Translation not up to date
IBM watsonx.ai ürününe genel bakış
IBM watsonx.ai , temel modellerle desteklenen ve makine öğrenimi modelleri oluşturmak için üretken yapay zeka yetenekleriyle çalışmak üzere bütünleştirilmiş araçlardan oluşan bir stüdyodur. IBM watsonx.ai , kuruluşunuzun güvenilir verilerine erişebileceğiniz, yapay zeka süreçlerini otomatikleştirebileceğiniz ve uygulamalarınızda yapay zeka sağlayabileceğiniz güvenli ve işbirliğine dayalı bir ortam sağlar.
watsonx.aiürününü tanıtan bu kısa videoyu izleyin.
watsonx.data' yı mı arıyorsunuz? IBM watsonx.data documentationbaşlıklı konuya gidin.
IBM watsonx.ai: ile aşağıdaki hedefleri gerçekleştirebilirsiniz:
- Makine öğrenimi modelleri oluşturun
- Açık kaynak çerçevelerini ve kod tabanlı, otomatikleştirilmiş ya da görsel veri bilimi araçlarını kullanarak modeller oluşturun.
- Temel modellerle deneme
- Giriş metninizden içerik oluşturmak, sınıflandırmak, özetlemek ya da çıkarmak için bilgi istemlerini test edin. IBM modelleri ya da Hugging Face (Kucaklama Yüzünden) açık kaynak modelleri arasından seçim yapın.
- Yapay zeka yaşam çevrimini yönetin
- Yapay zeka modellerini eğitmek, doğrulamak ve devreye almak için tüm bütünleştirilmiş araçlarla ve çalıştırma zamanlarıyla tüm yapay zeka modeli yaşam çevrimini yönetin ve otomatikleştirin.
Watsonx.ai , veri ve modellerle çalışmak için aşağıdaki araçları sağlar:
| Nelerin kullanılabileceğini | Neler yapabilirsiniz? | En iyi kullanım zamanı |
|---|---|---|
| Data Refinery | Çeşitli veri kaynağı bağlantılarından verilere erişin ve verileri iyileştirin. Sonuç veri kümelerini, diğer veri bilimcilerinin analiz etmesi ve keşfetmesi için verileri birleştirebilecek, birleştirebilecek ya da süzgeçten geçirebilecek anlık görüntüler olarak ortaya geçirin. |
Verileri biçimlendirmek ya da temizlemek istediğinizde görselleştirmeniz gerekir. Büyük miktardaki işlenmemiş verilerin analiz için hazırlanması sürecini basitleştirmek istiyorsunuz. |
| Bilgi İstemi Laboratuvarı | Bilgi istemlerini girerek IBM ve açık kaynak temel modellerini deneyin. | Üretken yapay zeka çözümünüz için bilgi istemleri tasarlamak istiyorsunuz. |
| AutoAI | Algoritmaları otomatik olarak seçmek, özellikleri tasarlamak, boru hattı adayları oluşturmak ve makine öğrenimi modeli adaylarını eğitmek için AutoAI olanağını kullanın. Daha sonra, sıralı ardışık hatları değerlendirin ve en iyisini model olarak kaydedin. Eğitilmiş modelleri bir alanda devreye alın ya da AutoAI ' den hoşlandığınız model eğitim hattını bir dizüstü bilgisayara aktarın. |
İyi bir eğitim hattı ve makine öğrenimi modellerini hızlı bir şekilde oluşturmak için gelişmiş ve otomatikleştirilmiş bir yol istiyorsunuz. Oluşturulan ardışık işlemleri daraltmak için dışa aktarabilmek istiyorsunuz. |
| Not defterleri ve komut dosyaları | Python kitaplığıyla temel modeller için bilgi isteminde bulun. Python ya da R ' de kendi özellik mühendisliği, model eğitimi ve değerlendirme kodunuzu yazmak için not defterlerini ve komut dosyalarını kullanın. Projede bulunan eğitim veri kümelerini ya da veritabanları, veri gölleri ya da nesne depolaması gibi veri kaynaklarına bağlantıları kullanın. Sık kullandığınız açık kaynak çerçevelerini ve kitaplıkları içeren kod. |
Modellerle çalışırken kullandığınız kod üzerinde tam denetime sahip olmak için Python ya da R kodlama becerilerini kullanmak istiyorsunuz. |
| SPSS Modeler akışları | Kendi makine öğrenimi modeli eğitim, değerlendirme ve puanlama akışlarınızı oluşturmak için SPSS Modeler akışlarını kullanın. Projede bulunan eğitim veri kümelerini ya da veritabanları, veri gölleri ya da nesne depolaması gibi veri kaynaklarına bağlantıları kullanın. | Verileri keşfetmenin ve makine öğrenimi modeli eğitimini, değerlendirmesini ve puanlama akışlarını tanımlamanın basit bir yolunu istiyorsunuz. |
| RStudio | RStudio 'da R ile çalışarak verileri analiz edin ve makine öğrenimi modellerini oluşturun ve test edin. | R ' de çalışmak için bir geliştirme ortamı kullanmak istiyorsunuz. |
| Decision Optimization | Watson Machine Learningile devreye almak için veri hazırlayın, modelleri içe aktarın, sorunları çözün ve senaryoları karşılaştırın, verileri görselleştirin, çözümleri bulun, raporlar oluşturun ve modelleri kaydedin. | Normatif analitik sorununa en iyi çözümü bulmak için milyonlarca olasılığı değerlendirmeniz gerekir. |
| Birleşik öğrenim | Dağıtılmış verileri kullanan ortak bir makine öğrenimi modeli eğitilmesi. | Birden çok konuma dağıtılan verileri taşımadan, birleştirmeden ya da paylaşmadan bir makine öğrenimi modelini eğitmeniz gerekir. |
| Watson Pipelines | Veri alımından model eğitimine, testine ve devreye almaya kadar dizüstü bilgisayar, Data Refineryve makine öğrenimi iletişim hatlarını otomatikleştiren yinelenebilir ve zamanlanmış akışlar oluşturmak için boru hatlarını kullanın. | MLOps akışındaki adımların bazılarını ya da tümünü otomatikleştirmek istiyorsunuz. |
| Synthetic Data Generator | Görsel akışları ve modelleme algoritmalarını kullanarak üretim verilerine veya özel bir veri şemasına dayalı sentetik sekmeli veriler oluşturun. | Üretim verilerini maskelemek ya da taklit etmek ya da özel bir veri şemasından sentetik veri oluşturmak istiyorsunuz. |
Verilerinizin ve modellerinizin güvenliği ve gizliliği
Verileriniz ve oluşturduğunuz modeller de dahil olmak üzere watsonx.aiüzerindeki çalışmalarınız hesabınıza özeldir:
- Verilerinize yalnızca sizin tarafınızdan erişilebilir. Verileriniz yalnızca modellerinizi eğitmek için kullanılır. Verilerinize hiçbir zaman IBM ya da başka bir kişi ya da kuruluş tarafından erişilemez ya da kullanılmaz. Verileriniz, IBM Cloud Object Storage hizmet eşgörünümünüzden özel olarak ayrılmış depolama kovalarında depolanır. Veriler atılıp hareket halindeyken şifrelenir.
- Oluşturduğunuz modellere yalnızca siz erişebilirsiniz. Modelleriniz hiçbir zaman IBM ya da başka bir kişi ya da kuruluş tarafından erişilemez ya da kullanılmaz. Modellerinizin güvenliği verilerinizle aynı şekilde sağlanır.
Güvenlik ve seçenekleriniz hakkında daha fazla bilgi edinin:
Temel mimari
Watsonx , kuruluşunuzun verimli bir şekilde işbirliği yapması için güvenli ve ölçeklenebilir bir temel olarak aşağıdaki işlevleri içerir:
- Yazılım ve donanım
- Watsonx , IBM Cloudüzerinde IBM tarafından tamamen yönetilir. Yazılım güncellemeleri otomatik olarak gerçekleştirilir. Bilgi işlem kaynaklarının ve depolamanın ölçeklenmesi otomatiktir.
- Depolama Olanağı
- Depolama sağlamanız için otomatik olarak bir IBM Cloud Object Storage hizmet eşgörünümü sağlanır.
- Kaynakları hesapla
- İşleriniz için uygun yürütme ortamını seçebilirsiniz. Bilgi işlem kaynağı kullanımı, çalıştırma zamanı ortamına ve etkin süresine ilişkin hıza göre faturalanır.
- Güvenlik, uyumluluk ve yalıtım
- Veri güvenliği, ağ güvenliği, güvenlik standartları uyumluluğu ve watsonx yalıtımı IBM Cloudtarafından yönetilir. Ek güvenlik ve şifreleme seçenekleri ayarlayabilirsiniz.
- Kullanıcı yönetimi
- IBM Cloud Identity and Access Managementile kullanıcı ve kullanıcı grupları ekleyebilir ve bunların hesap rollerini ve izinlerini yönetebilirsiniz. Platform genelinde işbirliğine dayalı her çalışma alanında roller atayabilirsiniz.
- Genel arama
- Platformda varlıkları arayabilirsiniz.
- Veri kaynaklarına paylaşılan bağlantılar
- Platform assets catalogplatform genelinde başkalarıyla bağlantıları paylaşabilirsiniz.
- Örnekler
- IBMtarafından düzenlenen örnek veri kümelerini, dizüstü bilgisayarları, projeleri ve modelleri deneyebilirsiniz.
watsonx platformunda Watsonx.ai , Watson Studio ve Watson Machine Learning hizmetlerini içerir.
Çalışma alanları ve varlıklar
Watsonx , ekibinizle ya da kuruluşunuzla çalışabileceğiniz bir işbirliği çalışma alanları kümesi olarak düzenlenmiştir. Her çalışma alanının, eylemleri gerçekleştirmek için izin sağlayan rollere sahip bir üye kümesi vardır. Çoğu kullanıcı, kullanıcıların platforma ekledikleri öğeler olan varlıklarla çalışır. Veri varlıkları verileri gösteren meta verileri içerirken, modeller gibi araçlarda oluşturduğunuz varlıklar verilerle çalışmak için kodu çalıştırıyor. Projelerde varlıklar oluşturur ve devreye alma alanlarında tamamlanan varlıkların devreye alınmasını yönetebilirsiniz.
Projeler ve araçlar
Projeler, veri bilimi ve model oluşturucu ekiplerinizin kayıtlı bilgi istemleri, not defterleri, modeller ya da boru hatları gibi varlıkları oluşturmak için verilerle çalıştığı yerdir. Kum havuzu projeniz olarak bilinen ilk projeniz, watsonx.aiiçin kaydolduğunuzda otomatik olarak yaratılır.
Aşağıdaki resim, bir projenin Genel Bakış sayfasının nasıl görünebileceğini göstermektedir.
Konuşlandırma alanları
Devreye alma alanları, ModelOps ekibinizin modelleri ve diğer devreye alınabilir varlıkları üretimde devreye aldığı ve ardından üretimde devreye alımları test ettiği ve yönettiği alanlardır. Projelerde modeller ve devreye alınabilir varlıklar oluşturduktan sonra bunları devreye alma alanlarına yükseltebilirsiniz.
Aşağıdaki resim, bir konuşlandırma alanının Genel Bakış sayfasının nasıl görünebileceğini göstermektedir.
Örnekler
Platform, modeller, veri varlıkları, bilgi istemleri, not defterleri ve örnek projeler sağlayan tümleşik bir örnek derlemini içerir. Örnek dizüstü bilgisayarlar, veri bilimi ve makine öğrenimi koduna örnekler sağlar. Örnek projeler, veri kümelerini, modelleri, diğer varlıkları ve belirli bir iş sorununun nasıl çözüleceğini anlatan ayrıntılı yönergeleri içerir.
Aşağıdaki resim, Örneklerin nasıl göründüğünü gösterir.
