IBM Watson Studio вместе с IBM Watson Machine Learning позволяют организациям использовать ИИ, внедрять прогнозы в бизнес-процессы и оптимизировать ценность бизнеса.

Сегодня мы рады объявить об общедоступности IBM Watson Studio и IBM Watson Machine Learning 2.1. Эти же функции Watson Studio также доступны в Cloud Pak for Data 2.5.

Что нового в Watson Studio 2.1

Watson Studio 2.1 - это следующий шаг к автоматизации непрерывного рабочего процесса ИИ. Мы понимаем, что автоматизировать анализ данных - непростая задача. Не существует универсального подхода; разные предприятия стремятся сочетать разную степень автоматизации, чтобы ускорить окупаемость. Watson Studio предоставляет вам эти различные варианты для ускорения рабочих процессов AI.

AutoAI

Воспользуйтесь преимуществом AutoAI для автоматизации и оптимизации сквозных конвейеров AI для таких задач, как подготовка данных, разработка функций и оптимизация гиперпараметров. AutoAI является частью Watson Studio, интегрированной с надстройкой Watson Machine Learning.

Преимущества AutoAI

  • Начните с пары щелчков мышью без программирования.
  • Извлеките больше возможностей для прогнозирования из ваших данных с помощью автоматического проектирования функций.
  • Легко сравнивайте кандидаты в конвейеры, чтобы найти лучшую модель для работы.
  • Развертывание в IBM Watson Machine Learning одним щелчком мыши.

SPSS Modeler - текстовая аналитика

С помощью надстройки «Аналитика текста» в SPSS Modeler вы сможете за считанные минуты получать аналитические данные из неструктурированных данных без необходимости кодирования.

Функция текстовой аналитики в SPSS Modeler предоставляет

  • Набор лингвистических ресурсов, таких как словари терминов и синонимов, библиотеки и шаблоны. Вы можете дополнительно уточнить эти лингвистические ресурсы в соответствии с вашим контекстом.
  • Интерактивная рабочая среда включает в себя анализ категорий, концепций и текстовых ссылок.
  • Включает встроенную поддержку английского, французского, немецкого, испанского, голландского, итальянского и португальского языков.
  • Обратная совместимость со всеми потоками текстового анализа SPSS Modeler.

Помимо текстовой аналитики, SPSS Modeler содержит множество новых функций, таких как новый интерактивный узел построения диаграмм для быстрого и более интерактивного получения аналитических данных, функция SQL Pushback для отправки операций подготовки данных непосредственно в вашу базу данных и мастер миграции для простого переноса узлов ввода и экспорта. .

JupyterLab

Теперь пользователи Watson Studio могут использовать JupyterLab IDE для совместной работы с записными книжками, текстовыми редакторами и терминалами Jupyter в рабочей области с вкладками. JupyterLab предоставляет гибкий и более мощный пользовательский интерфейс. Запустите JupyterLab IDE из проекта Watson Studio, чтобы получить прямой доступ к ресурсам данных, доступным в проекте. Используя расширение Git, пользователи могут отправлять изменения из JupyterLab в свой репозиторий Git.

Интеграция с Git

Пользователь Watson Studio может интегрировать Git с проектом и использовать эту интеграцию для экспорта проекта в репозиторий Git, для работы с документами и записными книжками в JupyterLab или в качестве метода резервного копирования проекта для управления исходным кодом. На данный момент мы поддерживаем интеграции с GitHub, GitHub Enterprise, GitLab и Bitbucket.

Оптимизация решений

Оптимизация решений в Watson Studio позволяет организациям решать предписывающие задачи, чтобы принимать более обоснованные решения и улучшать бизнес-результаты. В Watson Studio вы можете создавать модели Decision Optimization либо с помощью записных книжек Jupyter, либо с помощью мощного и простого в использовании интерфейса построителя моделей. Вы можете решить несколько сценариев и развернуть свою модель в Watson Machine Learning.

Онлайн и пакетное развертывание

IBM Watson Machine Learning 2.1 ускоряет процесс перехода к развертыванию и интеграции ИИ в бизнес-приложения. Watson Studio вместе с Watson Machine Learning предлагает единый интерфейс для управления всем жизненным циклом аналитики, от обнаружения до производства.

Когда модель будет готова, пользователь может сохранить свою модель в пространстве развертывания, чтобы развернуть модель и управлять развертыванием. В зависимости от структуры модели пользователь может развертывать модели тремя способами: Online, Batch или Virtual.

IBM Watson Machine Learning поддерживает различные платформы IBM и Open Source для развертывания моделей:

  • SPSS Modeler, Оптимизация решений
  • Искра
  • Scikit-learn и XGBoost
  • PMML
  • Tensorflow, PyTorch, Keras, Caffe
  • Функции Python

Учить больше

Хотите узнать больше? Запишитесь на бесплатную сессию с экспертом IBM сегодня!

Дополнительные ресурсы