Neuerungen (2021 bis jetzt)

Informieren Sie sich wöchentlich über neue Funktionen und Aktualisierungen für Cloud Pak for Data as a Service und Services wie Watson Studio, Watson Machine Learning, DataStage und Watson Knowledge Catalog.

Woche bis 15. April 2022

Funktionale Erweiterungen für Scripting in SPSS Modeler

  1. April 2022{: .idate}

In der Symbolleiste steht ein neues Symbol 'Scripting' zum Aufrufen einer neu gestalteten Scripting-Anzeige zur Verfügung. Siehe Übersicht über Scripting.

Aktualisierungen für Decision Optimization (Watson Studio und Watson Machine Learning)

  1. April 2022{: .idate}

Die folgenden Aktualisierungen für Decision Optimization werden angezeigt:

  • Die Python-Standardversion für Benutzer von Decision Optimization ist jetzt Version 3.9. Python 3.8 ist jetzt veraltet und Python 3.7 wird bald entfernt. Weitere Informationen finden Sie unter Decision Optimization-Notebooks.
  • In einem Decision Optimization-Experiment können Sie jetzt mehrere Szenarios ausführen oder löschen. Weitere Details finden Sie unter Decision Optimization-Ansichten und -Szenarios.

Woche bis 8. April 2022

Die neue Benutzerschnittstelle für Projekte ersetzt die traditionelle Benutzerschnittstelle

  1. April 2022{: .idate}

Die traditionelle Benutzerschnittstelle wurde durch die Benutzerschnittstelle für neue Projekte ersetzt. Ohne Auswirkungen auf Ihre Arbeit. Die Projekterfahrung wurde aktualisiert, um die Arbeit und Zusammenarbeit in einem Projekt einfacher und effizienter zu gestalten. Erleben Sie die funktionalen Erweiterungen für Asset-Organisation, Asset-Beziehungen, verbesserte Navigation und integrierte Anleitungen.

Verbesserte globale Suche nach Assets und Artefakten

  1. April 2022{: .idate}

Die Suche nach Assets oder Governance-Artefakten mithilfe des Felds für die globale Suche liefert jetzt noch bessere Ergebnisse. Mehr Asset- und Artefakteigenschaften werden durchsucht. Bei der Suche nach Wortfolgen (Phrasen) ini englischer Sprache werden bei der Analyse natürlicher Sprache gängige Wortfolgen priorisiert und unwichtige Wörter verworfen.

Sie können jetzt einen Ausdruck in Anführungszeichen setzen und in einen längeren Suchbegriff einschließen sowie mehr Eigenschaften zum Filtern der Ergebnisse verwenden.

Siehe Nach Assets und Artefakten über die gesamte Plattform suchen.

Einstellung der Unterstützung und Entfernen der klassischen IBM Analytics Engine-Pläne und Amazon EMR

  1. April 2022{: .idate}

Ab dem 7. April 2022 können neue Benutzer keine IBM Analytics Engine-Instanzen mit den Plänen 'Lite', 'Standard-Hourly' oder 'Standard-Monthly' und keine Amazon Elastic Map Reduce-Instanzen (EMR-Instanzen), in denen Notebooks ausgeführt werden, mehr erstellen.

Vorhandene Benutzer können bis zum 30. Juni 2022 weiterhin klassische IBM Analytics Engine-Instanzen und Amazon EMR-Instanzen erstellen. Danach sollten alle zugeordneten Notebooks unterstützten Spark-Laufzeitumgebungen neu zugeordnet werden, die in Watson Studio verfügbar sind.

Die klassischen IBM Analytics Engine-Pläne und Amazon EMR werden am 9. November 2022 entfernt.

Die neue Funktionalität für Governance-Artefakte ersetzt die traditionelle Funktionalität (Watson Knowledge Catalog)

  1. April 2022{: .idate}

Wenn Sie zuvor die traditionelle Funktionalität für Governance-Artefakte mit Watson Knowledge Catalog verwendet hatten, wurde am 7. April 2022 auf die neue Funktionalität für Governance-Artefakte umgestellt. Die traditionelle Funktionalität wurde nur verwendet, wenn Sie Watson Knowledge Catalog vor April 2021 bereitgestellt und noch nicht auf die neue Funktionalität umgestellt hatten.

Bei der Umstellung wurde Folgendes ausgeführt:

  • Alle vorhandenen Geschäftsbegriffe, Richtlinien und Datenschutzregeln wurden dauerhaft gelöscht. Das Zurücksetzen auf die traditionelle Funktionalität ist nicht möglich.
  • Alle Geschäftsbegriffe, Datenklassen und Klassifikationszuordnungen für Datenassets wurden ungültig.
  • Alle Datenmaskierungen, die Sie mit Datenschutzregeln konfiguriert haben, wurden entfernt.
  • Profile von Datenassets wurden so aktualisiert, dass die Klassifikationsergebnisse die neuen Datenklassen verwenden.

Sie sollten jetzt Folgendes ausführen:

  • Erstellen Sie Ihre Geschäftsbegriffe, Klassifikationen und Datenschutzregeln neu.
  • Entfernen Sie ungültige Geschäftsbegriffe und Klassifikationszuordnungen aus Assets in Katalogen.
  • Ordnen Sie Ihre neuen Geschäftsbegriffe und die Klassifizierung Assets in Katalogen zu.
  • Ordnen Sie Ihren Benutzern Watson Knowledge Catalog-Rollen zu. Siehe Benutzern Watson Knowledge Catalog-Rollen zuordnen.

Bei Fragen oder Bedenken bezüglich der Umstellung auf eine neue Version von Governance-Artefakten können Sie ein Support-Ticket öffnen.

Anstehende Änderungen an Watson Knowledge Catalog -Plänen

  1. April 2022{: .idate}

Ab dem 2. Mai 2022 stehen die folgenden neuen Watson Knowledge Catalog-Angebotsplänen zur Auswahl:

  • Der neue Standard-Plan wird nach Katalogressourcen und Nutzung der Rechenleistung in Kapazitätseinheiten pro Stunde (Capacity Unit Hour, CUH) abgerechnet, wenn Sie Profilerstellung, Tools und Jobs ausführen. Darin sind keine Gebühren für Instanzen und berechtigte Benutzer enthalten.
  • Für den neuen Enterprise-Paketplan wird eine monatliche Instanzgebühr für 100.000 Katalogassets und 2.500 CUH pro Monat in Rechnung gestellt. Weitere Katalogressourcen und Rechenleistung werden Ihnen in Rechnung gestellt. Darin sind keine Gebühren für berechtigte Benutzer enthalten.

Wenn Sie den Lite-Plan verwenden, wird Ihr Plan automatisch aktualisiert. Sie erhalten Zugriff auf alle Watson Knowledge Catalog-Funktionen außer Knowledge Accelerators. Viele Grenzwerte für Assets und Governance-Artefakte wurden erhöht, der Grenzwert der monatlichen Nutzungsbeschränkung für Rechenressourcen wird jedoch auf 25 CUH verringert.

Wenn Sie über den aktuellen Standard-, Professional- oder Enterprise-Plan verfügen, können Sie Ihren Plan für das nächste Jahr beibehalten. Wenn Sie zum neuen Standard- oder Enterprise-Paketplan wechseln möchten möchten, können Sie die Schritte unter Services verwalten ab dem 2. Mai 2022 ausführen.

Datentypen aus dem automatisch ausgeführten ersten Schritt der Data Refiniery-Operation 'Spaltentyp konvertieren' anzeigen

  1. April 2022{: .idate}

Wenn Sie eine Datei in Data Refinery öffnen, wird die Operation Spaltentyp konvertieren automatisch als erster Schritt angewendet, wenn in den Daten ein Datentypen erkannt wird, der keine Zeichenfolgen enthält. Datentypen werden automatisch in abgeleitete Datentypen konvertiert. Jetzt können Sie überprüfen, in welchen Datentyp die Daten jeder Spalte konvertiert wurden. Die Informationen enthalten das Format für Datums- oder Zeitmarkendaten. Klicken Sie im Überlaufmenü auf Bearbeiten, um die Datentypen anzuzeigen.

Data Refinery-Operation zum Bearbeiten der automatischen Konvertierung

Informationen hierzu finden Sie unter GUI-Operationen.

Änderungen an der Data Refinery-Operation 'Spaltentyp konvertieren' für Zeitmarken-und Datumsdaten

  1. April 2022{: .idate}

Der folgende Datentyp wird nicht mehr automatisch konvertiert:

  • Datums- und Zeitmarkenzeichenfolgen, die zwei Ziffern für das Jahr verwenden

Die automatischen Konvertierungen in vorhandenen Data Refinery-Abläufen sind nicht betroffen.

Aktualisierungen der Metadatenaufbereitung (Watson Knowledge Catalog)

  1. April 2022{: .idate}

Die Ergebnisse der Metadatenaufbereitung enthalten jetzt den Aufbereitungsstatus für jedes Asset in der Aufbereitung. Außerdem können Sie jetzt den Überprüfungsstatus für mehrere Assets oder Spalten gleichzeitig ändern. Siehe Ergebnisse der Metadatenaufbereitung.

Darüber hinaus erhalten Sie jetzt Benachrichtigungen über Ausführungsereignisse für Aufbereitungsjobs (z. B. Start oder Fertigstellung).

Woche bis 1. April 2022

Watson Studio-Pläne wurden vereinfacht

  1. April 2022{: .idate}

Der neue Professional-Plan für Watson Studio ist jetzt verfügbar. Änderungen für den Lite-Plan folgen später in diesem Monat.

Watson Studio verfügt jetzt über einen einzigen gebührenpflichtigen Plan, den Professional-Plan. Er ersetzt die Standard- und Enterprise-Pläne. Beim Professional-Plan fallen nur Gebühren für genutzte Rechenressourcen an, basierend auf den Raten für Kapazitätseinheiten pro Stunde (Capacity Unit Hour, CUH), wenn Tools und Jobs ausgeführt werden. Darin sind keine Gebühren für Instanzen und berechtigte Benutzer enthalten. Ab dem 1. April 2022 ist der Professional-Plan der einzige kostenpflichtige Plan, den Sie auswählen können. Weitere Informationen zum Professional-Plan für Watson Studio finden Sie unter Watson Studio-Servicepläne. Siehe auch IBM Cloud-Katalog: Watson Studio.

Wenn Sie derzeit über den Standard- oder Enterprise-Plan verfügen, können Sie diesen Plan unbegrenzt beibehalten. Wenn Sie zum Professional-Plan wechseln möchten, führen Sie die Schritte für Services verwalten aus.

Ab dem 29. April 2022 gilt für alle neuen und vorhandenen Watson Studio Lite-Pläne ein monatlicher Grenzwert von 10 CUH für die Ausführung von Jobs und Tools. Da beim Professional-Plan nur die genutzten CUH abgerechnet werden, fallen beim Upgrade auf einen kostenpflichtigen Plan keine zusätzlichen Gebühren an. Mai 2022 ist der erste vollständige Monat, in dem der verringerte CUH-Grenzwert gilt. Wenn Sie Ihre Laufzeitnutzung verlängern möchten, können Sie Ihre Assets so aktualisieren, dass Umgebungen mit geringeren CUH-Raten verwendet werden. Sie können zum Beispiel Ihre Notebook-Umgebung ändern.

Ende der Unterstützung für Core ML-Bereitstellungen für iOS

  1. April 2022{: .idate}

Core ML-Bereitstellungen oder virtuelle Bereitstellungen für die Verwendung mit iOS sind veraltet. Die Unterstützung für diesen Bereitstellungstyp endet am 4. Mai 2022.

Neue PMML-Softwarespezifikation für (Watson Studio und Watson Machine Learning)

  1. April 2022{: .idate}

PMML-Modelle mit spark-mllib_2.4 sind veraltet, werden jedoch nicht entfernt. Modellbereitstellungen mit der veralteten Spezifikation funktionieren ab dem 4. Mai 2022 nicht mehr. Erstellen Sie neue PMML-Modelle mit der Softwarespezifikation pmml-3.0_4.3 oder aktualisieren Sie vorhandene PMML-Modelle mit der Softwarespezifikation pmml-3.0_4.3, wenn keine Bereitstellungen vorhanden sind. Details zum Ändern von Notebookumgebungen für PMML-Modelle finden Sie unter Notebook-Umgebungen ändern. Details zum Verwalten von Bereitstellungsframeworks finden Sie unter Veraltete Softwarespezifikationen verwalten.

Woche bis 25. März 2022

Erinnerung: Umstellung der traditionellen Funktionalität für Governance-Artefakte (Watson Knowledge Catalog)

  1. März 2022{: .idate}

Wenn Sie die traditionelle Funktionalität für Governance-Artefakte mit Watson Knowledge Catalog verwenden, wird am 4. April 2022 auf die neue Funktionalität für Governance-Artefakte umgestellt. Die traditionelle Funktionalität wird nur verwendet, wenn Sie Watson Knowledge Catalog vor April 2021 bereitgestellt und noch nicht auf die neue Funktionalität umgestellt haben. Die neue Funktionalität für Governance-Artefakte wurde im April 2021 zur Standardfunktionalität.

Bei Fragen oder Bedenken bezüglich der Umstellung auf eine neue Version von Governance-Artefakten können Sie ein Support-Ticket öffnen.

Data Refinery-Ablaufjobs, die eine Umgebungsdefinition mit Spark 2.4 verwenden, müssen aktualisiert werden

  1. März 2022{: .idate}

Wenn Sie über einen Data Refinery-Ablaufjob verfügen, der Spark 2.4 verwendet (z. B. die Umgebungsdefinition 'Default Spark 2.4 & R 3.6'), schlägt der Job fehl. Ändern Sie die Umgebungsdefinition in 'Default Spark 3.0 & R 3.6' bzw. 'Default Data Refinery XS' oder erstellen Sie eine eigene 'Spark 3.0 & R 3.6'-Umgebungsdefinition. Informationen hierzu finden Sie unter Rechenressourcenoptionen für Data Refinery in Projekten.

Woche bis 18. März 2022

Data Fabric-Testversion

  1. März 2022{: .idate}

Sie können jetzt selbst erleben, wie eine Data Fabric-Lösung mit Cloud Pak for Data as a Service implementiert wird. Beginnen Sie mit einem der Data Fabric-Anwendungsfälle und erproben Sie die anderen nach Bedarf:

  • Multicloud Data Integration
  • Customer 360
  • MLOps und vertrauenswürdige KI

Weitere Informationen zur Datenstruktur (Data Fabric) finden Sie in Cloud Pak for Data as a Service-Datenstrukturlösung.

Nutzen Sie die Lernprogramme für jeden Anwendungsfall, um sich mit der Data Fabric-Testversion vertraut zu machen:

  • Wenn Sie ein neuer Benutzer sind, können Sie sich für einen Data Fabric-Anwendungsfall registrieren und danach die zugehörigen Lernprogramme ausführen.
  • Wenn Sie bereits Benutzer von Cloud Pak for Data as a Service sind, müssen Sie sich nicht erneut anmelden. Sie können einen Data Fabric-Anwendungsfall kennenlernen, indem Sie die Lernprogramme für Data Fabric absolvieren.

Siehe Lernprogramme für Data Fabric.

Änderungen der Framework- und Softwarespezifikationen für (Watson Studio und Watson Machine Learning)

  1. März 2022{: .idate}

Für die folgenden Änderungen der Framework- und Softwarespezifikationen sind möglicherweise Benutzeraktionen zum Aktualisieren von Assets erforderlich.

  • Der Modelltyp CPLEX 12.10 wird in Watson Studio und Watson Machine Learning nicht mehr unterstüzt. Die Unterstützung für CPLEX 12.10 endet am 18. Mai 2022. Migrieren Sie auf die neueste Version, CPLEX 20.1. Details zu Decision Optimization-Modelltypen finden Sie unter Modellbereitstellung.
  • Python 3.8 ist veraltet und wird am 18. Mai 2022 entfernt. Aktualisieren Sie Ihre Assets und Bereitstellungen für die Verwendung von IBM Runtime 22.1, basierend auf Python 3.9, mit zugehörigen Notebookumgebungen und Softwarespezifikationen. Details zu unterstützten Notebookumgebungen für IBM Runtime 22.1 finden Sie unter Notebook-Umgebungen ändern. Details zu Bereitstellungsframeworks finden Sie unter Frameworks und Softwarespezifikationen verwalten.

Woche bis 11. März 2022

Neuer Connector für DataStage: Microsoft Azure Cosmos DB

  1. März 2022{: .idate}

Sie können jetzt Daten aus einer Microsoft Azure Cosmos DB-Datenquelle in Ihre DataStage-Abläufe einbeziehen.

Die vollständige Liste der DataStage-Connectors finden Sie unter DataStage-Connectors.

Federated Learning unterstützt jetzt Python 3.9

  1. März 2022{: .idate}

Verwenden Sie Python 3.9 für Ihre Federated Learning-Experimente mit diesen Frameworks:

  • Tensorflow 2.7
  • PyTorch 1.10
  • Scikit-learn 1.0.2

Python 3.8 und alle zugehörigen Frameworks werden nicht mehr unterstützt. Aktualisieren Sie Ihre Federated Learning-Experimente auf Python 3.9 und implementieren Sie vollständig unterstützte Frameworks. Weitere Informationen finden Sie unter Kompatibilität zwischen Frameworks und Python-Versionen.

Woche bis 4. März 2022

Neuer Connector für DataStage: Microsoft Azure SQL Database

  1. März 2022{: .idate}

Sie können jetzt Daten aus einer Microsoft Azure SQL Database-Datenquelle in Ihre DataStage-Abläufe einbeziehen.

Die vollständige Liste der DataStage-Connectors finden Sie unter DataStage-Connectors.

Neue DataStage-Features

  1. März 2022{: .idate}

Sie können jetzt die Funktionen UniChar und UniSeq verwenden, um in der Stage 'Transformer' Dezimalwerte in Unicode umzuwandeln. Siehe Stage 'Transformer'.

Ende der Unterstützung für Deep Learning as a Service (Watson Machine Learning)

  1. März 2022{: .idate}

Die Unterstützung für Deep Learning als Service und Erstellungsprogramm für Deep Learning-Experimente ist veraltet und wird am 2. April 2022 eingestellt. Für Cloud Pak for Data as a Service ist kein Ersatz vorgesehen, aber die Unterstützung für Deep Learning-Experimente wird unter Cloud Pak for Data mit Watson Machine Learning Accelerator fortgesetzt. Beachten Sie, dass sich die Einstellung dieser Unterstützung nicht auf GPU-Notebooks für Watson Studio k80 auswirkt. Sie können die GPU-Notebooks weiterhin ausführen, aber Deep Learning-Notebooks, -Modelle und -Bereitstellungen, die auf Watson Machine Learning-REST-APIs basieren, werden nicht unterstützt.

Aufbereitungsergebnisse filtern (Watson Knowledge Catalog)

  1. März 2022{: .idate}

In den Ergebnissen der Metadatenaufbereitung können Sie jetzt zusätzliche Filter auf Spalten anwenden, um relevante Spalten schneller zu finden. Die neuen Filter sind Prüfstatus, Quelle und Geschäftsbegriffe.

Woche bis 25. Februar 2022

DataStage-Funktionen

  1. Februar 2022{: .idate}

Die folgenden Stages sind jetzt für die Verwendung in DataStage-Abläufen verfügbar:

  • Combine Records
  • Make Subrecords
  • Make Vector
  • Promote Subrecords
  • Split Subrecord
  • Split Vector

Weitere Informationen enthält der Abschnitt DataStage-Stages.

Unterstützung für Python 3.9 und Einstellung der Unterstützung für Python 3.7 (Watson Studio und Watson Machine Learning)

  1. Februar 2022{: .idate}

Sie können jetzt IBM Runtime 22.1 verwenden, das die neuesten Data-Science-Frameworks unter Python 3.9 enthält, um Watson Studio-Jupyter-Notebooks auszuführen, Modelle zu trainieren und Watson Machine Learning-Bereitstellungen auszuführen. Python 3.7 ist jetzt veraltet und wird am 14. April 2022 entfernt. Aktualisieren Sie Ihre Assets und Implementierungen so, dass stattdessen IBM Runtime 22.1 verwendet wird. Außerdem sind XL Python-Umgebungen in Watson Studio und Watson Machine Learning veraltet und werden ebenfalls am14. April 2022 entfernt. Weisen Sie alle zugeordneten Assets erneut den unterstützten Konfigurationen zu.

Ankündigungen für Federated Learning (Watson Machine Learning)

  1. Feb. 2022{: .idate}

Mehrere neue Funktionserweiterungen für Federated Learning sind verfügbar.

  • Das Modul 'Federated Learning' ist jetzt Teil des Python-Clients für Watson Machine Learning. Alle API-Funktionen, die ibmfl enthalten, werden entfernt. Führen Sie eine Aktualisierung auf die neueste Version des Moduls Watson Machine Learning und des Partei-Connector-Scripts durch. Weitere Informationen finden Sie unter Federated Learning-Experiment erstellen.
  • Python 3.7 wird für ältere Versionen nicht weiter unterstützt. Führen Sie eine Aktualisierung mindestens auf Python 3.8 durch, um die weitere Verwendung in Federated Learning zu ermöglichen.
  • Scikit-learn 1.0 wird jetzt mit Python 3.9 unterstützt.

Angepasste Integritätsbedingungen in Decision Optimization Modeling Assistant erstellen

  1. Feb. 2022{: .idate}

Modeling Assistant bietet zahlreiche Vorschläge für Integritätsbedingungen für Ihre Problemdomäne an, die angepasst werden können. Möglicherweise möchten Sie jedoch für die Domänen andere als die vordefinierten Integritätsbedingungen angeben. Zu diesem Zweck können Sie jetzt erweiterte angepasste Integritätsbedingungen angeben, die Python DOcplex verwenden. Ein Beispiel für die Vergehensweise finden Sie unter Erweiterte angepasste Integritätsbedingungen.

Einfaches Konfigurieren der Umgebung für Ihr Decision Optimization-Experiment

  1. Februar 2022{: .idate}

Beim Erstellen von Modellen in einem Experiment enthält das Teilfenster 'Ausführungsparameter' in der Ansicht 'Modell erstellen' jetzt eine Registerkarte 'Umgebung'. Darin wird die Standardausführungsumgebung anzeigt, die für die Lösung verwendet wird, wenn Sie in der Ansicht 'Modell erstellen' auf 'Ausführen' klicken. Zum Erstellen von Umgebungen können Sie die Registerkarte 'Umgebung' im Teilfenster 'Informationen' in der Übersicht erstellen. Weitere Informationen finden Sie unter Hardware und Software konfigurieren.

Metadaten aus mehr Datenquellen importieren (Watson Knowledge Catalog)

  1. Feb. 2022{: .idate}

Sie können den Metadatenimport jetzt auch für Apache Cassandra- und Teradata-Datenquellen durchführen.

Woche bis 18. Februar 2022

Auf Daten aus S3-kompatiblen Datenquellen zugreifen

  1. Feb. 2022{: .idate}

Verwenden Sie die neue Verbindung 'Generisch S3', um auf Daten aus einem Speicherservice zuzugreifen, der mit der Amazon S3-API kompatibel ist. Informationen hierzu finden Sie unter Verbindung 'Generisch S3'.

Die Snowflake-Verbindung unterstützt die von Okta bereitgestellte föderierte Authentifizierung für erweiterte Sicherheit.

  1. Feb. 2022{: .idate}

Wenn Ihr Unternehmen Single Sign-on (SSO) mit nativer Okta-Authentifizierung verwendet, enthält die Benutzerschnittstelle ein neues Feld, in dem Sie den Okta-URL-Endpunkt für Ihr Okta-Konto eingeben können.

Okta-Authentifizierung über Snowflake

Informationen zur Snowflake-Verbindung finden Sie unter Snowflake-Verbindung.

Woche bis 11. Februar 2022

DataStage unterstützt die Erstellung von Nachrichtenhandlern.

  1. Februar 2022{: .idate}

Fehlernachrichten und Warnungen beim Ausführen eines Jobs werden in das Protokoll geschrieben. Nachrichten und Alerts können Sie in der Anzeige 'Protokolle' aufrufen. Durch das Erstellen von Nachrichtenhandlern können Sie angeben, dass bestimmte Fehler anders behandelt werden sollen.

Nachrichtenhandler bestehen aus Regeln, die definieren, wie Nachrichten formuliert werden. Durch Nachrichtenhandler können Sie Nachrichten aus dem Protokoll unterdrücken oder festlegen, ob eine Fehlernachricht als Warnung oder als Informationsnachricht ausgegeben werden soll.

Erkunden Sie diese Funktion, indem Sie eine Protokollnachricht erweitern, die Auslassungspunkte neben der Nachrichten-ID auswählen und die Nachricht hochstufen oder herabstufen, um sie als Warnung oder Informationsnachricht einzustufen. Sie können auch auswählen, das die Nachricht in den Protokollen unterdrückt werden soll. Diese Option ist für Fehler nicht verfügbar.

Steigern Sie Ihre Produktivität mit der neuen Funktionalität für Projekte.

  1. Februar 2022{: .idate}

Die neue Benutzerschnittstelle für Projekte ist jetzt die Standardfunktionalität für Projekte. Entdecken Sie das neue Design - Ihre Arbeit ist davon nicht betroffen.

Machen Sie sich mit der erweiterten Asset-Organisation, Asset-Beziehungen, verbesserter Navigation und den integrierten Anleitungen bekannt - sie gestalten die Arbeit und Zusammenarbeit in einem Projekt einfacher und effizienter.

Details und ein Video zur neuen Benutzerschnittstelle für Projekte finden Sie unter Neue Funktionalität für Projekte.

Registerkarte 'Übersicht'

Woche bis 4. Februar 2022

PostgreSQL ist eine unterstützte Datenbank zur Verwendung bei der Berichterstellung für Watson Knowledge Catalog-Daten.

  1. Februar 2022{: .idate}

Wenn Sie Ihre Watson Knowledge Catalog-Daten an eine externe Datenbank senden, um Berichte zu erstellen, können Sie jetzt außer einer Db2-Datenbank zusätzlich eine PostgreSQL-Datenbank auswählen. Details hierzu finden Sie unter Berichterstellung für Watson Knowledge Catalog-Daten.

Bereitstellung und Integration Ihrer Daten mit Data Replication (Beta)

  1. Februar 2022{: .idate}

Testen Sie jetzt die Betaversion des Service Data Replication, um Daten nahezu in Echtzeit mit minimalen Auswirkungen auf Quellendatenbanken bereitzustellen. Erfassen Sie bequem Daten aus Db2 on Cloud und stellen Sie Daten in Db2 on Cloud und in Db2 Warehouse bereit. Unterstützung für weitere Quellen und Ziele soll zur GA hinzugefügt werden.

Rufen Sie zum Einstieg Services > Servicekatalog im Menü Cloud Pak for Data auf und stellen Sie den Data Replication-Service bereit. Weitere Informationen finden Sie unter Data Replication (Beta).

Machen Sie sich bereit für den Wechsel von der traditionellen Funktionalität für Governance-Artefakte (Watson Knowledge Catalog)

  1. Februar 2022

Wenn Sie die traditionelle Funktionalität für Governance-Artefakte mit Watson Knowledge Catalog verwenden, wird am 4. April 2022 auf die neue Funktionalität für Governance-Artefakte umgestellt. Die traditionelle Funktionalität wird nur verwendet, wenn Sie Watson Knowledge Catalog vor April 2021 bereitgestellt und noch nicht auf die neue Funktionalität umgestellt haben. Die neue Funktionalität für Governance-Artefakte wurde im April 2021 zur Standardfunktionalität.

Die neue Funktionalität für Governance-Artefakte enthält die folgenden neuen Funktionen:

  • Weitere Typen von Governance-Artefakten (z. B. Referenzdatasets und Governance-Regeln)
  • Weitere Beziehungen zwischen Artefakten und Assets
  • Differenzierte Steuerung der Benutzerberechtigungen zum Anzeigen und Verwalten von Governance-Artefakten in Kategorien

Notieren Sie vor der Umstellung die Details Ihrer Geschäftsbegriffe, angepassten Klassifikationen und Datenschutzregeln.

Bei der Umstellung geschieht Folgendes:

  • Alle vorhandenen Geschäftsbegriffe, Richtlinien und Datenschutzregeln werden dauerhaft gelöscht. Das Zurücksetzen auf die traditionelle Funktionalität ist nicht möglich.
  • Alle Geschäftsbegriffe, Datenklassen und Klassifikationszuordnungen für Datenassets werden ungültig.
  • Alle Datenmaskierungen, die Sie mit Datenschutzregeln konfiguriert haben, werden entfernt.
  • Profile von Datenassets wurden so aktualisiert, dass die Klassifikationsergebnisse die neuen Datenklassen verwenden.

Nach der Umstellung sollten Sie Folgendes ausführen:

  • Erstellen Sie Ihre Geschäftsbegriffe, Klassifikationen und Datenschutzregeln neu.
  • Entfernen Sie ungültige Geschäftsbegriffe und Klassifikationszuordnungen aus Assets in Katalogen.
  • Ordnen Sie Ihre neuen Geschäftsbegriffe und die Klassifizierung Assets in Katalogen zu.
  • Ordnen Sie Ihren Benutzern Watson Knowledge Catalog-Rollen zu. Siehe Benutzern Watson Knowledge Catalog-Rollen zuordnen.

Bei Fragen oder Bedenken bezüglich der Umstellung auf eine neue Version von Governance-Artefakten können Sie ein Support-Ticket öffnen.

Neue Dokumentation für Scripting

  1. Februar 2022{: .idate}

Obwohl Scripting für die Verwendung von SPSS Modeler nicht erforderlich ist, kann es als leistungsfähiges Tool für die Automatisierung von Prozessen in der Benutzerschnittstelle genutzt werden. Scripts können dieselben Arten von Aktionen durchführen, die Sie mit einer Maus oder einer Tastatur durchführen. So können Sie Aufgaben automatisieren, die bei einer manuellen Durchführung sehr viele Wiederholungen verlangen oder sehr viel Zeit beanspruchen.

In dem neuen Leitfaden für Scripterstellung und Automatisierung wird diese Funktionalität ausführlich beschrieben.

Data Refinery unterstützt SAS-Dateien mit der Erweiterung 'sas7bdat'

  1. Februar 2022{: .idate}

Sie können jetzt SAS-Datenassets optimieren, die die Erweiterung .sas7bdat verwenden. SAS-Dateien werden lediglich als Quellendateien unterstützt. SAS-Dateien können nicht als Ziel für einen Data Refinery-Ablauf verwende werden.

Eine vollständige Liste der von Data Refinery unterstützten Dateitypen finden Sie unter Daten verfeinern.

Data Refinery-Abläufe mit umfangreichen Datasets müssen aktualisiert werden, wenn bestimmte GUI-Operationen verwendet werden

  1. Februar 2022{: .idate}

Bei der Ausführung von Data Refinery-Jobs mit umfangreichen Datenassets bieten die folgenden GUI-Operationen Leistungsverbesserungen, für die Sie alle betroffenen Data Refinery-Abläufe aktualisieren müssen:

  • Konvertieren des Spaltentyps zu 'Integer' (Ganzzahl), wenn Sie ein Tausendertrennzeichen (Komma, Punkt oder angepasst) angeben
  • Konvertieren des Spaltentyps zu 'Decimal' (Dezimalzahl) mit Komma als Dezimaltrennzeichen, oder wenn Sie ein Tausendertrennzeichen (Komma, Punkt oder angepasst) angeben
  • Text > Anführungszeichen abschneiden

Um die Leistung der Jobverarbeitung für einen Data Refinery-Ablauf zu verbessern, der diese Operationen verwendet, aktualisieren Sie den Data Refinery-Ablauf, indem Sie ihn öffnen und speichern und anschließend einen Job für ihn ausführen. Neue Data Refinery-Abläufe verfügen automatisch über die Leistungsverbesserungen. Anleitungen finden Sie unter Data Refinery-Abläufe verwalten.

Neuer Connector für DataStage

  1. Februar 2022{: .idate}

DataStage unterstützt jetzt den Box-Connector. Die vollständige Liste der DataStage-Connectors finden Sie unter DataStage-Connectors.

Decision Optimization-Modelle werden auf Python 3.8 umgestellt

  1. Februar 2022{: .idate}

Für Decision Optimization-Modelle ist die Standardversion für Python-Modelle jetzt Python 3.8. Wenn Sie über Decision Optimization-Modelle mit Python 3.7 verfügen, erstellen Sie die Modelle mit Python 3.8 erneut oder stellen Sie sie erneut bereit, um potenzielle Probleme zu vermeiden.

Siehe Decision Optimization-Notebooks und Lösungsparameter.

Woche bis 28. Januar 2022

Eindeutige Katalognamen beibehalten

  1. Januar 2022{: .doconly}

Beim Erstellen eines Katalogs auf der Seite 'Katalog erstellen' müssen Sie jetzt einen eindeutigen Namen verwenden. Durch eindeutige Katalognamen werden Probleme durch Mehrdeutigkeit und Synchronisationsfehler vermieden Wenn ein Katalogname doppelt verwendet werden muss, verwenden Sie die API, um einen Katalog umzubenennen oder zu erstellen.

Die Rolle 'Data-Scientist' verfügt über die Zugriffsberechtigung auf Governance-Artefakte (Watson Knowledge Catalog)

  1. Januar 2022{: .idate}

Mit der Berechtigung Auf Governance-Artefakte zugreifen können Data-Scientists die Details der Governance-Artefakte anzeigen, die Assets zugeordnet sind, um tieferen Einblick in die Daten zu gewinnen.

Einstellung der Unterstützung von Spark 2.4 für Watson Studio und Watson Machine Learning

  1. Januar 2022{: .idate}

Spark 2.4 wird als Framework für maschinelles Lernen, Notebookumgebung und RStudio-Laufzeit nicht weitere unterstützt. Aktualisieren Sie Ihre Assets so, dass Spark 3.0 verwendet wird. Die Unterstützung für Trainingssssets wird am 16. Februar 2022 eingestellt. Die Unterstützung für die Bereitstellung und das Scoring von Modellen wird am 10. März 2022 eingestellt und vorhandene Bereitstellungen, die Spark 2.4 verwenden, werden entfernt. Details zur Migration eines Assets auf ein unterstütztes Framework und eine unterstützte Softwarespezifikation finden Sie unter Frameworks und Softwarespezifikationen verwalten. Details zu Notebookumgebungen finden Sie in Optionen für Rechenressourcen für den Notebookeditor in Projekten.

Unterstützung für grosse Hardwarespezifikation für Decision Optimization (Watson Machine Learning)

  1. Januar 2022{: .idate}

Sie können jetzt eine große Hardwarespezifikation (8 vCPUs und 32 GB) mit Decision Optimization-Jobs verwenden. Außerdem wurde die Anzahl der Jobs, die parallel ausgeführt werden können, auf 100 erhöht. Details hierzu finden Sie unter Jobs ausführen.

Woche bis 21. Januar 2022

Neue Connectors für DataStage

  1. Januar 2022{: .idate}

DataStage enthält diese neuen Connectors:

  • Amazon RDS for Oracle
  • Compose for MySQL

Die vollständige Liste der DataStage-Connectors finden Sie unter DataStage-Connectors.

Metadatenaufbereitung: automatische Begriffszuordnung und mehr (Watson Knowledge Catalog)

  1. Januar 2022{: .idate}

Die automatische Begriffszuordnung kann jetzt Teil Ihrer Metadatenaufbereitung sein und weitere Stichprobenoptionen stehen zur Auswahl. Außerdem wurden Aufbereitungsergebnisse auf Spaltenebene und eine Vielzahl weiterer Insigts auf Assetebene neu hinzugefügt. Darüber hinauskönnen Sie Assets und Ergebnisse direkt in jedem Katalog veröffentlichen, auf den Sie Zugriff haben. Details hierzu finden Sie unter Daten aufbereiten.

Watson Natural Language Processing für Notebooks

  1. Januar 2022{: .idate}

Die Watson Natural Language Processing-Bibliothek (Betaversion) für Notebooks stellt grundlegende Funktionen für die Verarbeitung natürlicher Sprache für die Syntaxanalyse und vordefinierte Modelle bereit, mit denen Sie unstrukturierte Daten in strukturierte Daten umwandeln können, d. h. Sie können mit einer Mischung aus unstrukturierten und strukturierten Daten arbeiten. Beispiele für solche Daten sind Call-Center-Datensätze, Kundenbeschwerden, Beiträge in sozialen Medien oder Problemberichte. Details hierzu finden Sie unter Watson Natural Language Processing-Bibliothek (Beta).

Woche bis 14. Januar 2022

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

  1. Januar 2022{: .idate}

Ein neues vordefiniertes Asset Branchenspezifische Akzeleratoren ist verfügbar und kann zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwendet werden:

Name des Branchenbeschleunigers Beschreibung
Kundenbindung im Einzelhandel Nutzen Sie Umfragen zur Kundenzufriedenheit, um die Abwanderung von Kunden vorherzusagen und Strategien zur Kundenbindung zu entwickeln.

Vollständige Unterstützung für das Testen von AutoAI-Experimenten auf Fairness (Watson Machine Learning)

  1. Januar 2022{: .idate}

Bewerten Sie ein Experiment in Bezug auf Fairnessaspekte, um sicherzustellen, dass Ihre Ergebnisse nicht verzerrt sind und eine Gruppe einer anderen vorgezogen wird. Sie können jetzt Experimente mit verknüpften Daten sowie Experimente mit einer einzelnen Datenquelle auswerten. Ein Zeitreihenexperiment nicht auf Fairness bewertet werden. Details zu Fairnesstests finden Sie unter Fairnesstests auf AutoAI-Experimente anwenden.

Woche bis 7. Januar 2022

Sichere Verbindung zu Datenquellen mit IBM Cloud Satellite herstellen

  1. Januar 2022{: .idate}

In IBM Cloud Satellite können Sie eine eigene Infrastruktur mit Rechenressourcen in Ihrem lokalen Rechenzentrum oder bei einem anderen Cloud-Provider verwenden, um einen Satellite-Standort zu erstellen. Anschließend können Sie die Funktionen von Satellite verwenden, um IBM Cloud-Services in Ihrer Infrastruktur auszuführen und Ihre App-Workloads konsistent bereitzustellen, zu verwalten und zu steuern.

Für Cloud Pak for Data as a Service richten Sie einen Satellite-Standort für die Datenquelle ein und wählen anschließend Satellite Link im Abschnitt Private Konnektivität auf der Seite Verbindung erstellen aus.

Satellite Link

Alle Datenquellen, die Secure Gateway unterstützen, bieten jetzt Unterstützung für Satellite Link. Anleitungen hierfür finden Sie unter Verbindungen sichern.

Woche bis 24. Dezember 2021

Preisänderungen für den IBM DataStage as a Service-Standardplan gelten ab 1. Februar

  1. Dezember 2021{: .idate}

Ab dem 1. Februar fällt der Instanzpreis weg und der Preis pro CUH im Standardplan für DataStage as a Service wird erhöht.Beim Standardplan wird nur die Nutzung in Rechnung gestellt, der bisherige Instanzpreis von 3.000 USD entfällt, d. h. Sie können effizienter mit der Nutzung von DataStage as a Service beginnen und zahlen nur für die tatsächliche Nutzung.Da der Instanzpreis im Standardplan entfällt, beinhaltet Plan nicht mehr 400 CUH und der Preis pro CUH steigt von 0,40 USD pro CUH auf 1,75 USD pro CUH. Details hierzu finden Sie unter Ankündigungen für IBM Cloud.

IBM Datastage as a Service mit einer Mindestdauer für Jobausführungen ab dem 20. Januar

  1. Dezember 2021{: .idate}

Ab dem 20. Januar gilt für Datastage as a Service eine Mindestdauer für Jobausführungen. In DataStage werden Jobausführungen nach Sekunden und nach der Gesamtzahl der vCPUs gemessen. Aus dieser Kombination ergibt sich die Menge der genutzten CUH. Jede vCPU entspricht einer Kapazitätseinheitenstunde. Für DataStage as a Service-Jobs wird eine Mindestdauer von 60 Sekunden abgerechnet. Jobs, die länger als eine Minute dauern, werden für die Abrechnung auf die nächste ganze Zahl gerundet. Die Mindestoption für die Umgebungskonfiguration (Standardoption für die Ausführung von DataStage as a Service-Jobs) ist 'PX M - 1 Conductor mit 2 vCPU und 8 GB RAM'. Die Konfiguration PX S mit 1 vCPU und 4 GB RAM wird entfernt. Details hierzu finden Sie unter Ankündigungen für IBM Cloud.

Woche bis 17. Dezember 2021

Die Überwachung von Modellen in einem Modellbestand ist jetzt allgemein verfügbar. (Watson Knowledge Catalog)

  1. Dezember 2021{: .idate}

Verwenden Sie einen Modellbestand in Watson Knowledge Catalog, um die Lebenszyklen der Modelle für maschinelles Lernen von der Trainings- bis zur Produktionsphase zu überwachen. Zeigen Sie KI-Datenblätter für Modellassets an, die den Fortschritt von der Entwicklung über die Validierung und Bewertung bis zur Produktion verfolgen. KI-Datenblätter unterstützen und vereinfachen die effiziente ModelOps-Governance und die Compliance mit Unternehmensprotokollen. Details hierzu finden Sie unter Modellbestand. In diesem Release ist die Möglichkeit neu hinzugekommen, Modelle für maschinelles Lernen zu überwachen, die außerhalb von Watson Studio erstellt wurden. Details hierzu finden Sie unter Externes Modell zum Modellbestand hinzufügen.

Woche bis 10. Dezember 2021

Neue Connectors für DataStage

  1. Dezember 2021{: .idate}

DataStage enthält diese neuen Connectors:

  • Amazon RDS für MySQL
  • Databases for MongoDB
  • MariaDB
  • MongoDB

Die vollständige Liste der DataStage-Connectors finden Sie unter DataStage-Connectors.

Angepasste Rollen für Kategorien (Watson Knowledge Catalog)

  1. Dezember 2021{: .idate}

Zusätzlich zu den vordefinierten Kategorierollen können Sie angepasste Rollen mit einer angepassten Gruppe von Berechtigungen erstellen. Angepasste Kategorierollen ermöglichen eine differenziertere Steuerung der Aktionen, die Benutzer in einer Kategorie ausführen können. Details enthält der Abschnitt Rollen für Kategoriemitarbeiter.

Workflows für Governance-Artefakte (Watson Knowledge Catalog)

  1. Dezember 2021{: .idate}

Vordefinierte Workflowvorlagen zum Erstellen neuer Workflowkonfigurationen sind verfügbar. Jede Konfiguration definiert erforderliche Tasks zum Erstellen, Aktivieren, Löschen und Importieren von Governance-Artefakten. Die Vorlagen bieten Ihnen mehr Flexibilität beim Definieren des Workflowprozesses. Details hierzu finden Sie unter Workflows für Governance-Artefakte.

Vordefinierte Satellite-Standorte für Notebooks werden entfernt (Watson Studio)

  1. Dezember 2021{: .idate}

Ab dem 9. Dezember 2021 sind vordefinierte Satellite-Standorte nicht mehr als Umgebung für Notebooks verfügbar. Ihre Notebooks und Notebookjobs, die Satellite-Umgebungen verwenden, bleiben bestehen. Sie müssen jedoch so bearbeitet werden, dass stattdessen eine Umgebung an einem IBM Cloud-Position ausgewählt wird. Siehe Umgebung eines Notebooks ändern. Die vordefinierte Satellite-Umgebung bleibt für angepasste DataStage-Umgebungslaufzeiten verfügbar.

Neue Notebookumgebungen in Projekten (Watson Studio)

  1. Dezember 2021{: .idate}

Unterstützung für die folgenden Notebookumgebungen wurde hinzugefügt:

  • Sie können jetzt Default Spark 3.0 & Python 3.8 auswählen, wenn Sie ein Notebook mit Spark ausführen. Die neue Umgebung verwendet dieselben Kapazitätseinheitenstunden (Capacity Unit Hours, CUHs) wie die anderen Spark 3.0-Standardumgebungen.
  • Eine neue Umgebung Default R 3.6 S wurde hinzugefügt und die vorherige Umgebung Default R 3.6 S ist jetzt als veraltet markiert. Anstelle der veralteten Umgebung sollten Sie ab jetzt diese neue Umgebung verwenden.

Details hierzu finden Sie unter Optionen für Rechenressourcen für den Notebook-Editor in Projekten.

AutoAI-Zeitreihen allgemein verfügbar (Watson Studio)

  1. Dezember 2021{: .idate}

AutoAI-Zeitreihen sind jetzt für die Regionen Dallas, London, Frankfurt und Tokio allgemein verfügbar. Für AutoAI-Zeitreihenexperimente wird jetzt die Ressourcennutzung in Rechnung gestellt. Details hierzu finden Sie unter Rechenressourcenoptionen für AutoAI-Experimente in Projekten. Eine Einführung in Vorhersagen mit AutoAI-Zeitreihenexperimenten finden Sie im Blogbeitrag Right on time(series): Introducing Watson Studio's AutoAI Time Series.

Aktion zum Ändern des Bereitstellungsnamens erforderlich (Watson Machine Learning)

  1. Dezember 2021{: .idate}

Ab dem 9. Dezember 2021 müssen die Bereitstellungsnamen die Benutzer den Online-Bereitstellungen zuweisen, innerhalb der Region eindeutig sein. Benutzer können mit einem API-Aufruf GET /ml/v4/deployments?serving_name={serving_name}&conflict=true API prüfen, ob ein vorhandener Bereitstellungsname eindeutig ist. Wenn der Aufruf GET den Statuscode 204 zurückgibt, ist der Name eindeutig und kann verwendet werden. Wenn der Aufruf den Statuscode 409zurückgibt, ist der Bereitstellungsname bereits vorhanden oder verursacht möglicherweise einen Konflikt. Überprüfen Sie die Antwort und aktualisieren Sie bei Bedarf den Bereitstellungsnamen mit der PATCH-API. Ab dem 9. Januar schlagen Vorhersageanforderungen mit doppelt vorhandenen Bereitstellungsnamen mit einer Fehlernachricht fehl, in der der Benutzer aufgefordert wird, den Namen zu ändern. Details zu Bereitstellungsnamen finden Sie unter Onlinebereitstellung erstellen. Details zur Verwendung des Befehls PATCH finden Sie unter Metadaten für Bereitstellung aktualisieren. Wenn Sie Unterstützung für die Aktualisierung benötigen, wenden Sie sich an den IBM Support.

Daten virtualisieren mit Watson Query

  1. Dezember 2021{: .idate}

Data Virtualization wird jetzt als Watson Query bezeichnet. Sie können diese Komponente ausprobieren, indem Sie eine Serviceinstanz mit einem Lite-Plan bereitstellen. Siehe Watson Query bereitstellen. Watson Query enthält die folgenden Features und Funktionen:

  • Watson Query unterstützt jetzt mehr Datenquellen. Siehe Unterstützte Datenquellen und Datentypen in Watson Query.
  • Sie können jetzt Tabellen in IBM Cloud Object Storage-, Amazon S3- und Ceph ®-Datenquellen in Watson Query virtualisieren, indem Sie einen Virtualisierungsablauf zum Durchsuchen und Voranzeigen von Dateien verwenden. Watson Query unterstützt die Datenformate PARQUET (oder PARQUETFILE), ORC (Optimized Row Columnar), CSV (Comma Separated Values), TSV (Tab Separated Values) und JSON. Weitere Informationen finden Sie unter Verbindung zu Cloud Object Storage herstellen.
  • Manager können Caches erstellen, um durch das Zwischenspeichern der Ergebnismengen Ihrer Abfragen die Leistung zu verbessern. Weitere Informationen finden Sie unter Datencaches und Abfragen verwalten.

    Weitere Informationen finden Sie unter Daten virtualisieren.

Woche bis 3. Dezember 2021

Verbindung 'Netezza (PureData System for Analytics)' wurde umbenannt in 'Netezza Performance Server'

  1. Dez. 2021{: .idate}

Die Verbindung 'Netezza (PureData System for Analytics)' heißt jetzt 'Netezza Performance Server'. Ihre vorherigen Einstellungen für eine Verbindung zu Netezza (PureData System for Analytics) bleiben unverändert. Nur derVerbindungsname wurde geändert.

Benutzergruppen zum Verwalten von Datenschutzregeln (Watson Knowledge Catalog)

  1. Dez. 2021{: .idate}

Sie können Benutzergruppen in der Bedingung für eine Datenschutzregel angeben. Details hierzu finden Sie unter Datenschutzregeln entwerfen.

Steigern Sie Ihre Produktivität mit der neuen Benutzerschnittstelle für Projekte

  1. Dezember 2021{: .idate}

Projekte werden derzeit überarbeitet. Sie können eine erste Vorschau auf das neue Layout und die neue Struktur aufrufen. Entdecken Sie das neue Design - ohne Auswirkungen auf Ihre vorhandenen Arbeitsergebnisse. Das Zurücksetzen auf 'klassische' Projekte ist jederzeit möglich.

Wenn Sie zur neuen Funktionalität für Projekte (Betaversion) wechseln möchten, navigieren Sie zu Profil und Einstellungen, indem Sie auf Ihren Avatar (Avatar-Symbol) klicken und den Schalter unter der Registerkarte Betaversion auf 'Ein' setzen. Machen Sie sich mit der erweiterten Asset-Organisation, den Asset-Beziehungen, der verbesserten Navigation und den integrierten Anleitungen bekannt - sie gestalten die Arbeit und Zusammenarbeit in einem Projekt einfacher und effizienter. Details und ein Video zu der neuen Benutzerschnittstelle für Projekte finden Sie unter Neue Funktionalität für Projekte.

Registerkarte 'Übersicht'

Neue Notebookjobs speichern Ausgabedateien für Jobausführungsergebnisse

  1. Dezember 2021{: .idate}

Wenn Sie einen neuen Notebookjob erstellen, speichert der Job jetzt standardmäßig Ausgabedateien für Jobausführungsergebnisse. Diese Funktion wird standardmäßig aktiviert und Sie können damit beispielsweise Ihre Jobausführungen mit verschiedenen Umgebungsvariablen parametrisieren, die Ergebnisse der Jobausführungen vergleichen und so das Verhalten des Codes in Ihrem Notebook anpassen.

Um eine zu große Anzahl von Ausführungsausgabedateien zu vermeiden, wurde für die Aufbewahrung von Jobausführungen der Standardwert 5 festgelegt.

Diese Änderung betrifft nur neue Jobs. Details hierzu finden Sie unter Notebook-Job erstellen.

Videosuche in der Produktdokumentation (Cloud Pak for Data as a Service)

  1. Dezember 2021{: .idate}

Sie können Videos mit Anleitungen für Cloud Pak for Data as a Service jetzt auf die gleiche Weise durchsuchen wie Textthemen in der Dokumentation.

Details finden Sie in diesem Blogbeitrag: Videos mit Anleitungen für Cloud Pak for Data as a Service durchsuchen.

Benutzerschnittstelle zum Suchen nach Videos

Neue Funktionen für DataStage

  1. November 2021{: .idate}

Neue Stages

DataStage enthält neue Stages, die weitere Tools zur Verarbeitung Ihrer Daten bereitstellen stellen:

  • Hierarchisch (XML)
  • Java Integration
  • Pivot Enterprise
  • Surrogate Key Generator

Weitere Informationen enthält der Abschnitt DataStage-Stages.

Neue Connectors

DataStage enthält neue Connectors:

  • Google Cloud Pub/Sub
  • MySQL

Weitere Informationen enthält der Abschnitt DataStage-Connectors.

Wiederverwendbare Komponenten

  • Sie können Komponenten für die Verwendung in Projekten und DataStage-Abläufen erstellen. Sie erstellen diese Komponenten in einem Projekt außerhalb eines DataStage-Ablaufs, der Ihnen die Flexibilität bietet, die Komponenten an separaten Stellen wiederzuverwenden. Die Komponenten werden als Assets in Ihrem Projekt gespeichert. Sie können die folgenden Komponenten erstellen:
  • Datendefinitionen
  • Parametersätze
  • Unterabläufe

Referenzliteratur: DataStage

Woche bis 19. November 2021

AutoAI-Zeitreihen bald allgemein verfügbar (Watson Studio)

  1. November 2021{: .idate}

AutoAi-Zeitreihen werden Anfang Dezember 2021 für die Regionen Dallas, London, Frankfurt und Tokio von der Betaversion auf allgemeine Verfügbarkeit umgestellt. Sobald die allgemeine Verfügbarkeit (General Availability, GA) eintritt, werden für AutoAI-Zeitreihenexperimente Gebühren für Ressourcennutzung in Rechnung gestellt. Details hierzu finden Sie unter Rechenressourcenoptionen für AutoAI-Experimente in Projekten.

Einstellung der Unterstützung von Softwarespezifikationen für AutoAI-Zeitreihen (Watson Studio)

  1. November 2021{: .idate}

Die Softwarespezifikationen autoai-ts_3.1-py3.7 und autoai-ts_3.8-py3.8 werden nicht weiter unterstützt. Die Unterstützung wird am 1. Dezember 2021 eingestellt. Bis dahin können Sie die Spezifikationen weiterhin verwenden, um Modelle bereitzustellen oder Scoring für bereitgestellte Modelle durchzuführen. Sie werden jedoch aufgefordert, auf eine vollständig unterstützte Version umzustellen. Ab dem 1. Dezember sind keine neuen Bereitstellungen mehr möglich und vorhandene Bereitstellungen, die diese Spezifikationen verwenden, werden entfernt. Details zur Migration eines Assets auf ein unterstütztes Framework und eine unterstützte Softwarespezifikation finden Sie unter Frameworks und Softwarespezifikationen verwalten.

Testdaten zum Trainieren eines AutoAI-Experiments hochladen (Watson Studio)

  1. November 2021{: .idate}

Für AutoAI-Experimente, die mit einer einzelnen Datenquelle erstellt wurden und keine Zeitreihenexperimente sind, können Sie jetzt eine zweite Datenquelle hochladen, die speziell für Holdout-Daten zum Testen der Pipelines verwendet werden soll. Details hierzu finden Sie unter AutoAI-Modell erstellen.

Federated Learning allgemein verfügbar (Watson Studio)

  1. November 2021{: .idate}

Federated Learning ist allgemein verfügbar und wird für die Regionen Dallas, London, Frankfurt und Tokio vollständig unterstützt. Für neue Experimente werden Gebühren für genutzte Ressourcen in Rechnung gestellt. Details enthält der Abschnitt Federated Learning.

Gruppen zum Verwalten von Mitarbeitern für Kategorien verwenden (Watson Knowledge Catalog)

  1. November 2021{: .idate}

Sie können Gruppen verwenden, um Mitarbeiter zu Kategorien hinzuzufügen. Details hierzu finden Sie unter Zugriff auf eine Kategorie verwalten.

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

  1. November 2021{: .idate}

Ein neues vordefiniertes Asset Branchenspezifische Akzeleratoren ist verfügbar und kann zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwendet werden:

Name des Branchenbeschleunigers Beschreibung
Proekt für erneute Aufnahme von Patienten im Krankenhaus Prognostiziert die Rate der erneuten Aufnahme von Patienten im Krankenhaus anhand von Patientendaten.

Woche bis 12. November 2021

AutoAI-Erweiterungen: Fairnessbewertung und Datenimputation (Watson Studio)

  1. November 2021{: .idate}

Sie können jetzt ein AutoAI-Experiment in Bezug auf Fairness bewerten, um sicherzustellen, dass Ihre Ergebnisse nicht verzerrt sind und keine Gruppe einer anderen vorgezogen wird. Hinweis: Diese Funktion wird als Betaversion bereitgestellt und ist nicht für den Produktionseinsatz bestimmt. Details hierzu finden Sie unter Fairnesstests auf AutoAI-Experimente anwenden.

Nutzen Sie differenzierte Steuerungsmöglichkeiten für die Datenimputation, d. h. die Bereitstellung fehlender Werte für die Trainingsdaten für ein AutoAI-Experiment bereitgestellt werden. Details hierzu finden Sie unter Datenimputation in AutoAI-Experimenten.

Für AutoAI-Experimente, die mit einer einzelnen Datenquelle erstellt wurden und keine Zeitreihenexperimente sind, können Sie jetzt eine zweite Datenquelle hochladen, die speziell für Holdout-Daten zum Testen der Pipelines verwendet werden soll. Details hierzu finden Sie unter AutoAI-Modell erstellen.

Ankündigungen für Federated Learning (Watson Studio)

  1. November 2021{: .idate}

Die bevorstehende Umstellung für Federated Learning von der Betaversion auf allgemeine Verfügbarkeit wird bis nach dem 17. November verschoben. Federated Learning wird in dieser Woche weiterhin als Betaversion zur Verfügung gestellt. Bis dahin werden für neue Experimente keine Gebühren für genutzte Ressourcen in Rechnung gestellt.

Woche bis 5. November 2021

Lernprogramm für den Schnelleinstieg in Decision Optimization (Watson Studio)

  1. November 2021{: .idate}

Sie können jetzt an einem Lernprogramm teilnehmen und ein entsprechendes Video aufrufen, um zu erfahren, wie Geschäftsprobleme durch Erstellen, Ausführen und Bereitstellen eines Decision Optimization-Modell behoben werden können. Das Lernprogramm eignet sich für Benutzer mit Vorkenntnissen im Bereich präskriptive Analyse und erfordert keine Codierung. Siehe Schnelleinstieg: Decision Optimization-Modell erstellen, ausführen und bereitstellen.

Veresserte Benutzerschnittstelle für Decision Optimization (Watson Studio)

  1. November 2021{: .idate}

Sie können jetzt das Lösungsdiagramm in der Ansicht 'Lösung untersuchen' vergrößern. Siehe Ansicht 'Lösung untersuchen'.

Data Refinery-Abläufe mit umfangreichen Datasets müssen aktualisiert werden, wenn bestimmte GUI-Operationen verwendet werden

  1. November 2021{: .idate}

Bei der Ausführung von Data Refinery-Jobs mit umfangreichen Datenassets bieten die folgenden GUI-Operationen Leistungsverbesserungen, für die Sie alle betroffenen Data Refinery-Abläufe aktualisieren müssen:

  • Spaltentyp konvertieren > Datum (gilt auch für die Operation Spaltentyp konvertieren als automatisch ausgeführter erster Schritt in einem Data Refinery-Ablauf)
  • Spaltentyp konvertieren > Zeitmarke (gilt auch für die Operation Spaltentyp konvertieren als automatisch ausgeführter erster Schritt in einem Data Refinery-Ablauf)
  • Stoppwörter entfernen
  • Teilzeichenfolge ersetzen
  • Text > Füllzeichen
  • Text > Teilzeichenfolge

Um das Fehlschlagen Ihrer Data Refinery-Ablaufjobs zu verhindern, aktualisieren Sie den Data Refinery-Ablauf, indem Sie ihn öffnen und speichern und anschließend einen Job für diesen Ablauf ausführen. Neue Data Refinery-Abläufe verfügen automatisch über die Leistungsverbesserungen. Anleitungen finden Sie unter Data Refinery-Abläufe verwalten.

Woche bis 29. Oktober 2021

Handhabung von Duplikaten in Katalogen angeben (Watson Knowledge Catalog)

  1. Oktober 2021{: .idate}

Sie können jetzt angeben, wie doppelte Assets in einem Katalog behandelt werden sollen. Standardmäßig ist die Behandlung von Duplikaten so eingestellt, dass Duplikate zulässig sind. Sie können eine andere Einstellung angeben während Sie einen Katalog erstellen, oder jederzeit auf der Seite für Katalogeinstellungen. Siehe Katalogeinstellungen ändern.

Datenschutzregeln können zu Entwurfsrichtlinien hinzugefügt werden (Watson Knowledge Catalog)

  1. Oktober 2021{: .idate}

Wenn Sie eine Datenschutzregel zu einer Richtlinie hinzufügen, muss die Richtlinie nicht mehr publiziert werden. Sie kann im Entwurfsstatus vorliegen. Wenn Sie eine publizierte Richtlinie auswählen, wird eine Entwurfsversion der Richtlinie erstellt.

Woche bis 22. Oktober 2021

Federated Learning bald allgemein verfügbar (Watson Studio)

  1. Oktober 2021{: .idate}

Federated Learning wird am 10. November 2021 für die Regionen Dallas, London, Frankfurt und Tokio vom Beta-Status in den Status der allgemeinen Verfügbarkeit versetzt. Ab diesem Datum ist Federated Learning allgemein verfügbar und für neue Experimente werden Gebühren für genutzte Ressourcen in Rechnung gestellt. Details enthält der Abschnitt Federated Learning.

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

  1. Oktober 2021{: .idate}

Ein neues vordefiniertes Asset Branchenspezifische Akzeleratoren ist verfügbar und kann zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwendet werden:

Name des Branchenbeschleunigers Beschreibung
Umsatzvorhersage mit Weather Company Data Optimieren Sie die Möglichkeiten zur Vertriebsorganisation Ihres Unternehmens, indem Sie ein Modell trainieren, den Umsatz basierend auf dem Wetter vorherzusagen. Der Akzelerator enthält Geschäftsbegriffe und Kategorien, eine Reihe von Data-Science-Beispielassets und ein Beispieldashboard zur Visualisierung der Ergebnisse.


Neue Benutzerschnittstelle für Data Refinery-Operationsschritte

  1. Oktober 2021{: .idate}

Eine neue Benutzerschnittstelle für Data Refinery vereinfacht die Arbeit mit Ihren Daten. Die Operationen werden in der Anzeige 'Schritte' zusammengefasst, die auf der linken Seite platziert wird. Wenn Sie eine Operation hinzufügen möchten, klicken Sie auf Neuer Schritt. Wie bisher können Sie die Ansicht MOMENTAUFNAHME durch Klicken auf einen beliebigen vorherigen Schritt aufrufen. Die Operationen bleiben unverändert.

Data Refinery-Benutzerschnittstelle

Reorganisierte Kategorien für Data Refinery GUI-Operationen

  1. Oktober 2021{: .idate}

Die GUI-Operationen für Data Refinery werden in den folgenden Kategorien neu gruppiert:

  • CLEANSE (BEREINIGEN)
  • COMPUTE (BERECHNEN)
  • ORGANIZE (ORGANISIEREN)
  • NATURAL LANGUAGE (NATÜRLICHE SPRACHE)

Die Operationen bleiben unverändert. Informationen hierzu finden Sie unter GUI-Operationen.

Erweiterungen für den ZIP-Import und -Export von Governance-Artefakten (Watson Knowledge Catalog)

  1. Oktober 2021{: .idate}
  • Die Beziehungen zwischen Artefakten werden mithilfe der Artefakt-IDs definiert und nicht mehr mit der vorherigen Methode, bei der Kontext und Name des Artefakts verwendet wurden.
  • Wenn die Synchronisationsphase des Importprozesses unterbrochen wird (z. B. durch das Beenden eines Pods), wird der Synchronisationsprozess nach einiger Zeit in einem anderen Pod erneut gestartet.
  • Durch eine neu hinzugefügte Berechtigung kann gesteuert werden, welche Personen alle Governance-Artefakte in einer ZIP-Datei importieren und exportieren können. Die neue Berechtigung trägt die Bezeichnung 'Glossar verwalten' und ist in der Rolle 'Manager' enthalten.

Siehe den Abschnitt zum Importieren aller Governance-Artefakte aus einer ZIP-Datei in Governance-Artefakte importieren.

Woche bis 11. Oktober 2021

Verbesserungen in der Benutzerschnittstelle für Decision Optimization-Experimente (Watson Studio)

  1. Okt. 2021{: .idate}

Sie können jetzt einfacher auswählen, wie Ihr Modell in der Benutzerschnittstelle für Decision Optimization-Experimente formuliert werden soll: Klicken Sie in der Seitenleiste auf Modell erstellen. Daraufhin wird ein Popup-Fenster mit der Frage angezeigt, wie Sie Ihr Modell formulieren möchten. Anschließend können Sie auswählen, ob Sie den unterstützten Modus mit Modeling Assistant verwenden oder Ihr Modell in Python, OPL, LP (CPLEX) oder CPO codieren bzw. Dateien importieren möchten.

Sie können jetzt das Lösungsdiagramm in der Ansicht Lösung untersuchen vergrößern.

Databases for DataStax

  1. Okt. 2021{: .idate}

Databases for DataStax wurde zu den Verbindungstypen für Analyseprojekte und Kataloge hinzugefügt.

Woche bis 8. Oktober 2021

Modelle für maschinelles Lernen in einem Modellbestand verfolgen (Beta) (Watson Knowledge Catalog)

  1. Okt. 2021{: .idate}

Verwenden Sie einen Modellbestand in Watson Knowledge Catalog, um die Lebenszyklen der Modelle für maschinelles Lernen von der Trainings- bis zur Produktionsphase zu überwachen. Zeigen Sie Datenblätter für Modellassets an, die den Fortschritt von der Entwicklung bis zur Produktion verfolgen. Prüfen und verwalten Sie Datenblätter, die effiziente ModelOps-Governance und die Compliance mit Unternehmensprotokollen vereinfachen. Details hierzu finden Sie unter Modellbestand. Beachten Sie, dass dieses Feature als Betaversion verfügbar ist, nur in der Region Dallas zur Verfügung steht und nicht für den Produktionseinsatz bestimmt ist.

Für alle neuen Konten sind Kreditkarteninformationen erforderlich

  1. Okt. 2021{: .idate}

Neue Kunden, die ein IBM Cloud-Konto erstellen möchten, müssen beim Registrieren Kreditkarteninformationen angeben. Für Lite-Konten und nutzungsabhängige Konten ist eine Kreditkarte erforderlich. Sie wird jedoch nur belastet, wenn der Kunde Services im Rahmen eines abrechnungsfähigen Plans nutzt. Anleitungen und ein Video zum Registierungsvorgang finden Sie unter Für Cloud Pak for Data as a Service registrieren.

Woche bis 1. Oktober 2021

Entfernen der Benutzererlebnisse für Natural Language Classifier und Visual Recognition aus Watson Studio

  1. Oktober 2021{: .idate}

Die Benutzererlebnisse für IBM Watson Natural Language Classifier und Visual Recognition werden in Watson Studio nicht mehr verwendet. Ab dem 1. Dezember 2021 können Sie in Watson Studio keine neuen Assets für Watson Natural Language Classifier und Visual Recognition mehr erstellen, die auf Ihren vorhandenen Services basieren. Als Alternative empfehlen wir Ihnen, die Migration auf den Service IBM Watson Natural Language Understanding unter IBM Cloud in Betracht zu ziehen, der mithilfe von Deep Learning Daten und Erkenntnisse aus Text extrahiert (z. B. Schlüsselwörter, Kategorien, Stimmungen, Emotionen und Syntax) sowie erweiterte Textklassifikationsfunktionen mit mehreren Bezeichnungen, um noch tiefere Einblicke für Ihr Unternehmen oder Ihre Branche zu gewinnen. Ziehen Sie für die visuelle Erkennung IBM Maximo Visual Inspection in Betracht oder das Trainieren von Open-Source-Modelle für Computer Vision mit Watson Machine Learning.

Woche bis 27. September 2021

Erinnerung: Veraltete Watson Studio-Notebook-Umgebungen und Watson Machine Learning-Bereitstellungsframeworks werden entfernt.

  1. September 2021{: .idate}

Veraltete Watson Studio-Notebook-Umgebungen und Watson Machine Learning -Bereitstellungsframeworks, die auf Python 3.7 basieren, werden am 15. Oktober 2021 entfernt. Falls noch nicht geschehen, führen Sie ein erneutes Training und eine erneute Bereitstellung der Assets unter Verwendung der neuen default_py3.7_opence-Softwarespezifikationen durch. Ausführliche Informationen finden Sie unter Hinweis und Zeitplan für die Einstellung der Unterstützung.

Hinweis zur Einstellung der Unterstützung von CPLEX 12.9 für Decision Optimization

  1. September 2021{: .idate}

Der Modelltyp CPLEX 12.9 wird in Watson Studio und Watson Machine Learning nicht weiter unterstützt. Die Unterstützung für CPLEX 12.9 endet am 31. Dezember 2021. Migrieren Sie auf die neueste Version, CPLEX 20.1. Details zu Decision Optimization-Modelltypen finden Sie unter Modellbereitstellung.

Erinnerung: Ende der Unterstützung für integrierte Berechtigungsnachweise für den Zugriff auf ferne Daten (Watson Machine Learning)

  1. September 2021{: .idate}

Die Verwendung integrierter Berechtigungsnachweise für die direkte Verbindung zu einem Datenasset wird ab dem 6. Oktober 2021 nicht mehr unterstützt. Details zu der Änderung bei der Verwendung von Verbindungen für den fernen Datenzugriff finden Sie in diesem Hinweis zur Einstellung der Unterstützung.

Berichte für Watson Knowledge Catalog-Daten generieren

  1. September 2021{: .idate}

Sie können jetzt Einblicke in Ihre Kataloge, Projekte und Governance-Artefakte gewinnen, indem Sie die Berichterstellung für Watson Knowledge Catalog einrichten. Die Daten werden an eine externe Datenbank gesendet, in der Sie SQL-Abfragen ausführen können, um Berichte zu erstellen. Details zum Konfigurieren der Berichterstellung finden Sie unter Berichterstellung für Watson Knowledge Catalog-Daten.

Verbesserte Bearbeitung von Governance-Artefakten (Watson Knowledge Catalog)

  1. September 2021{: .idate}

Beim Bearbeiten einer Eigenschaft für ein Governance-Artefakt, für die Sie ein Artefakt auswählen, können Sie Basisinformationen für das ausgewählte Artefakt in der Bearbeitungsanzeige anzeigen.


Woche bis 24. September 2021

Aktualisierungen der Metadatenaufbereitung (Watson Knowledge Catalog)

  1. September 2021{: .idate}

Eine Übersicht über die Gesamtergebnisse der Aufbereitung ist jetzt verfügbar. Sie können die Qualitätsscores für jedes Asset in der Metadatenaufbereitung anzeigen und den Überprüfungsstatus für jedes Asset ändern. Siehe Ergebnisse der Metadatenaufbereitung.

Woche bis 17. September 2021

Unterstützung für CPLEX- und CPO-Modelle in Decision Optimization-Experimenten (Watson Studio)

  1. September 2021{: .idate}

Sie können jetzt CPLEX-und CPO-Dateien in Decision Optimization-Experimenten importieren und lösen. Siehe Ansicht 'Modell erstellen'.

Neue Option für Rechenressourcen mit Python 3.8 und Decision Optimization (Watson Studio)

  1. September 2021{: .idate}

Sie können jetzt Umgebungen mit Python 3.8 und Decision Optimization auswählen, in denen Ihre Notebooks ausgeführt werden sollen. Informationen zur verfügbaren Standardumgebung und zum Erstellen einer eigenen Umgebung mit Decision Optimization finden Sie in Rechenressourcenoptionen für den Notebook-Editor in Projekten.

Unterstützung von Python 3.8 in Decision Optimization-Experimenten (Watson Studio)

  1. September 2021{: .idate}

Decision Optimization-Experimente verwenden standardmäßig Python 3.7. Sie können die Ausführungsparameter für Ihr Experiment jedoch so bearbeiten, dass stattdessen Python 3.8 verwendet wird.

Benutzern temporären oder rollenbasierten Zugriff auf Ihre Amazon S3-Daten erteilen

  1. September 2021{: .idate}

Der Eigner des Amazon S3-Kontos kann für Daten, auf die über eine Amazon S3-Verbindung zugegriffen wird, temporäre Sicherheitsberechtigungsnachweise bereitstellen oder vertrauenswürdigen Benutzern rollenbasierten Zugriff erteilen. Dieses Feature bietet eine größere Sicherheit und Flexibilität, da der Accountbesitzer keine zusätzlichen Benutzer zu ihrem IAM-Konto hinzufügen muss. Anleitungen finden Sie unter Temporäre Berechtigungsnachweise oder einen Rollen-ARN für Amazon S3 einrichten.

IBM DataStage-Aktualisierungen

  1. September 2021{: .idate}

  2. Erweiterte Massenbearbeitung für Spalten.

  3. Die ISX-Importschnittstelle verwendet jetzt Carbon-Tearsheet-Komponenten.

Woche bis 10. September 2021

Neues Beispiel für Watson Studio Pipelines

  1. September 2021{: .idate}

Laden Sie ein vorab ausgefülltes Beispielprojekt aus der Watson Studio-Galerie herunter, um die Funktionalität von Watson Studio Pipelines zu testen. Folgen Sie den Anweisungen auf der Seite 'Übersicht' des Beispielprojekts, um die Assets einzurichten, die Sie zum Konfigurieren und Ausführen des Ablaufs benötigen.

Woche vom 6. September 2021


Metadatenanreicherung im Maßstab (Watson Knowledge Catalog)

  1. September 2021{: .idate}

Ein neues automatisiertes Tool für die Verwendung in Analyseprojekten ermöglicht die Automatisierung von Data Stewardship. Bereichern Sie Ihre Daten im Maßstab, indem Sie die Datenqualität von großen Datenmengen mit einem Klick analysieren und analysieren. Weitere Informationen zur Metadatenaufbereitung.

Dieses Tool ist nur für Kunden mit Watson Knowledge Catalog Professional-oder Enterprise-Plänen verfügbar.

Woche am 3. September 2021

Neue Knoten für Watson Studio Pipelines beta

  1. September 2021{: .idate}

Die Betaversion von Watson Studio Pipelines hat drei neue Knoten. Sie können jetzt eine Pipeline erstellen, die einen DataStage-Job mit dem Knoten DataStage-Ablauf ausführen aufruft. Die Ausführungsreihenfolge für die Pipeline können Sie mit dem neuen Knoten Auf alle Ergebnisse warten steuern, der festlegt, dass bis auf den Abschluss aller vorgeordneten Abhängigkeiten gewartet werden soll, und mit dem Knoten Auf Ergebnis warten, der festlegt, dass nur auf den Abschluss der ersten vorgeordneten Abhängigkeit gewartet werden soll. Ausführliche Informationen zum Konfigurieren dieser Knoten finden Sie unter Pipelinekomponenten konfigurieren.

Data Replication-eingeschränkte Betaversion

  1. September 2021{: .idate}

IBM Data Replication stellt eine zuverlässige Datenintegration und -synchronisation für die effiziente gemeinsame Datennutzung bereit und ist jetzt als eingeschränkte Betaversion verfügbar. Sie macht die Verwendung von Echtzeitinformationen für DataOps durch die Anreicherung von Big Data, Data Warehouses und Analysesystemen mit den aktuellsten Daten aus ständig wechselnden Transaktionsverarbeitungsdatenbanken zu verbessern.

Diese IBM Lösung unterstützt die Bereitstellung von hohen Datenvolumen mit sehr geringer Latenzzeit und ist somit ideal für die Verteilung von Daten auf mehreren Standorten und für die Datenkonsolidierung, unabhängig davon, ob sie über das Rechenzentrum, von lokal in die Cloud oder von einer Cloud in eine andere Cloud-Daten verfügen. Die geplante robuste Unterstützung für Quellen, Ziele und Plattformen stellt sicher, dass die richtigen Daten in Datenseen, Data Warehouses, Datamarts und Point-of-Impact-Lösungen verfügbar sind, während gleichzeitig eine optimale Ressourcenauslastung und ein schneller ROI erreicht werden.

Um sich an der eingeschränkten Beta-und View-Produktdokumentation zu beteiligen, müssen Sie sich registrieren. Weitere Informationen finden Sie unter Registrieren Sie sich noch heute für die Betaversion von IBM Data Replication.

IBM DataStage-Aktualisierungen

  1. September 2021{: .idate}

  2. Die erste Lieferung von Massenbearbeitungsspaltenmetadaten ist jetzt verfügbar.

  3. Wenn Sie ein DataStage-Archiv (ISX) in ein Projekt importieren, können Sie jetzt einen CSV-Bericht herunterladen.

Woche am 27. August 2021

Ankündigung von Watson Studio Pipelines Beta

Watson Studio Pipelines bietet eine grafische Schnittstelle für die Orchestrierung einer End-to-End-Pipeline von Assets aus der Erstellung über die Implementierung. Verwenden Sie den Pipelines-Editor, um einen End-to-End-Flow zu automatisieren, um Daten vorzubereiten, um dann maschinelle Lernmodelle und Python-Skripte zu erstellen, zu schulen, zu implementieren und zu aktualisieren. Erkunden Sie die Funktionen des Tools mithilfe einer vorinstallierten Beispielpipeline. Details hierzu finden Sie unter Watson Studio Pipelines.

Hinweis: Dieses Tool wird als Betaversion bereitgestellt und nicht für die Verwendung in Produktionsumgebungen unterstützt.

Entfernen von Datenanmerkungen mit definierter Crowd und Abbildung Eight

Ab dem 16. September können Sie nicht mehr die Annotationsplattformen für definierte Crowd-oder Figurenanmerkungen von Drittanbietern verwenden, um Anmerkungsjobs zu erstellen.

Für den Metadatenimport unterstützte neue Datenquellen (Watson Knowledge Catalog)

Datenbanken für MongoDB und MongoDB sind jetzt unterstützte Datenquellen für Metadaten-Import in Projekten.

Neue SPSS Modeler-Dokumentation (Watson Studio)

Ein neuer Abschnitt Referenzinformationen für Elemente wie Tipps und Direktaufrufe, eine CLEM-Sprachreferenz und statistische SPSS-Algorithmen wurde hinzugefügt. In Zukunft werden weitere Informationen zu diesem Abschnitt hinzugefügt, zum Beispiel ein Leitfaden zu Skripting und Automatisierung.

Erweiterungen für föderiertes Lernen (Watson Machine Learning)

Föderiertes Lernen unterstützt nun Python 3.8 sowie 3.7 für die Modellversion. Parteien können nun zwischen den Versionen für ihre Modelle wählen, aber alle Parteien und der Aggregator müssen die gleiche Version von Python verwenden.

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

Zwei neue branchenspezifische Akzeleratoren, die Sie zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwenden können, sind als vordefinierte Assets verfügbar:

Name des Branchenbeschleunigers Beschreibung
Projekt für effektive Landwirtschaft Unterstützt die effektive Landwirtschaft, indem sie das Wachstum der Kulturen überwacht und den Landwirten einen zeitnahen Alarm über die Wetterveränderung, die mögliche Entwicklung von Pflanzenkrankheiten, die Verdunstung von Fungizid und den effizienten Einsatz von Solarpaneelen (Unterstützung der Agrovoltaik) ausweist.
Projekt zum Organisieren von Kommentaren Bietet Unternehmen die Möglichkeit, Kommentare geordnet anzuzeigen und das positive bzw. negative Feedback bestimmter Kunden gezielt und einfach anzuzeigen.



IBM DataStage-Aktualisierungen

  • ODBC Connector wird jetzt unterstützt.
  • Der Builder für Transformatorausdrücke unterstützt jetzt Makros. Hinzugefügte Funktion zum Suchen des Datentyps für einen Ausdruck, der im Ausdruckserstellungsprogramm für Stage-und Schleifenvariablen erstellt wird. Verbesserte Benutzerfreundlichkeit für Transformer Expression Builder und für die Funktion 'Spalte hinzufügen'.
  • Die Landessprachenunterstützung (NLS) pro Spaltenzuordnung und Ländereinstellungsabschnitt wird jetzt unterstützt.
  • Es wurden Verbesserungen für die Funktion des ProtokollPunkts hinzugefügt.

Woche am 13. August 2021



Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

Zwei neue branchenspezifische Akzeleratoren, die Sie zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwenden können, sind als vordefinierte Assets verfügbar:

Name des Branchenbeschleunigers Beschreibung
Akzelerator für Lieferketten Optimieren Sie Ihre Supply-Chain-Operationen mit AI.
Intelligente Wartung Intelligentes Asset-Management und vorausschauende Wartung zur Straffung Ihrer Abläufe.



IBM DataStage-Aktualisierungen

  • Erweiterung des Builders für Transformer-Ausdrücke, bei dem der Spaltendatentyp automatisch basierend auf der Rückgabe des Ausdrucks ausgewählt wird.
  • Erweiterung zum Anzeigen der Schaltfläche "Protokoll" mit farbigen Punkten, die die Warnung, den Fehler oder den erfolgreichen Lauf anprangern.

Woche bis 06 August 2021



Namen für einen Serving-Namen für eine Online-Implementierung hinzufügen (Watson Machine Learning)

Geben Sie einen angepassten Serving-Namen für die URL für eine Online-Implementierung an. Siehe Onlinebereitstellung erstellen.

Unterstützung für Python 3.8 (Watson Studio) und (Watson Machine Learning)

Sie können nun Python 3.8-Umgebungen auswählen, wenn Sie mit Notebooks mit und ohne GPU in Watson Studio arbeiten. Nur Umgebungen, die die CPLEX-und die DOcplex-Bibliotheken enthalten, sind derzeit nicht mit Python 3.8 verfügbar. Weitere Informationen finden Sie unter Notebook-Umgebungen. Sie können Assets auch mithilfe von Python 3.8-Frameworks und Software-Spezifikationen implementieren. Details finden Sie unter Unterstützte Frameworks und Softwarespezifikationen.

IBM DataStage-Aktualisierungen

  • Sie können den Abschnitt "NLSMap" jetzt auf der Stage-Ebene verwenden.
  • Die Protokollanzeige kann jetzt mit einem Klick-und Bewegungsmechanismus geändert werden.

Woche zum 30. Juli 2021



Lernprogramme zur Einführung

Sie können nun die erste gestartete Dokumentation auf der Basis des Tasktyps anzeigen, den Sie ausführen möchten:

Jeder gestartete Pfad enthält eine oder mehrere Lernprogramme und Links zu zusätzlichen Ressourcen.

Unterstützung für einen sichereren Zugriff auf ferne Daten (Watson Machine Learning)

Am 28. Juli 2021 wird in Watson Machine Learning die Unterstützung für integrierte Berechtigungsnachweise eingestellt, um die neuesten bewährten Sicherheitsverfahren zu nutzen und den Datenzugriff zu standardisieren und zu vereinfachen.

Zuvor konnten Sie Berechtigungsnachweise einschließen, um direkt auf ein Datenasset zuzugreifen, z. B. Inhalte aus Cloud Object Storage oder eine Db2-Tabelle, wenn Sie die Datenquelle für eine Implementierungsjob-oder Decision Optimization-Lösung in Watson Machine Learning angegeben haben. Um den Prozess zum Herstellen einer Verbindung zu fernen Daten zu vereinfachen und zu vermeiden, dass Berechtigungsnachweise verfügbar gemacht werden, wird die direkte Verbindung zu einem Datenasset für eine integrierte Datenquelle bis zum 29. September 2021 nicht mehr unterstützt. Erstellen Sie stattdessen eine Verbindung mit dem Datenasset, um die Berechtigungsnachweise sicher zu speichern, und greifen Sie dann über Verbindungsattribute auf das Datenasset zu. Beispiel:

"input_data_references": [{
                    "type": "connection_asset",
                    "connection": {
                            "id": <connection_guid>
                    },
                    "location": {
                            "bucket": <bucket name>,
                            "file_name": <directory_name>/<file name>
                            <other wdp-properties supported by runtimes>
                    }
            }]

Beachten Sie im vorliegenden Beispiel, dass der Referenztyp für Eingabedaten 'connection_asset' lautet.

Ab dem 29. September schlagen die integrierten Berechtigungsnachweise mit einem Fehler in ungültigen Feldern fehl. Wenn Sie Cloud Object Storage (S3) oder Db2 verwenden, um Eingaben bereitzustellen oder die Ergebnisse Ihrer Decision Optimization-Jobs in Watson Machine Learning zu speichern, müssen Sie bis zum 29. September 2021 Maßnahmen ergreifen. Diese Änderung gilt für Watson Machine Learning v4-APIs (/ml/v4) sowie für Watson Machine Learning v4-Python-Clientbibliothek.

Weitere Informationen finden Sie unter Verbindungen erstellen und Details zur Batchbereitstellung. Details zum Aktualisieren von Decision Optimization-Modellen finden Sie in diesem Blogbeitrag zur Verwendung von Verbindungsassets mit Decision Optimization.

Export und Import aller Governance-Artefakte aus einer einzelnen Datei (Watson Knowledge Catalog)

Sie können jetzt alle Governance-Artefakte in eine einzelne ZIP-Datei exportieren und sie alle gleichzeitig mit der REST-API importieren. Siehe Alle Governance-Artefakte aus einer ZIP-Datei importieren und Alle Governance-Artefakte in eine ZIP-Datei exportieren.

Funktionale Erweiterungen für eingebundenes Lernen (Watson Machine Learning)

IBM Federated Learning umfasst jetzt Pytorch 1.7.1. Für neuronale Netzwerkmodelle mit heterogenen Datensätzen steht ein neuer Hyperparameter für Probabilistic Federated Neural Matching (PFNM) zur Verfügung.

IBM DataStage-Aktualisierungen

  • Unterstützung zum 'Ausschneiden' (Teilabläufe und ganze Abläufe) wird jetzt hinzugefügt.
  • Der Builder für Transformatorausdrücke wurde so erweitert, dass ein einzelner Klick auf der linken Seite Informationen zu der Funktion anzeigt, und das Doppelklick auf eine Funktion fügt ihn zum Ausdruck hinzu.
  • Sybase ASE Connector ist jetzt in der Palette verfügbar.
  • Die Paginierung ist jetzt für ISX-Importe verfügbar.

Woche am 23. Juli 2021


IBM DataStage-Aktualisierungen

  • Laufzeitparameter können jetzt im Ausdruckserstellungsprogramm für die Stage Transformer verwendet werden.
  • Die Unterstützung für Import und Export von Datendefinitionen ist für die Stage Transformer verfügbar.

Anzahl der Spark-Executoren, die für Watson Studio Lite-Plan eingeschränkt sind

Watson Studio Lite-Planbenutzer können nur 2 Steuerprogramme für Spark-Umgebungen in allen Regionen verwenden. Nutzer eines kostenpflichtigen Plans (Standard- und Enterprise-Benutzer) können die maximale Anzahl von Executors verwenden, die im Spark-Cluster verfügbar sind.

Angepasste Beziehungen importieren und exportieren (Watson Knowledge Catalog)

Sie können angepasste Attribute des Typs 'Beziehung' mithilfe von CSV-Dateien importieren und exportieren. Details hierzu finden Sie unter Governance-Artefakte importieren.

Woche am 16. Juli 2021

Aktualisierte Watson Studio-Notizbuchumgebungen und Watson Machine Learning-Implementierungsframeworks

Ab dem 16. Juli 2021 sind neue Python-Umgebungen für Notebooks und neue Bereitstellungsframeworks verfügbar, um die neueste Funktionalität und bewährte Sicherheitsverfahren zu unterstützen. Ihre Aktion ist erforderlich, um betroffene Notebooks zu aktualisieren oder AutoAI-Experimente bis zum 15. Oktober 2021 neu zu trainieren. Implementierungen müssen möglicherweise auch aktualisiert werden, da ältere Frameworks oder Softwarespezifikationen veraltet sind, und anschließend entfernt werden.

Änderungen an Python-Notizbuchumgebungen

Veraltete Umgebungen für Notebooks werden als veraltet markiert. Beispiel: (Deprecated) Default GPU Python 3.7 oder (Deprecated) Default Python 3.7. Angepasste Umgebungsdefinitionen, die auf veralteten Umgebungen basieren, werden ebenfalls als veraltet markiert. Es ist nicht möglich, ein neues Notizbuch mit einer veralteten Umgebung und Softwarekonfiguration, die am 19. August 2021 gestartet wird, zu erstellen, und vorhandene Notebooks werden am 15. Oktober 2021 nicht mehr aktiv sein, es sei denn, Sie aktualisieren sie auf eine unterstützte Konfiguration.

Bibliothek Vorherige Version Neue Version
Tensorflow 2.1.1 2.4.1
Pytorch 1.3.1 1.7.1
XGBoost 0,9 1.3.3
Scikit-learn 0.23.1 0.23.x
Numpy 1.17.4 1.19.2

{: caption="Bibliotheksversion" caption-side="top"}

Änderungen an Implementierungsframeworks und Softwarespezifikationen

Neben der Unterstützung für aktualisierte Versionen des Bereitstellungsframeworks wird die Python Softwarespezifikation default_py3.7, die mit diesen Frameworks und anderen implementierten Assets verwendet wird, zugunsten der neuen Softwarespezifikation default_py3.7_opence nicht weiter unterstützt.

Bibliothek oder Anlage Veraltete Version Unterstützte Version Veraltete Software
spezifikation
Neue
Softwarespezifikation
Tensorflow 2.1 2.4 default_py3.7 default_py3.7_opence
Pytorch 1.3 1,7 default_py3.7 default_py3.7_opence
XGBoost 0,9 1.3 default_py3.7 default_py3.7_opence
Scikit-learn 0.23.x default_py3.7 default_py3.7_opence
Python-Funktion default_py3.7 default_py3.7_opence
Python-Script default_py3.7 default_py3.7_opence
AutoAI autoai-kb_3.1-py3.7 autoai-kb_3.3-py3.7

Wenn Sie über ein bereitgestelltes Asset verfügen (z. B. ein Modell, das einem als veraltet aufgelisteten Bereitstellungsframework entspricht), aktualisieren Sie die Bereitstellung bis zum 15. Oktober 2021 auf das neueste Framework, damit der Service ohne Unterbrechung weiter verwendet werden kann.AutoAI-Modelle: Trainieren Sie das Experiment erneut aus, um das Asset auf die neue Softwarespezifikation zu aktualisieren, und stellen Sie anschließend das resultierende Modell erneut bereit.

Die Versionen aller weiteren unterstützten Frameworks bleiben unverändert.

Zeitpunkt für die Ausführung von Maßnahmen

Gehen Sie bis zum 15. Oktober 2021 wie folgt vor:

  1. Wenn Sie angepasste Notizbuchumgebungsdefinitionen auf der Basis veralteter Umgebungen verwenden, erstellen Sie auf der Basis einer unterstützten Softwarekonfiguration neue Definitionen. Beispiel: Default Python 3.7 GPU oder Default Python 3.7.
  2. Ändern Sie die Umgebungen von Notebooks, um eine unterstützte Umgebung zu verwenden.
  3. Testen Sie Ihre Notebooks. Wenn ein Notebook mit einer neuen Umgebung nicht erfolgreich ausgeführt werden kann, überprüfen Sie die Hinweise zur Kompatibilität der TensorFlow-Version oder die Releaseinformationen zu nicht abwärtskompatiblen Änderungen für PyTorch auf Änderungen, die für einen reibungslosen Übergang erforderlich sind. In vielen Fällen ist TensorFlow und PyTorch rückwärtskompatibel.
  4. Stoppen Sie alle vorhandenen Jobs, die Notebooks mit einer veralteten Python 3.7-CPU-oder GPU-Umgebung ausführen.
  5. Erstellen Sie neue Jobs, die die Umgebung Default GPU Python 3.7 oder Default Python 3.7 oder Ihre neuen angepassten Umgebungen verwenden.
  6. AutoAI-Experimente durchführen, um automatisch die neue Software-Spezifikation zu verwenden.
  7. Implementieren Sie alle Modelle in Watson Machine Learning mit unterstützten Frameworks und Software-Spezifikationen erneut.

Erfahren Sie mehr über die Arbeit mit Watson Studio GPU Notebooks und die Implementierung mit Watson Machine Learning:

IBM DataStage-Aktualisierungen

  • Unterstützung für Laufzeitumgebungsvariablen wurde hinzugefügt.

Woche am 9. Juli 2021

IBM DataStage-Aktualisierungen

  • IBM DataStage unterstützt das Hybrid-Subscription-Advantage-Programm, um großzügige Rabatte auf den Cloud-Service von DataStage Standard Plan anzubieten. Weitere Informationen finden Sie unter Hybrid Subscription Advantage aktivieren.
  • Sie können Vorschaudaten für Sequential File-Quellknoten voranzeigen.
  • Die Stage Transformer wurde aktualisiert, um die folgenden Features zu unterstützen:
    • Starten Sie das Erstellungsprogramm für Ableitungen über das Feld für die Integritätsbedingung der Transformer-Ausgabe.
    • Vollständige Massenaktionen für Transformer-Ausgabespalten.
    • Suchen Sie nach Funktionen im Umsetzungsprogramm für Transformer.
    • Wählen Sie lokale Parameter im Builder für Transformer-Ableitungen aus.
  • Sie können einen gemeinsam genutzten Container (Unterablauf) über den Asset-Browser hinzufügen.
  • Die Stage Modify hat eine Tränenblatt-Unterstützung, um anzugeben, wie die Stage Modify
  • Sie können die Untereigenschaften der Spaltenmetadatenart für die Stage Row Generator bearbeiten.
  • Der Standardwert für den Erstellungsbereich für Warnungen in den Ausführungseinstellungen wird auf 100 geändert.
  • Die Linkdetailkarte verfügt über verschiedene Symbole, die den Linktyp angeben.
  • Die Tränenblätter verfügen über UI-Aktualisierungen.

Woche am 2. Juli 2021

Cloud-Pak für Daten als Service-Lerngruppe

Sie können jetzt Videos und vollständige Lernprogramme ansehen, um zu erfahren, wie Sie Watson Studio, Watson Knowledge Catalog, Watson Machine Learning, Data Refinery und vieles mehr in Cloud Pak for Data as a Service verwenden können.

Weitere Informationen finden Sie im Schulungsmaterial für Cloud Pak for Data as a Service.

Neue Erweiterungen in "Federated Learning" (Watson Machine Learning)

Föderiertes Lernen erweitert nun seine Unterstützung für den Parteischwellenwert (quorum) für XGBoost-Experimente und aktualisiert seine Unterstützung für Tensorflow 2.4.2.

Woche am 25. Juni 2021

Watson Query on Cloud Pak for Data as a Service ist allgemein verfügbar

Watson Query ist jetzt allgemein verfügbar. Watson Query integriert mehrere Datenquellen standortübergreifend, ohne dass Daten kopiert und repliziert werden müssen, und zeigt die gesamten Daten in einer logischen Datenansicht an. Beginnen Sie mit dem Upgrade Ihres IBM Cloud-Kontos und der Bereitstellung des Service. Siehe Watson Query bereitstellen.

Weitere Informationen über Watson Query oder ein Lernprogramm absolvieren.

Watson Knowledge Catalog Enterprise-Plan ist verfügbar

Sie können jetzt einen Watson Knowledge Catalog Enterprise-Plan bereitstellen.

Der Enterprise-Plan bietet die folgenden Funktionen, die in anderen Plänen nicht enthalten sind:

  • Knowledge Accelerators: Sie können kuratierte Glossare von Governance-Artefakten für Ihre Branche hinzufügen. Weitere Informationen finden Sie unter Knowledge Accelerators.
  • Datenschutz: Verführen Sie maskierte Kopien von Daten, die mit erweiterten Maskierungsoptionen geschützt sind. Weitere Informationen finden Sie unter Datenschutz allgemein verfügbar.
  • 20 Benutzer ohne zusätzliche Kosten

Weitere Informationen finden Sie unter Watson Knowledge Catalog-Pläne.

Data Privacy ist GA! (Watson Knowledge Catalog)

{: #dp-ga}Schützen Sie sensible Daten mit neuen Daten-Datenschutzfunktionen. Data Privacy ermöglicht es Datenadministratoren, maskierte Kopien von Daten für Datenwissenschaftler, Geschäftsanalysten und Anwendtester zu erstellen. Die Daten werden mit Datenschutzregeln geschützt, die automatisch auf alle Daten angewendet werden, die in einen Katalog importiert werden.

Data Privacy stellt auch erweiterte Maskierungsoptionen für Datenschutzregeln vor, wie z. B. die erweiterte Formatkonservierung, die Einweg-Hash-Tokenisierung und die reversible Verschlüsselung. Die erweiterten Maskierungsoptionen bieten auch die Möglichkeit, Beziehungen zu pflegen und das Dienstprogramm von maskierten Daten zu erhöhen.

Weitere Informationen finden Sie unter Datenschutz.

Knowledge Accelerators stellen kuratierte Glossare für Watson Knowledge Catalog zur Verfügung

Sie können jetzt Knowledge Accelerators zu Ihrem Governance-Framework hinzufügen, wenn Sie den Watson Knowledge Catalog Enterprise-Plan haben.

Knowledge Accelerators helfen bei der Organisation von Daten in einem allgemeinen und bekannten Geschäftsvokabular, zusätzlich zum automatischen Bereitstellen von Geschäftskontexten und -definitionen während des Onboarding von regulatorischen und branchenspezifischen Dateninhalten innerhalb von Watson Knowledge Catalog. Ein umfangreiches Business-Vokabular beschleunigt die Datenverfassung und erhöht Ihre Datenkataloganlage.

Weitere Informationen finden Sie unter Knowledge Accelerators.

Grenzwerte und Standardwerte für die Beibehaltung von Implementierungsjobs (Watson Machine Learning)

Watson Machine Learning begrenzt jetzt die Anzahl der beibehaltenen Bereitstellungsjobs für jeden einzelnen Bereitstellungsbereich. Wichtig ist, dass bei dieser Aktualisierung keine Ihrer Informationen verloren gehen, sondern Ihre Benutzererfahrung bei der Ausführung von Implementierungsjobs möglicherweise geändert werden muss.

Die folgenden Grenzwerte gelten im Watson Machine Learning-Plan für die Anzahl der Bereitstellungsjobs, die für einen einzelnen Bereich beibehalten werden:

  • Lite: 100
  • Standard: 1000
  • Professional: 3000 (Erhöhung auf Anfrage per Support)

Wenn Sie Ihren Grenzwert überschreiten, können Sie erst dann neue Implementierungsjobs erstellen, wenn Sie vorhandene Jobs löschen oder ein Upgrade für Ihren Plan durchführen. Die neue Automatisierung hilft Ihnen dabei, innerhalb der Plangrenzen zu bleiben. Standardmäßig werden die Metadaten für Jobs nach 30 Tagen automatisch gelöscht. Sie können diesen Wert überschreiben, wenn Sie einen Job erstellen.

Aufbewahrung und Löschung von Metadaten programmgesteuert verwalten

Wenn Sie einen Job programmgesteuert über den Python-Client oder die REST-API verwalten, können Sie während des Zeitraums von 30 Tagen Metadaten vom Implementierungsendpunkt mit der Methode GET abrufen.

Um die Metadaten über einen länger oder kürzeren Zeitraum als 30 Tage aufzubewahren, überschreiben Sie den Standardwert retention=30 des Abfrageparameters für die Methode POST, damit die Metadaten beibehalten werden. Beachten Sie, dass durch das Ändern des Werts in retention=-1 das automatische Löschen abgebrochen wird und die Metadaten beibehalten werden.

Wenn Sie einen Job programmgesteuert löschen möchten, geben Sie den Abfrageparameter hard_delete=true für die Methode Watson Machine Learning DELETE an, um die Jobmetadaten vollständig zu entfernen. Beispiel:

DELETE /ml/v4/deployment_jobs/{JobsID}

Aktualisierte GPU-Umgebung (Watson Studio)

Bibliothek Vorherige Version Neue Version
Tensorflow 2.1.1 2.4.1
Pytorch 1.3.1 1.7.1
XGBoost 0,9 1.3.3
Scikit-learn 0.23.1 0,23,2
Numpy 1.17.4 1.19.2

{: caption="Bibliotheksversion" caption-side="top"}{: .blue}

Zeitpunkt für die Ausführung von Maßnahmen

  1. Wenn Sie über angepasste GPU-Umgebungsdefinitionen verfügen, erstellen Sie neue Definitionen, basierend auf der Softwarekonfiguration Default Python 3.7 GPU.
  2. Ändern Sie die Umgebungen von Notebooks, die die (Deprecated) Default GPU Python 3.7-Umgebung verwenden so, dass sie die Default Python 3.7 GPU-Umgebung verwenden.
  3. Ändern Sie die Umgebungen von Notebooks, die benutzerdefinierte GPU-Umgebungen verwenden, in Ihre neuen benutzerdefinierten GPU-Umgebungen.
  4. Testen Sie Ihre Notebooks. Wenn ein Notebook mit einer neuen GPU-Umgebung nicht erfolgreich ausgeführt wird, überprüfen Sie die Hinweise zur Kompatibilität der TensorFlow-Version oder die Releaseinformationen zu nicht abwärtskompatiblen Änderungen für PyTorch auf Änderungen, die für einen reibungslosen Übergang erforderlich sind. In vielen Fällen ist TensorFlow und PyTorch rückwärtskompatibel.
  5. Stoppen Sie alle vorhandenen Jobs, die Notebooks mit einer GPU-Umgebung ausführen.
    1. Erstellen Sie neue Jobs, die die Default GPU Python 3.7-Umgebung oder Ihre neuen angepassten GPU-Umgebungen verwenden.
  6. Implementieren Sie alle Modelle in Watson Machine Learning erneut: Verwenden Sie für TensorFlow-Modelle die Software-Spezifikation tensorflow_2.4-py3.7. {: .blue}Erfahren Sie mehr über die Arbeit mit Watson Studio GPU Notebooks und die Implementierung mit Watson Machine Learning:
  7. GPU-Umgebungen in Watson Studio
  8. Notebook-Jobs in Watson Studio planen

Neue Entscheidungsoptimierungsfunktionen

Diese Funktionen sind jetzt in Decision Optimization verfügbar:

Neue DataStage-Features

  • Sie können die Spaltenableitung direkt im Ausgabeabschnitt der Stage Transformer hinzufügen.
  • SAP OData ist im Assetbrowser aktiviert.
  • Der Operator "QualityStage untersuchen" ist in der Palette aktiviert.

Woche am 18. Juni 2021

IBM DataStage on Cloud Pak for Data as a Service ist GA!

DataStage als Service ist jetzt allgemein verfügbar. DataStage bietet eine KI-basierte Datenintegration, die es Ihnen ermöglicht, Daten überall auf mehreren Systemen zu extrahieren, zu übertragen und zu laden.

Weitere Informationen zu DataStage.

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

Drei neue branchenspezifische Akzeleratoren, die Sie zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwenden können, sind als vordefinierte Assets verfügbar:

  • Financial Markets Customer Life Event Prediction: Mit diesem Akzelerator können Sie Ihren Kunden durch geeignete Angebote zum richtigen Zeitpunkt den Weg zum finanziellen Erfolg bahnen. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren.
  • Utilities Demand Reponse Program Propensity: Welchen Kunden sollte angeboten werden, sich für das Demand Response Program zu registrieren? Verwenden Sie den Propensity-Akzelerator für Dienstprogramme (Utilities Demand Response Program), um Ihre Analyse zu starten. Der Akzelerator enthält Business-Begriffe, eine Reihe von Beispieldaten für Datenwissenschaftsressourcen und ein Beispiel-RStudio-Dashboard, um die Ergebnisse zu visualisieren. Optional können Sie die Daten auch mithilfe des Cognos-Dashboards 'Embedded' untersuchen und visualisieren.
  • Utilities Payment Risk Prediction: Verwenden Sie diesen Akzelerator, um proaktiv mit Kunden in Verbindung zu treten, bei denen ein Risiko für Zahlungsausfälle besteht. Der Akzelerator enthält Geschäftsbegriffe, eine Reihe von Beispieldaten für die Datenwissenschaft und ein Beispiel-Dashboard, um die Ergebnisse zu visualisieren.

Zusätzliche Algorithmen für AutoAI-Experimente (Watson Machine Learning)

Snap-ML-Algorithmen sind jetzt für die Schulung von AutoAI-Experimenten verfügbar. Die Algorithmen eignen sich gut zur Ausbalancierung von Genauigkeit mit Trainingsgeschwindigkeit. Details hierzu finden Sie unter Details der AutoAI-Implementierung.

Woche am 11. Juni 2021

MariaDB-Datenquelle wird für den Metadatenimport unterstützt (Watson Knowledge Catalog)

MariaDB ist nun eine unterstützte Datenquelle für den Metadaten Import in Projekten.

Woche am 4. Juni 2021

Mehr Industriebeschleuniger für End-to-End-Lösungen (Watson Studio)

Drei neue branchenspezifische Akzeleratoren, die Sie zur Bewältigung allgemeiner geschäftlicher Herausforderungen verwenden können, sind als vordefinierte Assets verfügbar:

Neue Erweiterungen in "Federated Learning" (Watson Machine Learning)

Föderiertes Lernen bietet Ihnen neue Möglichkeiten, Ihr Experiment zu optimieren, einschließlich Unterstützung für einen Parteischwellenwert (Quorum) für Tensorflow-Experimente und Unterstützung für die Beendigung eines Experiments, wenn Genauigkeitsschwellenwerte erreicht werden.

Schnittstelle für erweiterte Verbindungen

Wenn Sie eine Verbindung zu einem Projekt hinzufügen, enthält die Schnittstelle Erweiterungen, mit denen Sie die Verbindung schneller erstellen können:

  • Mit dem Filter Anbieter können Sie IBM Datenquellen oder Datenquellen anderer Anbieter identifizieren.
  • Mit dem Filter Kompatible Services können Sie ermitteln, welche Verbindungstypen für einen bestimmten Service verwendet werden können.

Wenn Sie den Namen des gesuchten Verbindungstyps kennen, können Sie ihn in das Feld Suchen eingeben.

Seite 'Verbindung hinzufügen'

Die Schritte zum Hinzufügen einer Verbindung zu einem Projekt finden Sie unter Verbindungen zu Projekten hinzufügen.

Woche bis 28 Mai 2021

Neue Decision Optimization-Laufzeit und CPLEX-Version (Watson Machine Learning)

Decision Optimization hat neue Optionen:

  • Neue Decision Optimization-Laufzeit. Wenn Sie ein Modell in einem Decision Optimization-Experiment ausführen, wird jetzt standardmäßig die neue do_20.1-Laufzeit verwendet. Siehe Ansicht 'Modell erstellen'.

  • CPLEX V. 20.1 ist ab sofort in Watson Machine Learning erhältlich. Siehe Modellbereitstellung.

Woche am 21. Mai 2021

Neue Lernprogramme von SPSS Modeler (Watson Studio)

Für SPSS Modeler stehen neue Lernprogramme zur Verfügung, die auf Beispielprojekten basieren. Details hierzu finden Sie unter Lernprogramme für SPSS Modeler.

Neue Grenzwerte und Standardwerte für die Beibehaltung von Implementierungsjobs (Watson Machine Learning)

Ab dem 23. Juni gelten in Watson Machine Learning Grenzwerte für die Anzahl der beibehaltenen Bereitstellungsjobs für jeden einzelnen Bereitstellungsbereich. Wichtig ist, dass bei dieser Aktualisierung keine Ihrer Informationen verloren gehen, sondern Ihre Benutzererfahrung bei der Ausführung von Implementierungsjobs möglicherweise geändert werden muss.

Die folgenden Grenzwerte gelten im Watson Machine Learning-Plan für die Anzahl der Bereitstellungsjobs, die für einen einzelnen Bereich beibehalten werden:

  • Lite: 100
  • Standard: 1000
  • Professional: 3000 (Erhöhung auf Anfrage per Support)

Wenn Sie Ihren Grenzwert überschreiten, können Sie erst dann neue Implementierungsjobs erstellen, wenn Sie vorhandene Jobs löschen oder ein Upgrade für Ihren Plan durchführen. Die neue Automatisierung hilft Ihnen dabei, innerhalb der Plangrenzen zu bleiben. Standardmäßig werden die Metadaten für Jobs nach 30 Tagen automatisch gelöscht. Sie können diesen Wert überschreiben, wenn Sie einen Job erstellen.

Aufbewahrung und Löschung von Metadaten programmgesteuert verwalten

Wenn Sie einen Job programmgesteuert über den Python-Client oder die REST-API verwalten, können Sie während des Zeitraums von 30 Tagen Metadaten vom Implementierungsendpunkt mit der Methode GET abrufen.

Um die Metadaten über einen länger oder kürzeren Zeitraum als 30 Tage aufzubewahren, überschreiben Sie den Standardwert retention=30 des Abfrageparameters für die Methode POST, damit die Metadaten beibehalten werden. Beachten Sie, dass durch das Ändern des Werts in retention=-1 das automatische Löschen abgebrochen wird und die Metadaten beibehalten werden.

Wenn Sie einen Job programmgesteuert löschen möchten, geben Sie den Abfrageparameter hard_delete=true für die Methode Watson Machine Learning DELETE an, um die Jobmetadaten vollständig zu entfernen. Beispiel:

DELETE /ml/v4/deployment_jobs/{JobsID}

Kurze Videos zeigen die Data Refinery GUI-Operationen

Haben Sie sich mit einem Data Refinery-Betrieb gefunden und denken, es wäre hilfreich, ein Beispiel dafür zu sehen, wie diese Operation verwendet werden kann? Dann können Sie froh sein! Das Abschnitt GUI-Operationen enthält jetzt ein kurzes Video zu jeder Operation.

Geben Sie uns Feedback zu diesen Videos auf der Community-Seite für Watson Studio und Machine Learning. (Kommentare erfordern die Anmeldung bei der Community.)

Namensänderungen für die Sybase-Verbindungen

Die folgenden Verbindungen wurden umbenannt:

  • Sybase wird in SAP ASE umbenannt
  • Sybase IQ wird in SAP IQ umbenannt.

Ihre bisherigen Einstellungen für die Verbindungen bleiben unverändert. Nur die Verbindungsnamen wurden geändert.

Woche am 7. Mai 2021

Allgemeine Verfügbarkeit von AutoAI-Feature-Engineering für verbundene relationale Daten (Watson Machine Learning)

AutoAI-Feature-Engineering für verbundene relationale Daten ist nun GA in allen Regionen. Diese neue Funktion reduziert den Zeitaufwand für die Merkmalentwicklung deutlich, wenn mehrere relationale Datendateien mit einer Trainingsdatenquelle für ein AutoAI-Experiment verknüpft werden.Aufgrund der erhöhten Dateigrenzwerte können Sie jetzt bis zu 20 Datendateien verknüpfen, die jeweils bis zu 4 GB umfassen können und insgesamt maximal 20 GB belegen dürfen. AutoAI-Experimente mit verbundenen Daten, die Sie während des Beta-Zeitraums erstellt haben, erfordern keine Migration, sondern nutzen jetzt Capacity Unit Hours (CUH) von Ihrer Watson Machine Learning-Instanz. Die Abrechnung für AutoAI mit verbundenen Daten beginnt am Montag, 10. Mai 2021. Details zum CUH-Verbrauch finden Sie unter Pläne in IBM Cloud. Weitere Informationen zu dieser neuen Funktion finden Sie unter Experiment mit verknüpften Daten erstellen.

Erweiterungen für Metadatenimport (Watson Knowledge Catalog)

Der Metadatenimport wurde auf die folgenden Arten erweitert:

  • COBOL-Copybooks
    • Wenn Sie COBOL-Copybooks importieren, werden die Beziehungen zwischen den Copybooks und den entsprechenden virtuellen Tabellen in den Katalog importiert.
    • Sie können einzelne COBOL-Copybooks für den Metadatenimport auswählen.
    • Die Leistung beim Importieren von COBOL-Copybook-Metadaten wird verbessert.
  • Verbesserungen der Benutzerfreundlichkeit
    • Sie haben weitere Optionen, wenn Sie den Datenbereich festlegen.
    • Sie können Tags für die Metadatenimport-Anlage erstellen und hinzufügen.
    • Sie können die Konfiguration direkt aus dem Prüfabschnitt bearbeiten.
    • Sie können eine Metadatenimportressource aus dem Asset bearbeiten.
    • Sie können den Status der importierten Datenressourcen anzeigen.
  • Das Feld ist jetzt eine unterstützte Datenquelle.

Weitere Informationen finden Sie unter Metadaten importieren.

Woche zum 30. April 2021

Gemeinsame Geschäftsprobleme mithilfe eines Branchenbeschleunigers lösen

Branchenbeschleuniger sind bereits besiedelte Projekte mit Assets, die Sie herunterladen und verwenden können, um Geschäftsprobleme zu lösen, wie z. B. die Analyse der Kundenattrition. Sie können auch Beschleuniger als Arbeitsproben für Datenwissens-techniken verwenden. Weitere Informationen finden Sie unter End-to-End-Beispiele: Branchenspezifische Akzeleratoren. Sie können die Galerie auch unter Verwendung des Tags industry accelerator durchsuchen.

Erstellen Sie ein Stimmungsanalysemodell mit AutoAI (Watson Machine Learning)

Ein neues Feature in AutoAI kann Text in einem Datensatz erkennen und es in Vektoren umwandeln, um eine Textanalyse durchzuführen. Siehe Textanalyseexperiment erstellen.

Woche am 23. April 2021

Beta-Version von AutoAI-Zeitreihen-Experimenten (Watson Machine Learning)

Erstellen Sie ein Zeitreihenexperiment zur Vorhersage zukünftiger Aktivität (z. B. Aktienkurse oder Temperaturen) über einen angegebenen Datums-/Zeitbereich. Weitere Informationen zum Erstellen von Zeitreihenexperimenten finden Sie in diesem Blogbeitrag. Details zur Verwendung der Funktion finden Sie unter Zeitreihenexperiment erstellen.

AutoAI-Experimente mit verbundenen Daten zur allgemeinen Verfügbarkeit (Watson Machine Learning)

AutoAI-Experimente, die mehrere relationale Datensätze zum Erstellen von Trainingseingaben verknüpfen, werden in der Regel bald verfügbar sein, geplant für den 7. Mai 2021. Für vorhandene AutoAI-Experimente oder -Modelle, die mit diesem Feature erstellt wurden, ist keine Migration erforderlich. Das Ende des Beta-Zeitraums bedeutet, dass die Nutzung ab dem allgemeinen Verfügbarkeitsdatum Gebühren, die als Verbrauchseinheiten pro Stunde (CUH) in Rechnung gestellt werden, gegen den Watson Machine Learning-Service berechnet. Details zu den Plänen und Tarifen von Watson Machine Learning werden aktualisiert und gleichzeitig mit der allgemeinen Verfügbarkeit dieser Funktion bekannt gegeben.

Neue Governance-Artefakte in anderen Regionen verfügbar (Watson Knowledge Catalog)

Die neuen Governance-Artefakte und weitere Funktionen sind ab sofort in den folgenden IBM Cloud-Serviceregionen verfügbar:

  • Dallas Service Region am 22. April
  • Serviceregion London am 21. April
  • Serviceregion Frankfurt am 20. April

Beachten Sie diese Neuerungen der letzten Woche:

Profilerstellung für unstrukturierte Daten

Die Profilerstellung für Dokumente mit unstrukturierten Daten ist jetzt in allen IBM Cloud-Serviceregionen verfügbar (siehe diesen Eintrag für Neuerungen).

Woche bis zum 16. April 2021

Neue Nutzererfahrung bei Governance-Artefakten (Watson Knowledge Catalog)

{: #gov-ui}Seit dem 16. April ist die neue Nutzererfahrung für Governance-Artefakte in der Serviceregion Tokio verfügbar. Die Verfügbarkeit in weiteren Regionen ist für die kommenden Wochen geplant.

Sie können jetzt die neue Governance-Funktionalität verwenden:

  • Weisen Sie Watson Knowledge Catalog-Servicerollen und -Berechtigungen in IAM zu, um zu steuern, welche Benutzer welche Aktionen im Kontext von Watson Knowledge Catalog ausführen dürfen.
  • Sie können Ihre gesamten Governance-Artefakte sowie die Benutzer, die diese Artefakte anzeigen und verwalten können, mithilfe von Kategorien organisieren.
  • Erstellen Sie eigene Klassifikationen.
  • Erstellen Sie eigene Datenklassen.
  • Definieren Sie weitere Beziehungen zwischen Governance-Artefakten.
  • Erstellen Sie Referenzdatasets, um Werte für bestimmte Spaltentypen zu definieren, die als Datenübereinstimmungskriterien für eine Datenklasse verwendet werden können.
  • Erstellen Sie eine Governance-Regel, um eine Beschreibung Ihrer Governance-Kriterien bereitzustellen.

Wenn Sie über einen bestehenden Watson Knowledge Catalog-Service verfügen, haben Sie die Möglichkeit, ein Upgrade auf die neue Nutzererfahrung auszuführen, sobald Sie in Ihrer Region verfügbar ist. Allerdings werden Ihre bestehenden Governance-Artefakte dauerhaft gelöscht. Wenn Sie Ihre bestehenden Governance-Artefakte beibehalten wollen, können Sie warten, bis für die neue Nutzererfahrung für Governance-Artefakte das automatische Upgrade, in dessen Zuge eine automatische Artefaktmigration erfolgt, in einem der kommenden Monate zur Verfügung steht.

Wenn Sie den Watson Knowledge Catalog-Service nach dem 22. April bereitstellen, haben Sie die neue Erfahrung.

Katalogerweiterungen (Watson Knowledge Catalog)

{: #catalog-april}Seit dem 16. April sind die Katalogerweiterungen in der Serviceregion Tokio verfügbar. Sie werden nächste Woche in anderen Regionen zur Verfügung stehen.

Für Kataloge gibt es die folgenden funktionalen Erweiterungen:

  • Zusätzliche Informationen werden auf der neuen Übersichtsseite für Assets angezeigt (z. B. der Assetpfad und zugehörige Assets).
  • Auf der Aktivitätenseite für Assets werden weitere Aktivitäten angezeigt.
  • Sie können weitere Beziehungen zwischen Assets hinzufügen. Weitere Informationen finden Sie unter Assetbeziehungen hinzufügen.
  • Sie können jetzt COBOL-Copybooks als Asset in Projekten und Katalogen hinzufügen. Weitere Informationen finden Sie unter COBOL-Copybooks hinzufügen.

Erweiterte Profilerstellung für strukturierte Daten (Watson Knowledge Catalog)

{: #profiling-april}Seit dem 16. April ist die erweiterte Profilerstellung für relationale Daten in der Serviceregion Tokio verfügbar. Sie wird nächste Woche in anderen Regionen zur Verfügung stehen.

Bei der Profilerstellung wird jetzt auch ein Gesamtqualitätsscore für das Datenasset und ein individueller Qualitätsscore für beliebige Spalten im Datenasset generiert. Weitere Informationen finden Sie unter Assets bei der Profilerstellung.

Verbesserte Suche über die gesamte Plattform

Sie können jetzt die globale Suchleiste verwenden, um nach Assets in allen Projekten, Katalogen und Bereitstellungsbereichen zu suchen, auf die Sie Zugriff haben. Sie können auch nach Governance-Artefakten in den Kategorien suchen, auf die Sie Zugriff haben.

Die Suche findet nun Ergebnisse für mehr Asseteigenschaften und Governance-Artefakte. Sie können nun nach exakten Übereinstimmungen von Wörtern oder Phrasen suchen, indem Sie die Suchbegriffe in doppelte Anführungszeichen einschließen. Weitere Informationen finden Sie unter In der gesamten Plattform suchen.

Neuer Katalog der Plattformassets

{: #pac-april}Seit dem 16. April ist der Katalog der Plattformassets in der Serviceregion Tokio verfügbar. Sie wird nächste Woche in anderen Regionen zur Verfügung stehen.

Sie können jetzt einen Katalog der Plattformassets erstellen, um Verbindungen unternehmensweit gemeinsam zu nutzen. Um den Katalog der Plattformassets zu erstellen oder anzuzeigen, wählen Sie im Hauptmenü die Optionen Daten > Plattformverbindungen aus. Sie können dem Katalog der Plattformassets eine unbegrenzte Anzahl von Mitbearbeitern und Verbindungen hinzufügen. Weitere Informationen finden Sie unter Katalog der Plattformassets erstellen.

Unterstützung für den Import von Information Governance Catalog-Assets wird eingestellt (Watson Knowledge Catalog)

Information Governance Catalog-Assets können nicht mehr in Watson Knowledge Catalog importiert werden, indem eine Archivdatei mithilfe der Menüoption Zu Katalog hinzufügen > Assets importieren angegeben wird.

Unterstützung für automatisch generiertes Notebook für AutoAI-Experimente (Watson Machine Learning)

Speichern Sie Ihren AutoAI-Experiment-Code als automatisch generiertes Notebook, damit Sie den Code des Experiments überprüfen und programmgesteuert mit dem Experiment interagieren können. Das Notebook wird als Projektasset gespeichert, das Sie überprüfen und ausführen können. Details hierzu finden Sie unter AutoAI-Notebooks.

Der Master Data Management-Service (Betaversion) ist jetzt unter dem Namen IBM Match 360 with Watson (Betaversion) bekannt

Der bisher unter der Bezeichnung Master Data Management bekannte Betaservice wurde in IBM Match 360 with Watson umbenannt. Weitere Informationen zu IBM Match 360 with Watson finden Sie unter Stammdaten verwalten (Beta).

Für Db2 for i- und Db2 for z/OS-Verbindungen erforderliche Zertifikatsdatei

Damit die Db2 for i-Verbindung oder die Db2 for z/OS-Verbindung weiterhin verwendet werden kann, müssen Sie eine Lizenzzertifikatsdatei für Db2 Connect Unlimited Edition für das entsprechende Db2 for z/OS-Subsystem oder den Db2 for i-Server anfordern. Anleitungen zum Herunterladen und zur Installation finden Sie unter Lizenzzertifikatsdatei für Db2 Connect Unlimited Edition aktivieren.

SOC1 Type 2- und SOC2 Type 2-Zertifizierung erlangt

###

Die folgenden Services im Cloud Pak for Data as a Service-Katalog wurden nach SOC1 Type 2 und SOC2 Type 2 zertifiziert:

  • DB2 on Cloud
  • Db2 Warehouse on Cloud (Flex)
  • Discovery Service
  • IBM Analytics Engine
  • Natural Language Understanding
  • Natural Language Classifier
  • Personality Insights
  • Speech to Text
  • Text to Speech
  • Tone Analyzer
  • Visual Recognition
  • Watson Assistant
  • Watson Knowledge Catalog
  • Watson Knowledge Studio
  • Watson Machine Learning
  • Watson OpenScale
  • Watson Studio

Woche bis zum 2. April 2021

Für Verbindungen werden persönliche Berechtigungsnachweise unterstützt

Wenn Sie eine Verbindung zu einer Datenquelle erstellen, können Sie jetzt persönliche Berechtigungsnachweise auswählen, wenn jeder Benutzer beim Zugriff auf die Verbindung eigene Berechtigungsnachweise angeben soll. Bisher wurden bei allen Verbindungen gemeinsam genutzte Berechtigungsnachweise verwendet, sodass alle Benutzer dieselben Berechtigungsnachweise für den Zugriff auf die Verbindung verwenden konnten. Persönliche Berechtigungsnachweise sind nur verfügbar, wenn sie vom Kontoeigner auf der Seite 'Konto' aktiviert wurden und von der Datenquelle unterstützt werden.

Seite 'Konto' schließt Einstellungen für Ressourcengeltungsbereich und Verbindungsberechtigungsnachweise ein

Die Seite 'Konto' wurde erweitert und enthält jetzt Einstellungen für den Ressourcenbereich und für Verbindungsberechtigungsnachweise (persönliche oder gemeinsam genutzte) für Cloud Pak for Data as a Service. Wie schon zuvor, können Sie über diese Seite auf Ihre IBM Cloud-Kontoeinstellungen zugreifen.

Alle Verbindungstypen werden bei allen Produktangebotsplänen unterstützt (Watson Studio und Watson Knowledge Catalog)

Bisher waren bestimmte Verbindungen auf die Standard- und Enterprise-Pläne von Watson Studio bzw. die Standard- und Professional-Pläne von Watson Knowledge Catalog beschränkt. Eine Liste der neu verfügbaren Verbindungen finden Sie unter 'Änderungen der Servicepläne für Watson Studio und Watson Knowledge Catalog'.

Woche bis zum 26. März 2021

Für Db2 for i- und Db2 for z/OS-Verbindungen ist bald eine Zertifikatsdatei erforderlich

In einem zukünftigen Release werden die Eigenschaften für Db2 for i- und Db2 for z/OS-Verbindungen geändert. Die Verbindungen funktionieren nur, wenn Sie eine Db2 Connect Unlimited Edition-Lizenzzertifikatsdatei für das entsprechende Db2 for z/OS-Subsystem bzw. den Db2 for i-Server beziehen. Sie müssen die Datei installieren, um diese Verbindungen ohne Unterbrechung weiterhin verwenden zu können. Anleitungen zum Herunterladen und zur Installation finden Sie unter Lizenzzertifikatsdatei für Db2 Connect Unlimited Edition aktivieren.

Notebook-Workloads über Watson Studio unter AWS mithilfe von Satellite-Standorten ausführen

Ab sofort ist ein Satellite-Standort für die Ausführung von Notebook-Workloads in der AWS-Region us-east-1 verfügbar. Der Satellite-Standort wurde von IBM vordefiniert. Sie konfigurieren Ihre Python- oder R-Notebooks für den Zugriff auf die Umgebung für den vordefinierten Satellite-Standort und der Notebook-Code wird unter AWS ausgeführt. Bei Daten, die unter AWS gehostet werden, spart ein Satellite-Standort Zeit und Geld, da der Code dort ausgeführt wird, wo sich die Daten befinden. Derzeit sind vordefinierte Satellite-Standorte nur am Standort Dallas verfügbar und auch nur für Kunden mit Standard- und Enterprise-Plänen. Eine Beschreibung der Watson Studio-Laufzeiten an vordefinierten Satellite-Standorten finden Sie unter Übersicht über Satellite-Standorte. Informationen zur Vorgehensweise zum Ausführen von Workloads an einem Satellite-Standort finden Sie unter Umgebungen für Satellite-Standorte.

Woche bis zum 19. März 2021

Neue Spark-Umgebung zum Ausführen von Data Refinery-Ablaufjobs

Beim Auswählen einer Umgebung für einen Data Refinery-Job können Sie jetzt Default Spark 3.0 & R 3.6 auswählen. Die neue Umgebung verwendet dieselben Capacity-Unit-Stunden (CUHs) wie die anderen Default-Umgebungen.

Spark 3.0 & R 3.6 auswählen

DataStage (Beta)

Sie finden jetzt alle Informationen zu neuen Funktionen, bekannten Problemen und Einschränkungen sowie weitere Betainformationen für die Betaversion von DataStage an einem einzigen Ort. Weitere Informationen finden Sie unter Willkommen bei der Betaversion von DataStage.

Verbesserte Nutzererfahrung für Hybrid Subscription Advantage

Die Benutzerschnittstelle von Hybrid Subscription Advantage wurde verbessert, um das Abonnieren schneller und einfacher zu gestalten. Außerdem wurde ein Zusammenfassungsdashboard hinzugefügt, in dem Ihre rabattierten Nutzungsrechte angezeigt werden. Der Lizenzpreisvorteil durch das IBM Programm Hybrid Subscription Advantage gilt für vorhandene Nutzungsrechte für Cloud Pak for Data-Software innerhalb des Cloud Pak for Data as a Service-Portfolios. Weitere Informationen finden Sie unter Hybrid Subscription Advantage aktivieren.

Woche bis zum 12. März 2021

Anpassung für GPU-Umgebungen in Watson Machine Learning

Ab dem 19. März 2021 sind GPU-Umgebungen in Watson Machine Learning nur über den Standardplan der Version 2 und den Professional-Plan der Version 2 verfügbar. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Woche bis zum 5. März 2021

AutoAI-Experiment mit verknüpften Daten als Notebook speichern (Watson Machine Learning)

Sie können jetzt ein AutoAI-Experiment mit einem verknüpften Dataset als Notebook speichern, damit Sie alle Transformationen, die in die Generierung der Modellpipelines eingehen, überprüfen können. Beachten Sie, dass Sie zwar das gesamte Experiment als Notebook speichern können, Sie können jedoch keine einzelne Pipeline als Notebook speichern. Weitere Informationen finden Sie unter Von AutoAI generiertes Notebook speichern.

Data Refinery-Abläufe werden in Bereitstellungsbereichen unterstützt (Watson Machine Learning)

Sie können nun einen Data Refinery-Ablauf aus einem Projekt in einen Bereitstellungsbereich hochstufen. Mithilfe von Bereitstellungsbereichen werden Gruppen zusammengehöriger Assets in einer von Ihren Projekten getrennten Umgebung verwaltet. Sie können Data Refinery-Abläufe aus mehreren Projekten in einen Bereich hochstufen. Im Bereich können Sie einen Job für den Data Refinery-Ablauf ausführen und dann die geformte Ausgabe als Eingabe für Bereitstellungsjobs in Watson Machine Learning verwenden. Entsprechende Anweisungen finden Sie unter Data Refinery-Ablauf in einen Bereich hochstufen in Data Refinery-Abläufe verwalten.

Neues Verfahren bei der Profilerstellung für Dokumente mit unstrukturierten Daten (Watson Knowledge Catalog)

Für Datenassets mit unstrukturierten Daten, z. B. Microsoft Word-, PDF- undHTML-Dokumente sowie Klartextdokumente, wurden bisher Profile von IBM Watson Natural LanguageUnderstanding erstellt (nur Serviceregion Dallas). Diese Profile gaben Aufschluss über die semantischen Merkmale eines Dokuments. Um die Profilerstellung für strukturierte und unstrukturierte Datenassets anzugleichen und die Governance-Funktionalität zu verbessern, wird IBM Watson Natural Language Understanding durch einen neuen Analyseservice für unstrukturierte Daten ersetzt, der auch Watson Knowledge Catalog-Datenklassen ableiten kann. Für unstrukturierte Datenassets mit den unterstützten Typen wird automatisch eine Profilerstellung durchgeführt, wenn sie einem Projekt oder Katalog hinzugefügt werden. Siehe Profile für Datenassets.

Das Erstellen von Profilen für unstrukturierte Daten ist derzeit nur verfügbar, wenn Sie Watson Knowledge Catalog in der Serviceregion Dallas (US-South) von IBM Cloud bereitstellen.

Woche bis zum 5. Februar 2021

Nichtweiterverwendung und Entfernen von Streams-Abläufen (Streaming Analytics)

Das Streams-Ablauftool wird aus Watson Studio-Projekten entfernt. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Erinnerung: Entfernen der Python 3.6-Umgebung (Watson Studio und Watson Machine Learning)

Python 3.6 wird aufgrund einer Sicherheitslücke aus Watson Studio und Watson Machine Learning entfernt. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Erinnerung: Die Unterstützung für Machine Learning-Instanzen der Version 1 und für nicht weiter unterstützte APIs wurde am 8. April 2021 eingestellt (Watson Machine Learning)

Der Migrationszeitraum für Benutzer des Watson Machine Learning-Pläne 'Standard' und 'Professional' zum Migrieren von Assets für Machine Learning-Serviceinstanzen der Version 1 auf die Version 2 endet am 8. April 2021. An diesem Datum endete auch die Unterstützung für die nicht weiter verwendeten Watson Machine Learning-APIs Version 3 und Betaversion 4. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Nicht weiter unterstützte APIs für Watson OpenScale

Ab März 2021 ist für Watson OpenScale die Verwendung einer neuen API-Version erforderlich. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Woche bis zum 29. Januar 2021

Neuer Preistarif für Watson OpenScale

Für Watson OpenScale gilt ein neuer Preistarif für den Standard-Plan Version 2. Siehe Änderungen und Einstellung der Unterstützung für Servicepläne.

Woche bis zum 22. Januar 2021

Offene Betaversion für die Erstellung von AutoAI-Experimenten mit verknüpften Datasets (Watson Machine Learning)

Sie können jetzt ein AutoAI-Experiment mit bis zu 5 Datasets erstellen, die durch gemeinsame Schlüssel in einem einzigen Dataset verknüpft sind. Konfigurieren Sie vor der Ausführung des Experiments mit dem Erstellungsbereichstool, wie die Daten verknüpft werden. Wenn Sie ein resultierendes Modell bereitstellen, müssen Sie Eingabedaten angeben, die mit dem Schema Ihres Experiments übereinstimmen. Details hierzu finden Sie unter Erstellen eines AutoAI-Experiments mit verknüpften Daten.

Woche bis zum 15. Januar 2021

Neue Organisation für das Erstellen und Bereitstellen von Assets (Watson Machine Learning)

Der Inhalt für die Erstellung von Modellen wurde vom Inhalt für die Bereitstellung und Verwaltung von Modellen getrennt, um Ihnen die Suche nach Tools und Prozessen zu erleichtern. Die folgenden Abschnitte wurden aktualisiert:

Ältere Einträge zu Neuerungen

Übergeordnetes Thema: Cloud Pak for Data as a Service