋和負載平衡
  • AI 生命週期管理
  • 具備模型監視的可解釋 AI