2019 年の新機能

Watson Studio、Watson Machine Learning、および Watson Knowledge Catalog の 2019 年の新機能は以下のとおりです。

2019 年 12 月 13 日までの週

「Object Storage OpenStack Swift (インフラストラクチャー)」接続が廃止されました

Object Storage OpenStack Swift (インフラストラクチャー) 接続のサポートは廃止されました。 Object Storage OpenStack Swift (インフラストラクチャー) 接続がユーザー・インターフェースに表示されなくなります。

2019 年 12 月 6 日までの週

Watson Machine Learning のサポートされるフレームワークの更新

PyTorch バージョン 1.1 のサポートが利用可能になりました。 サポート対象フレームワークの完全なリストを参照してください。

いくつかの TensorFlow バージョンのセキュリティーの脆弱性により、Watson Machine Learning では、TensorFlow バージョン 1.13 に加えて 1.14 のサポートが追加され、非セキュアなすべての TensorFlow バージョン (1.5 および 1.11 など) のサポートが除去されました。

合成ニューラル・ネットワーク (NeuNetS) ベータ・ツールの除去

合成ニューラル・ネットワーク (NeuNetS) モデル作成ツールは、AutoAI とマージされるまで、Watson Studio から削除されます。 詳しくは、この NeutrNetS の削除に関するブログ投稿を参照してください。

2019 年 11 月 22 日までの週

合成ニューラル・ネットワーク (NeuNetS) と AutoAI のマージ

2020 年に、合成ニューラル・ネットワーク (NeuNetS) モデル作成ツール (現在はベータ版) が AutoAI とマージされ、統合された自動モデル作成体験を実現します。 2019 年 12 月 6 日から、マージが完了するまで、NeuNetS ツールは Watson Studio インターフェースから削除されます。 この日までに NeuNetS モデルを削除して、新しいバージョンの Keras モデルに移行してください。 NeutrNetS と AutoAI のマージについて詳しくは、この NeutrNetS の削除に関するブログ投稿を参照してください。

Data Refinery でのソース・データの制限の除去

  • 列名にピリオドを含めることが可能になりました。

2019 年 11 月 15 日までの週

マルチバイト文字サポート

Watson Knowledge Catalog の以下の領域で、マルチバイト文字が完全にサポートされるようになりました。

  • データ・ポリシー、ルール、カテゴリーの名前または説明。
  • ビジネス・グロッサリー用語の名前、ビジネス定義、または説明。
  • 資産タグ。

ただし、Data Refinery は、ユーザー入力フィールドでのマルチバイト文字をサポートしていません。一部のフィールドでは、マルチバイト文字を入力することは可能ですが、正しく表示されません。

2019 年 11 月 8 日までの週

AutoAI の機能拡張

AutoAI の新機能により、モデル・パイプラインの生成方法の制御が強化され、自動プロセスに関する洞察が向上します。 例えば、新しい視覚化により、パイプライン間の関係や、各パイプラインを固有のものにしている要因が示されます。 新しいエクスペリメント設定では、AutoAI がモデル選択の際に考慮する特定のアルゴリズムを選択できます。 また、パイプラインのトレーニングでのデータの使用方法の制御を強化することもできます。 詳しくは、 『AutoAI モデルの作成』を参照してください。

2019 年 11 月 1 日までの週

Watson Machine Learning での TensorFlow 1.14 のサポート

いくつかの TensorFlow バージョンのセキュリティーの脆弱性により、Watson Machine Learning では、TensorFlow バージョン 1.13 に加えて 1.14 のサポートが追加され、非セキュアなすべての TensorFlow バージョン (1.5 および 1.11 など) のサポートが廃止されます。

2019 年 10 月 18 日までの週

オブジェクト検出ツール

Visual Recognition サービスのオブジェクト検出ツールが使用可能になりました。 オブジェクト検出を紹介するビデオをご覧ください。

2019 年 10 月 4 日までの週

Data Refinery でのデータ・タイプの自動検出および変換

以前は、Data Refinery でファイルを開いた場合、ほとんどのファイル・タイプですべての列がストリング・データ・タイプとして解釈されていました。 列タイプの変換 GUI 操作が、Data Refinery フローの最初のステップとして自動的に適用されるようになりました。 操作は、必要に応じて、データ・タイプを推論されたデータ・タイプ (例えば、整数、ブール値など) に 自動的に検出して変換します。 この機能拡張によって、特にデータに多くの列が含まれる場合に、かなりの時間を節約できます。 簡単に、自動変換を元に戻したり、選択した列の操作を編集したりできます。

データ・タイプの自動検出と変換

詳しくは、 『Data Refinery での GUI 操作』の「FREQUENTLY USED」カテゴリーの 『列タイプの変換』を参照してください。

「ジョブ」インターフェースを使用した Data Refinery フローのランタイムの選択

以前は、Data Refinery の「DATA REFINERY FLOW DETAILS」ペイン (「情報」ペインの 「詳細」タブからアクセス) で、Data Refinery フローのデフォルト・ランタイムを選択できました。 「ランタイムの選択」選択肢が削除されました。 代わりに、Data Refinery フローを実行するためのジョブを保存する際にランタイムを選択します。 以前にスケジュールされていたジョブのランタイムは、変更されずに残ります。 ジョブについては、「プロジェクト内のジョブ」を参照してください。

Data Refinery フローでのストップワードの削除の確認

トークン化 GUI 操作を使用して、 ストップワードの削除 GUI 操作で選択した列から削除した単語をテストします。 詳しくは、 Data Refinery での GUI 操作の NATURAL LANGUAGE カテゴリーの 『ストップワードの削除』を参照してください。

2019 年 9 月 20 日までの週

すべてのプランで Decision Optimization を使用可能

Standard プランのほか、Lite プランおよび Enterprise プランで Decision Optimization が使用可能になりました。 詳しくは、 『Decision Optimization の可用性に関する発表』を参照してください。

Apache Spark as a Service の除去

Watson Studio から Spark as a Service の Enterprise プランまたは Lite プランを使用している場合、組み込みの Spark 環境を使用するように切り替える必要があります。 Spark as a Service のサポートは終了しました。 代わりに、組み込みの Spark 環境を使用します。 Spark 環境を参照してください。

2019 年 9 月 6 日までの週

コミュニティーの変更

Watson Studio コミュニティーが、ユーザーのニーズに合ったサービスを提供できるように、2 つのサイトに分割されました。

  • 「ギャラリー」には、Watson Studio に直接追加することができるサンプル・データ・セット、ノートブック、およびプロジェクトが含まれています。 「ギャラリー」には、メインメニューからアクセスできます。
  • Watson Studio コミュニティーには、記事、ブログ投稿、チュートリアル、イベント、ディスカッションがあります。

2019 年 8 月 30 日までの週

Decision Optimization モデル・ビルダー (ベータ版)

現在、Decision Optimization モデル・ビルダーはベータ版です。 Decision Optimization モデル・ビルダーでは、さまざまなデータ・セットおよび最適化モデルを使用して、複数のシナリオを作成できます。 これにより、さまざまなシナリオを作成して比較し、変更が特定の問題に与える可能性がある影響の大きさを確認できます。

このモデル・ビルダーは、以下のことに役立ちます。

  • 最適化の問題に関連性の高いデータを選択して編集します。
  • 最適化モデルを実行します。
  • 複数のシナリオのソリューションを調べて比較します。
  • Python モデルおよび OPL モデルを作成、インポート、編集、および解決します。
  • Jupyter ノートブックとの間で Python モデルのインポートおよびエクスポートを行います。
  • 視覚化エディターで提供されているウィジェットを使用して、レポートの作成および表、グラフ、メモとの共有を容易に行います。

『Decision Optimization』を参照してください。

R 3.6 のサポート、および R 3.4 の非推奨化

Watson Studio でノートブックおよび AutoAI に R 3.6 ランタイムを使用できるようになりました。 Watson Studio での R 3.4 のサポートは、2019 年 10 月 30 日に終了します。 ノートブックを R 3.4 から R 3.6 にアップグレードする場合、一部のオープン・ソース・ライブラリーのバージョンが異なる可能性があるため、コードの変更が必要になる場合があります。

以下を読みます。 R 3.6 のサポートの発表

注意: Python バージョン 3.5 および 2.7 のサポートの終了

Watson Studio での Python バージョン 3.5 および 2.7 のサポートは 2019 年 8 月 28 日に終了しました。 Watson Machine Learning でのサポートは、2019 年 9 月 9 日に終了します。 資産およびモデルを Python バージョン 3.6 で実行するためのマイグレーションをまだ行っていない場合は、実行してください。 詳しくは、 Watson Studio および Watson Machine Learningの発表レターを参照してください。

2019 年 8 月 16 日までの週

オブジェクト検出サービスのオープン・ベータ版

Watson Studio Visual Recognition サービスの新規コンポーネントを使用して、イメージ内のオブジェクトを識別できるモデルを作成できます。 詳しくは、『カスタム・オブジェクト検出モデルの作成』を参照してください。

注意: Python バージョン 3.5 および 2.7 のサポートの終了

Python バージョン 3.5 および 2.7 のサポートは 2019 年 8 月 28 日に終了します。 資産およびモデルを Python バージョン 3.6 で実行するためのマイグレーションをまだ行っていない場合は、実行してください。 詳しくは、 Watson Studio および Watson Machine Learningの発表レターを参照してください。

TensorFlow 1.13 のサポート

いくつかの TensorFlow バージョンのセキュリティーの脆弱性により、Watson Machine Learning では、TensorFlow バージョン 1.13 のサポートが追加され、非セキュアなすべての TensorFlow バージョン (1.5 および 1.11 など) のサポートが廃止されます。

Watson Machine Learning V4 API の日付/時刻の形式の変更

Watson Machine Learning バージョン 4 API から返される日付/時刻の形式が変更されました。 この変更は、V4 API でサポートされている Watson Machine Learning Python クライアントを使用して、デプロイメントやジョブの作成、およびデプロイメントやジョブに関連するメタデータの日付/時刻のフィールドの構文解析を行っているユーザーに影響します。

以前に /v4/deployments の GET 応答で返された日付の形式は、以下のとおりです。

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

新しい形式は、以下のとおりです。

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

SPSS Modeler フローの高速化

環境ランタイムの強化により、SPSS Modeler フローの実行が高速化されました。 SPSS Modeler フローを実行するための環境ランタイムが、2 vCPU および 8 GB RAM から 4 vCPU および 16 GB RAM に強化されました。 新しい環境ランタイムには、1 時間当たり 2 キャパシティー・ユニットを消費します。

RStudio XXS 環境ランタイムの除去

最小の RStudio 環境ランタイムであるデフォルト RStudio XXS (1 vCPU および 5 GB RAM を搭載) が使用できなくなりました。 より強力な RStudio 環境ランタイムを使用します。

2019 年 8 月 9 日までの週

ジョブへのノートブック・スケジュールのマイグレーション期限を 8 月 30 日に延長

これで、 2019 年 8 月 30 日金曜日までにノートブック・スケジュールを新しいジョブ・インターフェースにマイグレーションすることができます。

2019 年 8 月 2 日までの週

Watson Machine Learning JSON トークン認証サービスのサポートの終了

2019 年 4 月 23 日では、 Watson Machine Learning JSON トークン認証サービスの非推奨が発表されました。 API、 Python クライアント、またはコマンド・ライン・インターフェースを介して Watson Machine Learning サービスとプログラマチックに対話する場合は、 Watson Machine Learning 認証で説明されているように、IBM Cloud VCAP 資格情報を使用する必要があります。

Watson Machine Learning モデル・ビルダーの終了

Watson Machine Learning モデル・ビルダーは、機械学習モデルのトレーニングに使用できなくなりました。 既にモデル・ビルダーを使用してトレーニングされて Watson Machine Learning にデプロイされているモデルは引き続きサポートされますが、モデル・ビルダーを使用して新しいモデルをトレーニングすることはできません。 代わりに、分類モデルおよび回帰モデルのトレーニングには AutoAI を使用してください。 『AutoAI の発表』を参照するか、 AutoAI の詳細を確認してください。

注意: Data Refinery スケジュールは 8 月 12 日に終了します

2019 年 8 月 12 日の前に、Data Refinery フロー・スケジュールを新しいジョブ・インターフェースにマイグレーションする必要があります。

2019 年 7 月 26 日までの週

ノートブックで Decision Optimization を使用可能

Python ランタイム環境を選択した場合に、Decision Optimization を Watson Studio ノートブックで使用できるようになりました。 『ノートブック環境』を参照してください。

AutoAI の更新

AutoAI で新たに以下の機能拡張が提供されます。

  • AutoAI モデルの作成に使用するデータ・ソースを、Watson Studio Data Refinery から出力できるようになりました。
  • AutoAI Experiment Builder にデータを追加した後、ツールからデータをプレビューできます。 また、モデルのパフォーマンスをテストするために使用するデータのパーセンテージを、0 から 30% の間で調整することもできます。
  • 二項分類モデルの場合は、陽性クラスを編集することができます。

これらの更新について詳しくは、『AutoAI モデルの作成』を参照してください。

特徴量エンジニアリング変換の適用方法の詳細については、 『AutoAI 実装の詳細』を参照してください。

2019 年 7 月 19 日までの週

Python 3.6 環境への切り替え

Watson Studio でのデフォルトの Python 環境のバージョンが 3.6 になりました。 Python 2.7 および 3.5 は非推奨になり、2019 年 8 月 28 日以降は利用できません。 Python 3.5 または 2.7 から Python 3.6 に切り替える際に、使用しているオープン・ソース・ライブラリーのバージョンが Python 3.6 のものと異なっている場合は、コードの更新が必要になることがあります。 『環境の変更』を参照してください。

このブログ投稿を読みます: Watson Studio Cloud でのPython のバージョン・アップグレード

フォームを使用した AutoAI モデル・デプロイメントのテスト

JSON コードを入力する代わりに入力フォームを使用して、デプロイ済みの AutoAI モデルをテストできるようになりました。 フォーム・フィールドに値を入力し、「予測」をクリックして予測を表示します。
テスト・データからの予測

詳しくは、『AutoAI モデルのデプロイ』を参照してください。

簡素化されたプロジェクト作成

プロジェクトの作成時に、空のプロジェクトから作成するか、ファイルまたはサンプルからプロジェクトを作成するかを選択できるようになりました。 すべてのプロジェクトですべてのツールを使用できます。

『プロジェクトのセットアップ』および『プロジェクトのインポート』を参照してください。

プロジェクト・エクスポート・ファイルへのダッシュボードの追加

プロジェクト ZIP ファイルをデスクトップにエクスポートする際に、ダッシュボードを含めることができるようになりました。 『プロジェクトのエクスポート』を参照してください。

RStudio 環境

Watson Studio プロジェクトで RStudio を起動する際に、ハードウェア・サイズによって RStudio を起動する RStudio 環境ランタイムを選択できるようになりました。 RStudio 環境については、『プロジェクト内の RStudio ジョブ』を参照してください。

2019 年 7 月 12 日までの週

Data Refinery フローの実行とスケジュール、およびノートブックのスケジュールのための新規のジョブ・ユーザー・インターフェース

ジョブ・ユーザー・インターフェースは、Data Refinery フローの実行またはスケジュール、あるいはノートブックのスケジュールを行うための新しい方法を提供します。 プロジェクト・ページから、「ジョブ」タブをクリックして、プロジェクト内のすべてのジョブとその実行の詳細を表示します。 同じ資産に対して複数のジョブを作成できるようになりました。例えば、異なるランタイムや異なるスケジュールのジョブを作成できます。 また、Data Refinery またはノートブックからジョブを作成することもできます。 ジョブについては、「プロジェクト内のジョブ」を参照してください。

重要
2019 年 8 月 12 日の前に、現在の Data Refinery フロー・スケジュールを新しいジョブ・インターフェースに手動でマイグレーションする必要があります。 2019 年 8 月 30 日より前にノートブック・スケジュールをマイグレーションします。

Data Refinery の新規のデフォルト・ランタイム

Data Refinery の新しいデフォルト・ランタイムはDefault Data Refinery XSです。 以前にNone - Use Data Refinery flow Defaultに設定されていた Data Refinery フロー実行では、この新しいランタイムが使用されるようになります。 Spark R 3.4ランタイムと同様に、Default Data Refinery XSランタイムは HIPAA 対応です。

デフォルトの Data Refinery XS 環境

ジョブの作成時にこのランタイムを選択することもできます。

ジョブ内のデフォルトの Data Refinery XS

『Data Refinery 環境』を参照してください。

Data Refinery での作業で CUH を消費

Data Refinery フローを作成または編集する場合、ランタイムが 1 時間ごとにキャパシティー・ユニットを消費します。 ランタイムは、非アクティブ状態が 1 時間続くと自動的に停止します。
重要: プロジェクトの「環境」ページでランタイムを手動で停止して、CUH のコンシュームを停止できます。 『Data Refinery 環境』を参照してください。

プロジェクト・ページから Data Refinery フローを開く新しい方法

プロジェクトの「資産」ページから Data Refinery フローにアクセスするには、Data Refinery フローの名前をクリックします。 (以前は、「ACTIONS」メニューの精製オプションから Data Refinery フローにアクセスしていました。)

Data Refinery フローのソースを変更する操作を Data Refinery ステップで行うように変更

Data Refinery フローのソースを変更するには、「ステップ」ペインのデータ・ソースの横にある編集アイコンをクリックします。 (以前は、ソースの変更は「要約」ページから行っていました。)

「ソースの編集」

これまでと同様に、最良の結果を得るためには、新しいデータ・セットには、元のデータ・セットと互換性のあるスキーマ (列名、列の数、およびデータ・タイプなど) がなければなりません。 新規データ・セットに別のスキーマがある場合、そのスキーマでは機能しない操作にはエラーが表示されます。 操作を編集または削除したり、ソースをより互換性のあるスキーマを持つものに変更したりできます。

プロジェクトのエクスポートおよびインポートへのプロジェクト README の組み込み

プロジェクトをエクスポートする前に、含まれている資産の分析ユース・ケースおよび適用された分析方法の簡単な説明をプロジェクト README に追加することができます。この README がプロジェクトのエクスポートに含まれるようになりました。 プロジェクトをインポートするときに、プロジェクトの「概要」ページでプロジェクトのインテントの簡略説明について README を確認できます。

Watson Analytics コネクターの終了

Watson Analytics コネクターが、「新規接続」ページのデータ・ソースのリストから削除されました。

Snowflake コネクターが使用可能

プロジェクトおよびカタログで Snowflake データベースへの接続がサポートされるようになり、そこでデータを保管および取得できるようになりました。

2019 年 7 月 5 日までの週

サンプルからのプロジェクトの作成

Watson Studio を使用するのが初めてであり、ツールでデータ資産を使用する方法 (ノートブックを使用したデータの準備、データの分析、モデルの作成とトレーニング、分析結果の視覚化など) を探している場合、サンプルからプロジェクトを作成できるようになりました。 『サンプルからのプロジェクトのインポート』を参照してください。

2019 年 6 月 28 日までの週

Watson Studio でツールを選択する方法

データのタイプ、データで何をしたいか、および自動化が必要な程度をマッチングすることで、必要なツールを見つけることができるようになりました。

『ツールの選択』を参照してください。

Streams フロー

MQTT ソース・オペレーターは、メッセージに加えて、イベントごとにメタデータ属性event_topicも提供するようになりました。

2019 年 6 月 21 日までの週

Decision Optimization

Decision Optimization を利用すると、世界をリードする IBM のソリューション・エンジンを活用して数理計画法や制約プログラミングに取り組むことができます。 この洗練された処方的分析テクノロジーを使用して、膨大な数のソリューションを検討した上で、現在または将来の状況に対処するための最善の方法を提案することができます。 Decision Optimization を使用して、以下のことが可能です。

  • まずは、計画立案、スケジューリング、価格設定、在庫、リソース管理など、ビジネス上の問題に対処します。
  • 最適化モデルを作成します。これは、最適化エンジンを使用して解釈/解決できるような形に問題を数式化することです。 最適化モデルに入力データが加わることで、シナリオ・インスタンスが形成されます。
  • Decision Optimization エンジン (ソルバー) を実行して、ソリューション (つまり最高の目標値を達成すると同時に、課せられた制限および制約を順守する決定項目のセット) を見つけます。 メトリックは、ビジネス目標の観点から見たソリューションの質を表す尺度です。
  • Watson Machine Learning を使用してソリューションをデプロイし、ビジネス・ユーザーがビジネス・アプリケーションを介してそのソリューションを使用できるようにします。 ソリューションと目標は通常、表形式またはグラフィカル形式の要約ビューとして表され、これによって理解と洞察が深まります。

処方的分析モデルの作成について詳しくは、 『Decision Optimization』を参照してください。

ソリューションのデプロイについて詳しくは、 『Decision Optimization デプロイメント』を参照してください。

AutoAI 実験

  • サンプル・ファイルから AutoAI エクスペリメントを作成できるようになりました。これにより、AutoAI がどのようにデータを分析および転送し、モデル候補パイプラインを作成するかを把握できるようになり、ユーザーは、独自のデータをアップロードしなくてもそのパイプラインを検討および比較することができます。
  • サンプル・データからの AutoAI エクスペリメントの作成の手順に従って、 銀行マーケティングサンプル・データ・セットから作成されたモデルをデプロイしてスコアリングする方法を学習します。
  • Watson Machine Learning 資産として保存された AutoAI モデルは、そのモデルが作成されたプロジェクトでしか使用できなくなりました。 この更新の前に作成された AutoAI モデルは、同じ機械学習インスタンスを共有する他のプロジェクトで使用可能です。

Watson Machine Learning v4 API を使用した新規の Python クライアント・ライブラリーのプレビュー

Watson Machine Learning の新機能をサポートするために、新規バージョンの Python クライアント・ライブラリーを準備中です。 この Python クライアントは、バージョン 4 の Watson Machine Learning API で構築されており、Decision Optimization および AutoAI のエクスペリメントをサポートするためのプレビューとして使用可能です。

新しい Python クライアントのインストールおよび関連資料へのアクセスについて詳しくは、 『Python クライアント』を参照してください。

Streams フロー

JSON メッセージに加えて、 Watson IoT ソース・オペレーターは、イベントごとにメタデータ属性event_typeIdevent_deviceId、およびevent_eventIdも提供するようになりました。

2019 年 6 月 7 日までの週

Cognos Analytics コネクターが使用可能

プロジェクトおよびカタログで Cognos Analytics への接続がサポートされるようになり、そこでデータを保管および取得できるようになりました。

AutoAI エクスペリメントの機能拡張

新しい AutoAI チュートリアルは、AutoAI を使用して二項分類モデルを作成、デプロイ、およびスコアリングするプロセスをガイドします。

以下の機能拡張によって、AutoAI モデル・パイプラインの検証が容易になりました。

  • 更新された設計によって、パイプラインの詳細が素早く確認できるようになります。
  • リーダーボードでパイプラインを展開して詳細を確認する場合に、ホールドアウトおよびトレーニングのデータ・スコアを表示できるようになりました。

2019 年 5 月 31 日までの週

AutoAI によるモデルの作成

Watson Studio の AutoAI は、自動的にデータを分析し、モデル・タイプを選択し、推定法を適用し、予測モデリング問題に対応できるようにカスタマイズされた候補モデル・パイプラインを生成します。 結果は、自動的に生成された候補モデルのリストを示す表としてリーダーボードに表示されます。また、候補モデルは、指定された基準に従ってランク付けされたパイプラインとして示されます。

AutoAI は、各パイプラインに適用された推定法とハイパーパラメーターの最適化に関する視点を提供するため、各パイプラインの生成方法に確信を持つことができます。 パイプラインを確認して比較した後、その 1 つをモデルとして保存することができ、デプロイおよびテストすることができます。 AutoAI を使用したモデルの作成について詳しくは、 『AutoAI の概要』 を参照してください。

2019 年 5 月 24 日までの週

新規の SPSS Modeler ノード

SPSS Modeler で、以下の新規ノードを使用できます。

  • 再投影ノード: 地理座標系のフィールドの座標系を投影座標系に変更するフィールド操作ノード。 『Reproject ノード』を参照してください。
  • スペース・タイム・ボックス・ノード: 空間および時間を規則的に分割した領域を英数字ストリングとして表すレコード設定ノード。 『スペース・タイム・ボックス・ノード』を参照してください。
  • 時空間予測ノード: さまざまなロケーションの将来の値を予測し、調整可能な因子を明示的にモデル化して what-if 分析を実行するために使用できる統計手法を提供するモデル作成ノード。 『時空間予測ノード』を参照してください。

SPSS Modeler ノードの新規の右クリック・オプション

以前は、ノードを右クリックして「プレビュー」を選択すると、 「データ」タブ、「プロファイル」タブ、および「視覚化」タブが開き、フローのデータをさまざまな方法で調べることができました。 ここで「プレビュー」を選択すると、より迅速にロードされるデータのスナップショットが取得されます。 「プロファイル」という新しい右クリック・オプションを使用して、「視覚化」タブなどの全機能を操作します。

プロファイルとプレビューの選択

2019 年 5 月 17 日までの週

Data Refinery フローの Spark ランタイム

Data Refinery で Spark ランタイムを使用できるようになりました。

  • Data Refinery フローを実行するための Spark R 3.4 環境が使用可能になりました。これは、HIPAA に対応しています。 Data Refinery フローを実行する場合、事前設定されたDefault Spark R 3.4環境を使用するか、ワークロードに必要なハードウェア・サイズで独自の Spark 環境を構成するかを選択できます。 Data Refinery フロー実行をスケジュールするために Spark R 3.4 環境を選択することはできません。

    「Data Refinery フローの詳細」ページでの Spark 環境の選択

    詳細および手順については、 『Data Refinery の Spark 環境』を参照してください。

  • None - Use Data Refinery Defaultランタイムは非推奨になりました。 ただし、小規模なデータ・セットに対して操作する Data Refinery フローを実行する場合や、Data Refinery フローの実行をスケジュールする場合は、引き続きこのランタイムを使用できます。

2019 年 5 月 10 日までの週

Streams フロー

  • 事前トレーニングされた機械学習モデルを使用したバイナリー・データ、イメージ、ビデオ、オーディオの処理、スコアリング、分類などのユース・ケースをサポートするために、バイナリー・データ・タイプが追加されました。
  • Event Streams、Kafka、および HTTP のソース・オペレーターで組み込みの JSON 構文解析を行わずに生データを取り込むためのオプション。
    • Code オペレーターを追加することで独自のカスタム構文解析を行う機能。
    • バイナリー・データ (例えば、イメージ、ビデオ、オーディオなど) を取り込む機能。
  • Event Streams および Kafka のターゲット・オペレーターで、組み込みの形式設定 (JSON に設定) を行わずに生データを書き込むためのオプション。
    • Code オペレーターを挿入することで独自のカスタム形式設定を行う機能。
    • バイナリー・データ (例えば、イメージ、ビデオ、オーディオなど) を書き込む機能。
  • Event Streams および Kafka ソース・オペレーターのオプションのメタデータ属性: event_topicevent_offsetevent_timestampevent_partition

2019 年 5 月 3 日までの週

Watson Studio Local 2.0 を使用可能

プライベート・クラウドで Watson Studio の機能が必要になった場合に、Watson Studio Local 2.0 を使用できるようになりました。 参照先 Watson Studio Local 2.0 資料

Watson Studio、 Watson Machine Learning、および Watson Knowledge Catalog の異なるデプロイメント環境間の機能の比較については、 『デプロイメント環境間の機能の違い』を参照してください。

Apache Spark Lite サービスの廃止

Apache Spark Lite サービスをプロジェクトに関連付けることはできなくなりました。 Apache Spark Lite サービスは、2019 年 6 月 28 日に削除されます。 代わりに、組み込みの Spark 環境を使用します。 Spark 環境を参照してください。

2019 年 4 月 25 日までの週

Object Storage OpenStack Swift プロジェクトのマイグレーション

Object Storage OpenStack Swift を使用する残りのプロジェクトからは、資産をダウンロードできない可能性があります。 Object Storage OpenStack Swift を使用するプロジェクトからデータをダウンロードする際に問題が発生し、プロジェクトを IBM Cloud Object Storage にマイグレーションできない場合は、IBM サポートでチケットをオープンしてください。

属性分類器の名前をデータ・クラスに変更

リレーショナル・データ資産内の列のコンテンツを特徴付ける属性分類器は、データ・クラスと呼ばれるようになりました。 データ・クラスは、プロファイル作成時に自動的に列に割り当てられます。 プロファイルを参照してください。

2019 年 4 月 12 日までの週

プロジェクトをデスクトップにエクスポートする

プロジェクトをエクスポートすることで、他のユーザーとプロジェクト資産を共有できるようになりました。 選択したプロジェクト資産は、プロジェクト ZIP ファイルとしてデスクトップにダウンロードされます。

デスクトップからのプロジェクトのインポート

プロジェクトの作成時に、プロジェクト・スターターのインポートを選択することができます。これにより、別のプロジェクトから資産をインポートして、新規プロジェクトで使用できるようになります。

Watson Knowledge Catalog の検索フィルタリングの改善

カタログ内の資産を検索する際に、検索フィルターが検索フィールドの直下に表示されるようになりました。 タグ、データ資産に割り当てられたビジネス用語、および資産タイプでフィルタリングすることができます。 タグのリストは、アルファベット順でソートされています。

フィルターを使用したカタログ内の資産の検索

2019 年 4 月 5 日までの週

Data Refinery: 列アクション操作の実行後にフォーカスを列に残す

Data Refinery で列をクリックしてアクション・メニュー (縦に 3 つ並んだドット) から操作を選択した場合に、フォーカスがその列に残ります。 以前は、常にフォーカスが最初の列に移動していました。 この機能拡張は、幅の広い表で作業している場合に特に便利です。

2019 年 3 月 22 日までの週

URL からの Streams フローのインポート

ファイルからのインポートに加えて、Streams フローを URL からもインポートできるようになりました。

2019 年 3 月 15 日までの週

Google Cloud Storage コネクターを使用可能

プロジェクトおよびカタログで Google Cloud Storage への接続がサポートされるようになり、そこでデータを保管および取得できるようになりました。

2019 年 3 月 1 日までの週

Cloud Foundry からリソース・グループへの Watson Studio のマイグレーション

ご使用の Watson Studio サービス・インスタンスを Cloud Foundry 組織およびスペースから IBM Cloud 内のリソース・グループにマイグレーションできます。 リソース・グループには、IBM Cloud Identity and Access Management (IAM) を使用したきめ細かいアクセス制御が組み込まれており、サービス・インスタンスを異なる地域にまたがるアプリケーションやサービスに接続できるほか、グループごとの使用状況を確認する簡単な方法が提供されます。

手順については、以下を参照してください。 IBM Cloud: Cloud Foundry サービス・インスタンスのリソース・グループへのマイグレーション

東京リージョンでの Watson Studio インスタンスの Secure Gateway サービス

Secure Gateway サービスは、IBM Cloud の東京 (AP 北部) サービス・リージョンではまだ使用できません。 ただし、他のリージョンに Secure Gateway サービスをプロビジョンし、任意のリージョン (東京を含む) からの接続を Watson Studio インスタンスで作成すると、その Secure Gateway サービスを使用することができます。

Watson Knowledge Catalog の列への用語およびタグの割り当て

ビジネス用語およびタグをカタログ内のリレーショナル・データ資産の列に割り当てることができるようになりました。 『カタログ内の資産の編集』を参照してください。

Streams フローにおける Streams オペレーターを使用したトピックへのメッセージのパブリッシュおよびサブスクライブ

Streams フローにおいて、Streaming Analytics サービス内で Source オペレーターを使用してトピックにサブスクライブしたり、Target オペレーターを使用してトピックにパブリッシュしたりできるようになりました。

2019 年 2 月 22 日までの週

Data Refinery フローによる CUH の消費とその追跡

Spark R 3.4 環境での Data Refinery フローの実行時に消費されるキャパシティー・ユニット時間 (CUH) が追跡されるようになりました。

詳しくは、『Data Refinery の Spark 環境』を参照してください。

2019 年 2 月 8 日までの週

Spark R 環境での Data Refinery フローの実行 (オープン・ベータ版)

Data Refinery フロー用に Spark R 環境を選択できるようになりました。 デフォルト Spark R 3.4 環境を選択することも、データ・セットのサイズに合わせてカスタマイズした独自の Spark R 環境定義を作成することもできます。 各 Data Refinery フローは、専用の Spark クラスターで実行されます。

フローの保存時および実行時に、「Data Refinery フローの詳細」ページから Spark 環境を選択します。

「Data Refinery フローの詳細」ページでの Spark 環境の選択

詳細および手順については、 『Data Refinery の Spark 環境』を参照してください。

2019 年 2 月 1 日までの週

新しいナビゲーション・メニュー

新しいナビゲーション・メニューでは、1 カ所からすべてのメニュー・オプションを簡単に見つけることができます。 ナビゲーション・メニュー・アイコン をクリックしてメニューを展開します。

ナビゲーション・メニュー

Watson Studio および Watson Machine Learning が HIPAA に対応

Watson Studio および Watson Machine Learning は、1996 年に制定された医療保険の積算と責任に関する法律 (HIPAA) のセキュリティーとプライバシーの規則の要件に相応する IBM 制御の要件を満たしています。 HIPAA への対応は、特定のプランとリージョンにのみ適用されます。

『HIPAA 対応』を参照し、 HIPAA 対応に関するこのブログをお読みください

2019 年 1 月 25 日までの週

新規の SPSS Modeler ノード

SPSS Modeler フローで、CLEM 式の要約値を計算するための「グローバルの設定」ノードがサポートされるようになりました。 『SPSS Modeler ノード』を参照してください。

Python Model オペレーターが Streams フローで Watson Machine Learning をサポート

Python Model オペレーターで、IBM Cloud Object Storage からのモデルのロードに加えて、Watson Machine Learning サービスからのモデルのロードもサポートされるようになりました。

2019 年 1 月 18 日までの週

SPSS Modeler フローでサポートされる SPSS Modeler デスクトップ・ノードの追加

さらに SPSS モデル作成ノードがあります。

2019 年 1 月 11 日までの週

「アップグレード」ボタンによる簡単なアップグレード

ライト・プランから Watson Studio、Watson Knowledge Catalog、または Watson Machine Learning サービスをアップグレードする準備ができたら、 「アップグレード」ボタンをクリックします。 数回クリックするだけで、アップグレードのガイドが表示されます。 『Watson サービスのアップグレード』を参照してください。

Streams フローでの Event Streams に対するユーザー定義並列処理 (UDP) のサポート

ユーザー定義並列処理を使用すると、複数のワーカーによって、複数のパーティションを使用してトピックの取り込み速度を向上させることができます。

親トピック: 新機能