IBM запускает машинное обучение в частном облаке
Компания IBM представила IBM Machine Learning, когнитивную платформу для непрерывного создания, обучения и развертывания большого объема аналитических моделей в частном облаке, которое лежит в основе обширных корпоративных хранилищ данных. Даже используя самые современные методы, специалисты по обработке данных, которых сейчас не хватает на рынке, могут потратить дни или недели на пошаговую разработку, тестирование и модификацию всего одной аналитической модели.
IBM взяла за основу технологию машинного обучения платформы IBM Watson и прежде всего сделает ее доступной там, где размещена большая часть корпоративных данных заказчиков: на мейнфреймах z Systems, операционных ядрах глобальных организаций. С их помощью банки, предприятия розничной торговли, страховые, транспортные и государственные компании ежедневно проводят миллиарды транзакций.
IBM Machine Learning позволяет специалистам по обработке данных автоматизировать создание, обучение и развертывание операционных аналитических моделей, поддерживающих:
- любой язык (например, Scala, Java, Python);
- любой популярный фреймворк для машинного обучения (например, Apache SparkML, TensorFlow, H2O);
- любой тип данных по транзакциям;
- перемещение данных в облако без дополнительных расходов, задержек или рисков.
Cognitive Automation for Data Scientists, разработанная IBM Research, помогает специалистам по обработке информации выбирать подходящий алгоритм для анализа путем сравнения доступных алгоритмов с имеющимися данными и их ранжирования. Таким образом, система находит наилучшее соответствие для текущих потребностей. Сервис также учитывает различные обстоятельства, например, необходимый функционал алгоритма и скорость получения результатов.
IBM Machine Learning поможет бизнесу из различных отраслей справляться с задачами динамического характера:
- В сфере розничной торговли система предсказания объемов продаж должна принимать во внимание современные тренды на рынке, а не только тенденции прошлого месяца. Для персонализации в режиме реального времени программа должна учитывать все, что случилось за прошедший час.
- В сфере финансовых сервисов система, которая предлагает различные продукты для финансовых консультантов или брокеров, должна эффективно учитывать текущие интересы, тренды и движения рынка, а не события прошлых месяцев.
- В области здравоохранения решения персонализированной медицины должны подстраиваться под каждого заказчика и конкретный случай. Медицинские и персональные фитнес-устройства, подключаемые через интернет вещей, могут быть использованы для сбора данных о поведении человека и компьютера, а также их взаимодействии.
Мейнфрейм IBM z Systems способен обрабатывать до 2,5 млрд транзакций в день – это эквивалент примерно 100 «киберпонедельников». IBM Machine Learning for z/OS помогает извлечь наибольшую ценность из данных z Systems, не перемещая при этом информацию из системы для анализа. Это также позволяет минимизировать задержки, затраты на проведение транзакций и риски безопасности, связанные с традиционными ETL-процессами. Система постоянно анализирует данные, модели для предоставления улучшенных прогнозов, инструменты оптимизации поведенческих моделей и ускорения времени получения инсайтов.
IBM Machine Learning сначала будет доступна на z/OS, а затем появится на других платформах, включая IBM POWER Systems. Развертывая IBM Machine Learning на POWER Systems, заказчики смогут более эффективно использовать машинное обучение, обеспечивая высокую производительность и рентабельность вместе с полным управлением данными.
