watsonx.ai Studio su 'Cloud Pak for Data as a Service
Ultimo aggiornamento: 21 feb 2025
watsonx.ai Studio su Cloud Pak for Data as a Service
Descrizione
Copy link to section
IBM
watsonx.ai Studio è uno dei servizi principali in Cloud Pak for Data as a Service.
Il servizio " watsonx.ai Studio era precedentemente noto come servizio " Watson Studio.
watsonx.ai Studio fa parte di Cloud Pak for Data as a Service e fornisce le capacità di data science dell'architettura del data fabric.
watsonx.ai Studio fornisce l'ambiente e gli strumenti per lavorare in modo collaborativo sui dati per risolvere i problemi di business. Puoi scegliere gli strumenti di cui hai bisogno per analizzare e visualizzare i dati, per ripulire e dare forma ai dati, per inserire dati di streaming e per creare e addestrare i modelli di machine learning.
L'architettura di watsonx.ai Studio è incentrata sul progetto. Un progetto è uno spazio di lavoro in cui si organizzano le risorse e si lavora con i dati.
È possibile avere questi tipi di risorse in un progetto:
I collaboratori sono le persone del team che lavorano con i dati. Le attività di Data scientist includono l'analisi dei dati e la creazione di modelli. Le attività di data engineer includono la preparazione e l'integrazione dei dati.
Gli asset di dati puntano ai dati che si trovano nei file caricati o a cui si accede tramite connessioni alle origini dati.
Gli asset operativi sono oggetti creati, ad esempio script e modelli, per eseguire il codice sui dati.
Altri tipi di asset che forniscono componenti, modelli o altre informazioni.
Gli strumenti sono il software che si utilizza per ricavare informazioni dai dati. Questi strumenti sono inclusi nel servizio watsonx.ai Studio :
Data Refinery: preparare e visualizzare i dati.
Jupyter editor di quaderni: Codice Jupyter quaderni.
RStudio®: Codice Jupyter notebook in R e applicazioni R Shiny.
SPSS Modeler: automatizza il flusso di dati attraverso un modello con algoritmi SPSS .
Builder di modelli Decision Optimization : ottimizza la soluzione di scenari di problemi di business. Altri strumenti di progetto richiedono servizi aggiuntivi. Consultare gli elenchi di servizi supplementari e correlati.
Apprendimento federato: addestrare modelli su parti remote senza condividere dati.
Pipeline: automatizza i flussi end-to-end di dati o modelli.
I progetti watsonx.ai Studio si integrano completamente con i catalogo e gli spazi di distribuzione:
I cataloghi sono forniti dal servizio Watson Knowledge Catalog
È possibile spostare facilmente gli asset tra progetti e cataloghi.
Cataloghi e progetti supportano gli stessi tipi di asset di dati.
Le regole di protezione dei dati vengono applicate agli asset del catalogo che vengono aggiunti ai progetti.
Spazi di distribuzione per la visualizzazione e la gestione di modelli e altri tipi di distribuzione.
È possibile spostare facilmente gli asset tra i progetti e gli spazi di distribuzione.
Tabella 2. Servizi correlati. I seguenti servizi correlati sono spesso utilizzati con questo servizio e forniscono funzioni complementari, ma non sono richiesti.
Crea, addestra e distribuisci modelli di machine learning con una gamma completa di strumenti.
Origini dati compatibili
Copy link to section
Consultare Connettori per un elenco di servizi di origine dati compatibili.
L'argomento è stato utile?
Sì
No
Informazioni mancanti
Informazioni errate
Informazioni poco chiare
Link interrotto
Altro
Indietro
0/1000
Invia commento
Indietro
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Cloud Pak for Data relationship map
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.