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
- Документация Watson Studio и Watson Machine Learning
- Узнайте, как можно оптимизировать решения и действия в вашем бизнесе
с помощью интеллектуальных прогнозов, основанных на достоверных данных - АвтоАИ
- Сочетание оптимизации решений и интеллектуальной автоматизации в единой среде