Novedades 2019

Estas son las nuevas funciones para Watson Studio, Watson Machine Learning y Watson Knowledge Catalog para el año 2019.

Semana finalizada el 13 de diciembre de 2019

Se ha interrumpido la conexión "Object Storage OpenStack Swift (Infraestructura)"

El soporte para la conexión Object Storage OpenStack Swift (Infraestructura) se ha dejado de mantener. La conexión Object Storage OpenStack Swift (Infraestructura) ya no está en la interfaz de usuario.

Semana finalizada el 6 de diciembre de 2019

Actualizaciones para las infraestructuras soportadas de Watson Machine Learning

Ahora está disponible el soporte para PyTorch versión 1.1. Consulte la lista completa de infraestructuras soportadas.

Debido a las vulnerabilidades de seguridad de varias versiones de TensorFlow, Watson Machine Learning ha añadido soporte para TensorFlow versión 1.14, así como para la versión 1.13, y se ha eliminado el soporte de todas las versiones de TensorFlow no seguras, incluidas las versiones 1.5 y 1.11.

Se ha eliminado la herramienta beta Synthesized Neural Networks (NeuNetS)

La herramienta de creación de modelos Synthesized Neural Networks (NeuNetS) de Watson Studio se ha eliminado hasta su fusión con IA automática. Para obtener más detalles, consulte esta publicación del blog sobre la eliminación de NeuNetS.

Semana finalizada el 22 de noviembre de 2019

Fusión de Synthesized Neural Networks (NeuNetS) con IA automática

En 2020, la herramienta de creación de modelos Synthesized Neural Networks (NeuNetS), actualmente en versión beta, se fusionará con IA automática para una experiencia unificada y automatizada de la creación de modelos. A partir del 6 de diciembre de 2019, la herramienta NeuNetS se eliminará de la interfaz Watson Studio hasta que se complete la fusión. Elimine los modelos de NeuNetS antes de esta fecha y mígrelos a versiones más recientes de los modelos Keras. Para obtener detalles sobre la fusión de NeuNetS con IA automática, consulte esta publicación del blog sobre la eliminación de NeuNetS.

Data Refinery elimina una restricción en los datos de origen

  • Ahora los nombres de columnas pueden incluir puntos.

Semana finalizada el 15 de noviembre de 2019

Soporte de caracteres de varios bytes

Ahora los caracteres de varios bytes están totalmente soportados en estas áreas de Watson Knowledge Catalog:

  • Nombres o descripciones de las políticas, reglas o categorías de datos.
  • Nombres, definiciones empresariales o descripciones de los términos del glosario empresarial.
  • Las etiquetas de activos.

No obstante, Data Refinery no da soporte a caracteres de varios bytes en los campos de entrada de usuario, y algunos campos permiten los caracteres de varios bytes pero no los muestran correctamente.

Semana finalizada el 8 de noviembre de 2019

Mejoras de AutoAI

Las nuevas características de IA automática le ofrecen un mayor control sobre cómo se generan las interconexiones de modelos y le permiten conocer mejor el proceso automatizado. Por ejemplo, una nueva visualización muestra las relaciones entre las interconexiones, además de aquello que hace que cada una sea única. Los nuevos valores de los experimentos le permiten seleccionar algoritmos de IA automática específicos que hay que tener en cuenta en la selección del modelo. También puede obtener más control sobre cómo se utilizan sus datos para el entrenamiento de las interconexiones. Para obtener detalles, consulte Creación de un modelo IA automática.

Semana finalizada el 1 de noviembre de 2019

Soporte de Watson Machine Learning para TensorFlow 1.14

Debido a las vulnerabilidades de seguridad de varias versiones de TensorFlow, Watson Machine Learning ha añadido soporte para TensorFlow versión 1.14, así como para la versión 1.13, y el soporte de todas las versiones de TensorFlow no seguras, incluidas las versiones 1.5 y 1.11 está en desuso.

Semana finalizada el 18 de octubre de 2019

Herramienta de detección de objetos

Ahora la herramienta de detección de objetos para el servicio de reconocimiento visual está disponible de forma generalizada. Para ver un vídeo que presenta la detección de objetos.

Semana finalizada el 4 de octubre de 2019

Data Refinery detecta y convierte automáticamente los tipos de datos

Anteriormente, cuando se abría un archivo en Data Refinery, en la mayor parte de los tipos de archivos todas las columnas se interpretaban como tipos de datos de cadena. Ahora, la operación de la GUI de Convertir tipo de columna se aplica automáticamente como primer paso en el flujo de Data Refinery. La operación detecta y convierte automáticamente los tipos de datos a tipos de datos inferidos (por ejemplo, a entero, booleano, etc.) según sea necesario. Esta mejora le ahorrará mucho tiempo, especialmente si los datos tienen muchas columnas. Resulta fácil deshacer la conversión automática o editar la operación para columnas seleccionadas.

Detección y conversión automáticas del tipo de datos

Para obtener más información, consulte Convertir tipo de columna en las operaciones de la GUI en Data Refinery, bajo la categoría FRECUENTEMENTE UTILIZADAS.

Seleccionar el tiempo de ejecución de un flujo de Data Refinery con la interfaz Trabajos

Anteriormente, puede seleccionar el tiempo de ejecución predeterminado para un flujo de Data Refinery en el panel DETALLES DE FLUJO DE DATA REFINERY en Data Refinery (al que se accede desde la pestaña Detalles del panel de información). Se ha eliminado la selección SELECCIONAR TIEMPO DE EJECUCIÓN. En su lugar, seleccione el tiempo de ejecución cuando guarde un trabajo para ejecutar el flujo de Data Refinery. El tiempo de ejecución de los trabajos planificados previamente no cambiará. Para obtener información sobre los trabajos, consulte Trabajos en un proyecto.

Confirmar las palabras vacías eliminadas del flujo de Data Refinery

Utilice la operación de la GUI Tokenizar para probar las palabras que elimina de una columna seleccionada con la operación de la GUI de Eliminar palabras vacías. Para obtener información, consulte Eliminar palabras vacía en las operaciones de GUI en Data Refinery, bajo la categoría LENGUAJE NATURAL.

Semana finalizada el 20 de septiembre de 2019

Decision Optimization está disponible en todos los planes

Ahora Decision Optimization está disponible en el plan Standard, así como en los planes Lite y Enterprise. Para obtener más detalles, consulte el anuncio sobre la disponibilidad de Decision Optimization.

Eliminación de Apache Spark as a Service

Si ha estado utilizando Spark as a Service en un plan Enterprise o Lite desde Watson Studio, debe pasar a utilizar entornos de Spark incorporados. A Spark as a Service ya no se le da soporte. En su lugar, utilice los entornos de Spark incorporados. Consulte Entornos de Spark.

Semana finalizada el 6 de septiembre de 2019

Cambios en Community

Ahora, Watson Studio Community se ha dividido en dos sitios para atender mejor sus necesidades:

  • La galería contiene conjuntos de datos de ejemplo, cuadernos y proyectos que puede añadir directamente a Watson Studio. Puede acceder a la galería desde el menú principal.
  • Watson Studio Community contiene artículos, publicaciones de blog, guías de aprendizaje, eventos y debates.

Semana finalizada el 30 de agosto de 2019

Generador de modelos de Decision Optimization versión beta

El generador de modelos de Decision Optimization está ahora disponible en versión beta. Con el generador de modelos de optimización de decisiones, puede crear varios escenarios utilizando distintos conjuntos de datos y modelos de optimización. Esto permite crear y comparar distintos escenarios y ver qué efecto pueden tener los cambios en un determinado problema.

El generador de modelos le ayuda a:

  • Seleccionar y editar los datos relevantes para posibles problemas de optimización.
  • Ejecutar modelos de optimización
  • Investigar y comparar soluciones para varios escenarios.
  • Crear, importar, editar y resolver modelos de Python y OPL.
  • Importar y exportar modelos de Python a y desde Jupyter Notebooks.
  • Crear y compartir fácilmente informes con tablas, gráficos y notas mediante los widgets proporcionados en el editor de visualizaciones.

Consulte Decision Optimization.

Soporte de R 3.6 y desuso de R 3.4

Ahora puede utilizar los tiempos de ejecución de R 3.6 en Watson Studio para cuadernos e IA automática. El soporte para R 3.4 en Watson Studio ha finalizado el 30 de octubre de 2019. Cuando actualiza un cuaderno desde R 3.4 a R 3.6, es posible que necesite realizar cambios de código, debido a que algunas versiones de las bibliotecas de código abierto pueden ser diferentes.

Consulte la anuncio de soporte para R 3.6.

Recordatorio: Ha finalizado el soporte para Python versiones 3.5 y 2.7

El soporte de las versiones 3.5 y 2.7 de Python en Watson Studio ha finalizado el 28 de agosto de 2019. El soporte en Watson Machine Learning ha finalizado el 9 de septiembre de 2019. Si todavía no lo ha hecho, migre sus activos y modelos para que se ejecuten con Python versión 3.6. Para obtener más información, consulte los anuncios de Watson Studio y Watson Machine Learning.

Semana finalizada el 16 de agosto de 2019

Versión beta abierta para el servicio de detección de objetos

Un nuevo componente del servicio de Watson Studio Visual Recognition le permite crear un modelo que puede identificar objetos dentro de imágenes. Para obtener detalles, consulte Creación de modelos de detección de objetos personalizados.

Recordatorio: Ha finalizado el soporte para Python versiones 3.5 y 2.7

La fecha de finalización del soporte de las versiones 3.5 y 2.7 de Python es el 28 de agosto de 2019. Si todavía no lo ha hecho, migre sus activos y modelos para que se ejecuten con Python versión 3.6. Para obtener más información, consulte los anuncios de Watson Studio y Watson Machine Learning.

Soporte para TensorFlow 1.13

Debido a las vulnerabilidades de seguridad de varias versiones de TensorFlow, Watson Machine Learning ha añadido soporte para TensorFlow versión 1.13, y el soporte de todas las versiones de TensorFlow no seguras, incluidas las versiones 1.5 y 1.11, está en desuso.

Cambio del formato de fecha/hora de la API de Watson Machine Learning V4

Se ha modificado el formato de fecha/hora de la API de Watson Machine Learning versión 4. Este cambio afectará a los usuarios que utilizan el cliente V4 de Python de Watson Machine Learning soportado por API para crear despliegues o trabajos y analizar los campos de fecha/hora en el despliegue o los metadatos relacionados con trabajos.

El formato de fecha que se devolvía anteriormente en una respuesta GET de /v4/deployments era:

yyyy-MM-dd'T'HH:mm:ssZZZZ

El nuevo formato es:

yyyy-MM-dd'T'HH:mm:ss.SSS'Z'

Flujos de SPSS Modeler más rápidos

Ahora los flujos de SPSS Modeler se ejecutan con más rapidez gracias a que su tiempo de ejecución de entorno es más potente. El tiempo de ejecución del entorno para ejecutar los flujos de SPSS Modeler es ahora de 4 vCPU y 16 GB de RAM, en lugar de 2 vCPU y 8 GB de RAM. El nuevo tiempo de ejecución del entorno consume 2 unidades de capacidad por hora.

Se ha eliminado el tiempo de ejecución del entorno RStudio XXS

Ya no está disponible el tiempo de ejecución del entorno RStudio más pequeño, RStudio XXS predeterminado, con 1 vCPU y 5 GB de RAM. Utilice los tiempos de ejecución del entorno de RStudio más potente.

Semana finalizada el 9 de agosto de 2019

La fecha límite para migrar las planificaciones de cuadernos a trabajos se ha ampliado al 30 de agosto

Ahora tiene hasta el viernes, 30 de agosto de 2019 para migrar las planificaciones del cuaderno a la nueva interfaz de trabajos.

Semana finalizada el 2 de agosto de 2019

Ha finalizado el soporte del servicio de autenticación de testigos JSON de Watson Machine Learning

Se ha anunciado el desuso del servicio de autenticación de señal JSON de Watson Machine Learning el 23 de abril de 2019. Si interactúa con el servicio de Watson Machine Learning mediante programación, a través de API, cliente Python o interfaz de línea de mandatos, debe utilizar las credenciales de IBM Cloud VCAP, tal como se describe en la Autenticación de Watson Machine Learning.

Retirado el generador de modelos de Watson Machine Learning

El generador de modelos de Watson Machine Learning ya no está disponible para el entrenamiento de modelos de aprendizaje automático. Los modelos entrenados con el generador de modelos y desplegados en Watson Machine Learning continuarán recibiendo soporte, pero no se podrán entrenar nuevos modelos utilizando el generador de modelos. En su lugar, utilice IA automática para el entrenamiento de modelos de clasificación y regresión. Obtenga más información sobre el anuncio de IA automática u obtenga más información sobre la IA automática.

Recordatorio: Las planificaciones de Data Refinery estarán en desuso a partir del 12 de agosto

Debe migrar las planificaciones del flujo de Data Refinery a la nueva interfaz de trabajos antes del 12 de agosto de 2019.

Semana finalizada el 26 de julio de 2019

Disponibilidad general de Decision Optimization en cuadernos

Ahora Decision Optimization está disponible de forma generalizada en cuadernos de Watson Studio cuando se seleccionan entornos de tiempo de ejecución de Python. Consulte Entornos de cuadernos.

Actualizaciones de AutoAI

Estas mejoras son nuevas para IA automática:

  • Ahora, el origen de datos que utiliza para crear un modelo de IA automática puede ser la salida de Data Refinery de Watson Studio.
  • Después de añadir datos al creador de experimentos de IA automática, puede obtener una vista previa de los datos sin salir de la herramienta. También puede ajustar el porcentaje de datos que se retienen para probar el rendimiento del modelo, del 0 al treinta por ciento.
  • En los modelos de clasificación binaria, puede editar la clase positiva.

Para obtener detalles sobre estas actualizaciones, consulte Creación de un modelo de IA automática

Los detalles sobre cómo se aplican las transformaciones de ingeniería de características se documentan en Detalles de implementación de la IA automática

Semana finalizada el 19 de julio de 2019

Cambio en entornos Python 3.6

La versión del entorno de Python predeterminada en Watson Studio ahora es la 3.6. Las versiones Python 2.7 y 3.5 están en desuso y dejarán de estar disponibles a partir del 28 de agosto de 2019. Cuando cambie de Python 3.5 o 2.7 a Python 3.6, es posible que tenga que actualizar su código si las versiones de las bibliotecas de código abierto que utiliza son diferentes en Python 3.6. Consulte Modificación del entorno.

Lea esta entrada del blog: Actualización de la versión de Python en Watson Studio Cloud

Utilizar un formulario para probar un despliegue de modelo de IA automática

Ahora puede probar un modelo de IA automática utilizando un formulario de entrada como alternativa a escribir código JSON. Especifique valores en los campos de formulario y, a continuación, pulse Predecir para ver la predicción.
Predicción a partir de datos de prueba

Para obtener detalles, consulte Despliegue de un modelo de IA automática

Creación de proyectos simplificada

Cuando crea un proyecto, ahora puede elegir entre crear un proyecto vacío o crear un proyecto desde un archivo o un ejemplo. Todas las herramientas están disponibles en todos los proyectos.

Consulte Configurar un proyecto e Importación de un proyecto.

Añadir paneles de control al archivo de exportación de proyecto

Ahora puede incluir paneles de instrumentos cuando exporta un archivo ZIP de un proyecto a su escritorio. Consulte Exportación de proyectos.

Entornos de RStudio

Cuando inicia RStudio en un proyecto Watson Studio, ahora puede seleccionar el tiempo de ejecución del entorno RStudio en el que se iniciará RStudio por tamaño de hardware. Para obtener información sobre los entornos de RStudio, consulte Trabajos de RStudio en un proyecto.

Semana finalizada el 12 de julio de 2019

Nueva interfaz de usuario de trabajos para ejecutar y planificar flujos de Data Refinery y planificar cuadernos

La interfaz de usuario de trabajos proporciona un nuevo modo de ejecutar o planificar un flujo de Data Refinery o de planificar un cuaderno. En la página del proyecto, pulse la pestaña Trabajos para ver todos los trabajos de un proyecto y sus detalles de ejecución. Ahora puede crear varios trabajos para el mismo activo, por ejemplo, un trabajo con diferentes tiempos de ejecución o diferentes planificaciones. También puede crear un trabajo desde Data Refinery o desde un cuaderno. Para obtener información sobre los trabajos, consulte Trabajos en un proyecto.

Importante
Debe migrar manualmente las planificaciones de flujo de Data Refinery actuales a la nueva interfaz de trabajos antes del 12 de agosto de 2019. Migre las planificaciones del cuaderno antes del 30 de agosto de 2019.

Nuevo tiempo de ejecución predeterminado para Data Refinery

El nuevo tiempo de ejecución predeterminado para Data Refinery es Default Data Refinery XS. Las ejecuciones del flujo de Data Refinery establecidas anteriormente en None - Use Data Refinery flow Default ahora utilizarán este nuevo tiempo de ejecución. Al igual que el tiempo de ejecución de Spark R 3.4, el tiempo de ejecución de Default Data Refinery XS está preparado para HIPAA.

Entorno predeterminado de Data Refinery XS

También puede seleccionar este tiempo de ejecución cuando crea un trabajo.

Data Refinery XS predeterminado en un trabajo

Consulte Entornos de Data Refinery.

Trabajar en Data Refinery consume CUH

Cuando crea o edita un flujo de Data Refinery, el tiempo de ejecución consume unidades de capacidad por hora. El tiempo de ejecución se detiene automáticamente después de una hora de inactividad.
Importante: puede detener manualmente el tiempo de ejecución en la página Entornos del proyecto para dejar de consumir CUH. Consulte Entornos de Data Refinery.

Nuevo modo de abrir un flujo de Data Refinery desde la página del proyecto

Para acceder a un flujo de Data Refinery desde la página Activos del proyecto, pulse el nombre del flujo de Data Refinery. (Anteriormente, ha accedido al flujo de Data Refinery desde una opción Refinar en el menú ACCIONES.)

Ahora el cambio del origen de un flujo de Data Refinery se lleva a cabo en los pasos de Data Refinery

Para cambiar el origen de un flujo de Data Refinery, pulse el icono de edición situado junto a Origen de datos en el panel Pasos. (Previamente, habrá cambiado el origen desde la página Resumen.)

Editar origen

Como antes, para obtener los mejores resultados, el nuevo conjunto de datos debe tener un esquema que sea compatible con el conjunto de datos original (por ejemplo, los nombres de columna, el número de columnas y los tipos de datos). Si el nuevo conjunto de datos tiene un esquema diferente, las operaciones que no funcionarán con el esquema mostrarán errores. Puede editar o suprimir las operaciones, o cambiar el origen por uno que tenga un esquema más compatible.

Archivo léame del proyecto incluido en la exportación y la importación del proyecto

Antes de exportar un proyecto, puede añadir una breve descripción del caso de uso de análisis de los activos incluidos y los métodos de análisis aplicados en un archivo readme (o léame) del proyecto, y ahora este archivo está incluido en la exportación del proyecto. Al importar un proyecto, puede consultar el archivo léame para obtener una breve descripción de la intención del proyecto en la página Visión general del proyecto.

El conector de Watson Analytics está en desuso

El conector Watson Analytics se ha eliminado de la lista de orígenes de datos en la página Nuevas conexiones.

Conector de Snowflake disponible

Ahora los proyectos y catálogos dan soporte a una base de datos Snowflake que le permite almacenar y recuperar datos en ella.

Semana finalizada el 5 de julio de 2019

Creación de un proyecto desde un ejemplo

Si es nuevo en Watson Studio y está buscando cómo utilizar los activos de datos en las herramientas, como los cuadernos, para prepara datos, analizar datos, crear y entrenar modelos y visualizar los resultados del análisis, ahora puede crear un proyecto desde un ejemplo. Consulte Importación de un proyecto desde un ejemplo.

Semana finalizada el 28 de junio de 2019

Cómo elegir una herramienta en Watson Studio

Ahora puede averiguar qué herramienta necesita haciendo coincidir su tipo de datos con lo que desea hacer con los datos y la cantidad de automatización que desea.

Consulte Selección de una herramienta.

Flujo de secuencias

El operador de origen de MQTT, además del mensaje, ahora también proporciona el atributo de metadatos event_topic, para cada suceso.

Semana finalizada el 21 de junio de 2019

Decision Optimization

Decision Optimization proporciona acceso a los motores de soluciones líderes de IBM para la programación matemática y la programación de restricciones. Utilice esta sofisticada tecnología de análisis prescriptivo, que puede explorar una amplia gama de soluciones posibles antes de sugerir el mejor modo de responder a una situación actual o futura. Con Decision Optimization, puede:

  • Comenzar con un problema empresarial, por ejemplo, una planificación, una programación, un establecimiento de precios, un inventario o la gestión de recursos.
  • Crear un modelo de optimización, que es la formulación matemática del problema que se puede interpretar y resolver mediante un motor de optimización. El modelo de optimización más los datos de entrada crean una instancia de un escenario.
  • Ejecute el motor de Decision Optimization (o solucionador) para buscar una solución, establecer las decisiones que obtienen los mejores objetivos y que respetan las restricciones y límites impuestos. Las métricas miden la calidad de la solución en términos de los objetivos empresariales.
  • Utilice Watson Machine Learning para desplegar la solución y ponerla a disposición de los usuarios empresariales mediante una aplicación empresarial. Normalmente, la solución y los objetivos se resumen en vistas tabulares o gráficas que permiten conocerlos y comprenderlos.

Para obtener detalles sobre la creación de un modelo de análisis prescriptivo, consulte Decision Optimization.

Para obtener detalles sobre el despliegue de soluciones, consulte Despliegue de Decision Optimization.

Experimentos de AutoAI

  • Ahora puede crear un experimento de IA automática desde un archivo de ejemplo, para que pueda ver cómo IA automática analiza y transforma los datos y, a continuación, crea las interconexiones candidatas del modelo para que las revise y compare sin tener que cargar sus propios datos.
  • Siga los pasos de Creación de un experimento de IA automática a partir de datos de ejemplo para aprender a desplegar y puntuar un modelo creado a partir del conjunto de datos de ejemplo de Marketing de entidad bancaria.
  • Ahora, los modelos de IA automática guardados como activos de Watson Machine Learning solo están disponibles en el proyecto en el que se han creado. Los modelos de IA automática creados con anterioridad a esta actualización estarán disponibles en otros proyectos que comparten la misma instancia de aprendizaje automático.

Vista previa de la nueva biblioteca del cliente Python con la API V4 de Watson Machine Learning

Se está elaborando una nueva versión de la biblioteca del cliente Python para dar soporte a las nuevas características en Watson Machine Learning. Este cliente Python, creado en la versión 4 de las API de Watson Machine Learning, está disponible como una vista previa para dar soporte a experimentos de IA automática y Decision Optimization.

Para obtener detalles sobre la instalación del nuevo cliente de Python y el acceso a la documentación asociada, consulte Cliente de Python.

Flujo de secuencias

Además del mensaje JSON, el operador de origen de Watson IoT ahora también proporciona los siguientes atributos de metadatos para cada suceso: event_typeId, event_deviceId y event_eventId.

Semana finalizada el 7 de junio de 2019

Conector para Cognos Analytics disponible

Ahora los proyectos y catálogos dan soporte a conexiones con Cognos Analytics, lo que le permite almacenar y recuperar datos ahí.

Mejoras de experimentos de IA automática

Una nueva Guía de aprendizaje de IA automática le guiará por el proceso de creación, despliegue y puntuación de un modelo de clasificación binaria utilizando la IA automática.

Las mejoras siguientes hacen más fácil la revisión de las interconexiones con el modelo de IA automática:

  • Diseños mejorados que agilizan la obtención de detalles de una interconexión
  • Cuando expande una interconexión en el marcador para revisar los detalles, ahora puede ver las puntuaciones de los datos reservados y los datos de formación.

Semana finalizada el 31 de mayo de 2019

Creación de modelos con IA automática

En Watson Studio, la IA automática analiza automáticamente los datos, selecciona un tipo de modelo, aplica estimadores y genera interconexiones de modelos candidatos personalizados para su problema de modelado predictivo. Los resultados se muestran en un marcador, que es una tabla que muestra la lista de modelos candidatos generados automáticamente, como, por ejemplo, interconexiones, clasificados según el criterio especificado.

IA automática proporciona una vista de la optimización de los estimadores e hiperparámetros que se han aplicado a cada interconexión, para que pueda confiar en cómo se ha generado cada interconexión. Después de visualizar y comparar interconexiones, puede guardar una como un modelo que se puede desplegar y probar. Para obtener detalles sobre cómo crear modelos utilizando IA automática, consulte Visión general de IA automática

Semana finalizada el 24 de mayo de 2019

Nuevos nodos de SPSS Modeler

Puede utilizar estos nuevos nodos en SPSS Modeler:

  • Nodo Reproyectar: Un nodo de operaciones de campo que cambia el sistema de coordenadas de los campos del sistema de coordenadas geográficas por el sistema de coordenadas proyectadas. Consulte Nodo Reproyectar.
  • Nodo Cajas-espacio-tiempo: Un nodo de operaciones de registro que representa la región de espacio y hora, que habitualmente tiene el formato de una serie alfanumérica. Consulte Nodo Cajas-espacio-tiempo.
  • Nodo de predicción espacio-temporal: Un nodo de modelado que proporciona técnicas estadísticas que puede utilizar para pronosticar valores futuros en ubicaciones diferentes y para modelar de forma explícita factores ajustables que realizan análisis hipotéticos. Consulte Nodo de predicción espacio-temporal.

Nueva opción del menú del botón derecho para nodos de SPSS Modeler

Anteriormente, cuando se pulsaba con el botón derecho del ratón en un nodo y se seleccionaba Vista previa, se abría la pestaña Datos, la pestaña Perfil y la pestaña Visualizaciones, lo que le permitía examinar los datos de su flujo de varias maneras. Ahora, cuando selecciona Vista previa, obtiene una instantánea de los datos que se carga más rápidamente. Utilice la nueva opción con el botón derecho del ratón llamada Perfil para trabajar con las características completas como, por ejemplo, la pestaña Visualizaciones.

Selecciones de perfil y vista previa

Semana finalizada el 17 de mayo de 2019

Tiempos de ejecución de Spark para flujos de Data Refinery

Ahora puede utilizar los tiempos de ejecución de Spark con Data Refinery:

  • Ahora, los entornos de Spark R 3.4 para ejecutar flujos de Data Refinery están disponibles de forma generalizada y están preparados para la ley HIPAA. Al ejecutar un flujo de Data Refinery, puede seleccionar utilizar el entorno Default Spark R 3.4 preestablecido o configurar su propio entorno Spark con el tamaño de hardware que necesite para la carga de trabajo. No puede seleccionar un entorno Spark R 3.4 para planificar una ejecución de flujo de Data Refinery.

    Selección de entorno de Spark en la página Detalles del flujo de Data Refinery

    Para obtener información e instrucciones, consulte Entornos de Spark para Data Refinery.

  • El tiempo de ejecución None - Use Data Refinery Default está en desuso. No obstante, puede continuar utilizando este tiempo de ejecución para ejecutar flujos de Data Refinery que operan en conjuntos de datos pequeños y para planificar ejecuciones de flujos de Data Refinery.

Semana finalizada el 10 de mayo de 2019

Flujo de secuencias

  • Se han añadido tipos de datos binarios para dar soporte a casos de uso, tales como el proceso, puntuación y clasificación de datos binarios, imágenes, vídeo y audio, utilizando modelos de aprendizaje automático preentrenados.
  • Opción de ingesta de datos sin formato sin el análisis JSON incorporado en los operadores de origen de Event Streams, Kafka y HTTP.
    • Posibilidad de contar con su propio análisis personalizado añadiendo un operador de código.
    • Posibilidad de ingesta de datos binarios (por ejemplo, imágenes, vídeo y audio).
  • Opción de escritura de datos sin los formatos incorporados, como JSON, en los operadores de destino de Event Streams y Kafka.
    • Posibilidad de contar con su propio formato personalizado insertando un operador de código.
    • Posibilidad de escribir datos binarios (por ejemplo, imágenes, vídeo y audio).
  • Atributos de metadatos opcionales en los operadores de origen de Event Streams y Kafka: event_topic, event_offset, event_timestamp, event_partition.

Semana finalizada el 3 de mayo de 2019

Disponibilidad general de Watson Studio Local 2.0

Ahora, Watson Studio Local 2.0 está disponible de forma generalizada cuando necesita las funciones de Watson Studio en su nube privada. Véase Documentación de Watson Studio Local 2.0.

Para obtener una comparación de características entre distintos entornos de despliegue de Watson Studio, Watson Machine Learning y Watson Knowledge Catalog, consulte Diferencias de características entre entornos de despliegue.

El servicio Apache Spark Lite está en desuso

Ya no puede asociar un servicio Apache Spark Lite a un proyecto. Los servicios de Apache Spark Lite se han suprimido el 28 de junio de 2019. En su lugar, utilice los entornos de Spark incorporados. Consulte Entornos de Spark.

Semana finalizada el 25 de abril de 2019

Migración de proyectos de Object Storage OpenStack Swift

Ya no podrá descargar activos desde los proyectos restantes que utilicen Object Storage OpenStack Swift. Si tiene problemas al descargar datos desde un proyecto con Object Storage OpenStack Swift para poder migrar el proyecto a IBM Cloud Object Storage, abra un tíquet en IBM Support.

Cambio de nombre de clasificadores de atributos a clases de datos

Los clasificadores de atributos que caracterizan el contenido de las columnas en los activos de datos relacionales ahora se denominan clases de datos. Las clases de datos se asignan automáticamente a las columnas durante la creación de perfiles. Consulte Perfiles.

Semana finalizada el 12 de abril de 2019

Exportar un proyecto

Ahora puede compartir los activos del proyecto con otros usuarios exportando su proyecto. Los activos de proyecto que seleccione se descargarán como un archivo ZIP de proyecto en su escritorio.

Importar un proyecto desde el escritorio

Cuando crea un proyecto puede seleccionar el iniciador de importación de proyectos, que permite importar activos desde otro proyecto para utilizarlos en un nuevo proyecto.

Filtro de búsqueda mejorado en Watson Knowledge Catalog

Ahora, cuando busque activos en un catálogo, encontrará los filtros de búsqueda directamente debajo del campo de búsqueda. Puede filtrar por etiquetas, por términos empresariales asignados a activos de datos y por tipos de activos. La lista de etiquetas está ahora clasificada por orden alfabético.

Búsqueda de activos en un catálogo con filtros

Semana finalizada el 5 de abril de 2019

Data Refinery: Las operaciones de tipo columna-acción continúan focalizadas en la columna

Cuando pulsa una columna en Data Refinery y selecciona una operación desde el menú de acciones (tres puntos verticales), el foco permanece en esa columna. Antes, el foco siempre cambiaba a la primera columna. Esta mejora es especialmente útil cuando se trabaja con tablas de gran anchura.

Semana finalizada el 22 de marzo de 2019

Importar un flujo de secuencias desde un URL

Ahora también puede importar un flujo de secuencias desde un URL, además de importarlo desde un archivo.

Semana finalizada el 15 de marzo de 2019

El conector de Google Cloud Storage está disponible

Ahora los proyectos y catálogos dan soporte a conexiones con Google Cloud Storage, lo que le permite almacenar y recuperar datos ahí.

Semana finalizada el 1 de marzo de 2019

Migrar Watson Studio desde Cloud Foundry a un grupo de recursos

Puede migrar la instancia de servicio de Watson Studio desde una organización y espacio de Cloud Foundry a un grupo de recursos en IBM Cloud. Los grupos de recursos incluyen un control de acceso más preciso utilizando IAM (Identity Access Management) de IBM Cloud, la característica que permite conectar instancias de servicio con aplicaciones y servicios de diferentes regiones y proporciona un modo fácil de ver el uso por grupo.

Para obtener instrucciones, consulte IBM Cloud: migración de instancias del servicio de Cloud Foundry a un grupo de recursos.

Servicio Secure Gateway para instancias de Watson Studio en la región de Tokio

El servicio Secure Gateway todavía no está disponible en la región de servicio Tokio (AP-Norte) de IBM Cloud. No obstante, ahora puede suministrar un servicio Secure Gateway en cualquier otra región y utilizarlo cuando crea una conexión en una instancia de Watson Studio desde cualquier región, incluida Tokio.

Asignar términos y etiquetas a columnas en Watson Knowledge Catalog

Ahora puede asignar términos empresariales y etiquetas a columnas en activos de datos relacionales en catálogos. Consulte Edición de activos en catálogos.

Publicar y suscribir mensajes en temas con el operador de Streams en un flujo de secuencias

En los flujos de secuencias, ahora puede suscribirse a temas con el operador de Origen y publicar los temas con el operador de Destino en el servicio Streaming Analytics.

Semana finalizada el 22 de febrero de 2019

Ahora los flujos de Data Refinery consumen CUH de las que se realiza un seguimiento.

Ahora se realiza un seguimiento de las horas de unidad de capacidad (CUH) que se consumen cuando se ejecuta un flujo de Data Refinery en un entorno Spark R 3.4.

Para obtener información, consulte Entornos de Spark para Data Refinery.

Semana finalizada el 8 de febrero de 2019

Ejecute flujos de Data Refinery en un entorno Spark R (versión beta abierta)

Ahora puede seleccionar un entorno Spark R para sus flujos de Data Refinery. Puede seleccionar el entorno Spark R 3.4 predeterminado o puede crear su propia definición de entorno Spark R, que se personalizará para el tamaño de su conjunto de datos. Cada flujo de Data Refinery se ejecuta en un clúster de Spark dedicado.

Seleccione el entorno de Spark desde la página de detalles del flujo de Data Refinery cuando guarde y ejecute el flujo.

Selección de entorno de Spark en la página Detalles del flujo de Data Refinery

Para obtener información e instrucciones, consulte Entornos de Spark para Data Refinery.

Semana finalizada el 1 de febrero de 2019

Nuevo menú de navegación

Puede encontrar fácilmente todas las opciones de menú en una ubicación del nuevo menú de navegación. Pulse El icono del menú de navegación para expandir el menú.

El menú de navegación

Preparación para HIPAA de Watson Studio y Watson Machine Learning

Watson Studio y Watson Machine Learning cumplen con los controles de IBM exigidos que son proporcionales a los requisitos de las reglas de seguridad y privacidad de la ley HIPAA de 1996 (Health Insurance Portability and Accountability Act). La preparación para HIPAA se aplica únicamente a determinados planes y regiones.

Consulte Preparación para HIPAA y lea este blog sobre la preparación para HIPAA.

Semana finalizada el 25 de enero de 2019

Nuevo nodo de SPSS Modeler

Ahora, los flujos de SPSS Modeler dan soporte al nodo Valores globales para calcular valores de resumen para las expresiones CLEM. Consulte Nodos SPSS Modeler.

Ahora, el operador del modelo Python da soporte a Watson Machine Learning en flujos de secuencias

Además de cargar modelos desde IBM Cloud Object Storage, ahora el operador del modelo Python también permite cargar modelos desde el servicio Watson Machine Learning.

Semana finalizada el 18 de enero de 2019

Ahora, los flujos de SPSS Modeler dan soporte a un número mayor de nodos de escritorio de SPSS Modeler.

Hay más Nodos de modelado de SPSS.

Semana finalizada el 11 de enero de 2019

Actualización fácil con el botón Actualizar

Cuando esté preparado para actualizar el servicio Watson Studio, Watson Knowledge Catalog o Watson Machine Learning desde un plan Lite, pulse el botón Actualizar. Se le guiará por el proceso de actualización en sólo unos pocos clics. Consulte Actualizar los servicios de Watson.

Ahora los flujos de secuencias dan soporte a UDP (User Defined Parallelism) para Event Streams

Con User Defined Parallelism, varios trabajadores ayudan a aumentar la tasa de ingesta para temas con varias particiones.

Tema principal: Novedades