새로운 기능

Reminder: Python 3.9 및 Spark R 3.6 의 런타임 22.1 에 대한 지원 종료

2023년 5월 15 일

Python 3.9 및 스파크 R 3.6 환경의 IBM 22.1 이 2023년 6월 15일에 제거됩니다. 더 이상 새 노트북을 작성하거나 22.1 런타임 또는 스파크 R 3.6을 사용하여 사용자 정의 환경을 작성하거나 Python 3.9 소프트웨어 스펙을 사용하여 새 모델을 훈련할 수 없습니다. Update your assets and deployments to use IBM Runtime 22.2 on Python 3.10 or Spark with R 4.2 before June 15, 2023.

• 자산을 지원되는 프레임워크 및 소프트웨어 스펙으로 마이그레이션하는 방법에 대한 자세한 내용은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오.
• 노트북 환경에 대한 세부사항은 프로젝트에서 노트북 편집기의 자원 옵션 계산을 참조하십시오.
• 환경 변경에 대한 정보는 노트북의 환경 변경을 참조하십시오.
• R 버전의 라이브러리 및 패키지에 대한 자세한 내용은 CRAN 릴리스 정보를 참조하십시오.

고급 사용자를 위한 키 값 검색 소개

2023년 5월 18 일

검색 표시줄에서 key:value 쌍을 사용하면 이제 자산 및 아티팩트 특성 (예: 설명, 태그, 사용자 정의 특성, 열 이름 등) 내에서 검색할 수 있습니다. 특성 검색을 참조하십시오.

IBM Cloud Compose for MySQL 연결에 대한 이름 변경

2023년 5월 18 일

IBM Cloud Compose for MySQL 연결의 이름이 IBM Cloud Databases for MySQL(으) 로 바뀌었습니다. 연결에 대한 이전 설정은 동일하게 유지됩니다. 연결 이름만 변경되었습니다.

끊김 없는 연결

2023년 5월 18 일

다음 연결이 중단되어 Cloud Pak for Data as a Service에서 제거되었습니다.

• IBM Db2 Event Store
• IBM Db2 Hosted

데이터 자산의 이름을 바꾸면 프로젝트의 파일 첨부 파일 이름도 바꿉니다.

2023년 5월 19 일

프로젝트에 업로드한 파일 첨부가 있는 데이터 자산의 이름을 변경하면 파일 첨부의 이름도 바뀝니다. 그러나 카탈로그에서 가져온 데이터 자산의 이름을 변경해도 첨부 파일의 이름은 변경되지 않습니다. 코드 기반 자산 (예: 노트북) 의 데이터 자산에 대한 모든 참조를 새 데이터 자산 이름으로 업데이트해야 합니다. 그렇지 않으면 코드 기반 자산이 실행되지 않습니다. 프로젝트에서 자산 관리에 대한 자세한 정보를 참조하십시오.

코드 스니펫 분할창에서 생성된 코드 추가

2023년 5월 04 일

새 코드 스니펫 아이콘이 노트북 도구 모음에 추가되었습니다. 아이콘을 클릭하면 프로젝트에 추가된 파일 또는 연결에서 데이터를 읽을 수 있는 코드 스니펫 분할창이 열립니다. 노트북 셀에 데이터를 로드하는 코드를 생성하기 위한 기존의 "코드 삽입" 함수 로직이 읽기 데이터 아래로 이동되었습니다. 이제 이전 찾기 및 로드 데이터 분할창을 사용하여 데이터를 프로젝트에 업로드할 수 있습니다. 노트북의 데이터 로드 및 액세스를 참조하십시오.

새 발표 연결을 사용하여 더 많은 데이터에 액세스

2006년 11월 27 일

이제 Presto 데이터 소스의 데이터에 대해 작업할 수 있습니다. 자세한 정보는 Presto connection을 참조하십시오.

프로파일링 결과의 세부사항으로 드릴 다운하십시오 (Watson Knowledge Catalog).

2006년 5월 20 일

이제 프로젝트 또는 카탈로그의 자산의 프로파일 탭 또는 메타데이터 보강에서 자세한 프로파일링 정보에 액세스할 수 있습니다. 각 컬럼에 대해 컬럼 데이터에 대한 통계 정보, 데이터 클래스, 데이터 유형 및 형식에 대한 정보 및 컬럼에 있는 값의 빈도 분포를 보십시오. 통계 정보의 경우 여러 유형의 시각화 중에서 선택할 수도 있습니다. 기존 프로파일에 대해 이러한 보기를 채우려면 프로파일을 업데이트하십시오.

자세한 내용은 열 레벨 프로파일 세부사항을 참조하십시오.

기본 Python 및 CPLEX 버전 업데이트 (Decision Optimization)

2023년 11월 13 일

Decision Optimization 사용자의 기본 Python 은 이제 3.10 이고 기본 CPLEX 버전은 22.1입니다. 이 버전은 새 실험을 작성할 때 기본적으로 사용됩니다. Python 3.9 은 (는) 더 이상 사용되지 않으며 곧 제거됩니다. 환경을 업데이트하려면 환경 구성을 참조하십시오. 배치된 기존 모델을 업데이트하려면 모델 배치를 참조하십시오.

데이터 품질 규칙 향상 (Watson Knowledge Catalog)

2023년 11월 13 일

이제 다음 데이터 소스에서 데이터 자산에 대한 데이터 품질 규칙을 실행할 수도 있습니다.

• Amazon S3 (CSV 파일 전용)
• Apache Cassandra
• SAP ASE

외부에서 관리되는 바인딩으로 데이터 품질 규칙을 구성할 때 이제 연관 DataStage 출력 링크에 대한 추가 컨텐츠를 선택할 수 있습니다. 자세한 정보는 데이터 품질 정의에서 규칙 작성을 참조하십시오.

새로운: 시계열 변수 발견 실험 (베타)

2006년 7월 7 일

AutoAI 를 사용하여 모델이 새 데이터를 기반으로 결과를 예측할 때 이상 또는 예기치 않은 결과를 발견할 수 있는 시계열 이상 예측 모델을 훈련할 수 있습니다. 실험에 의해 생성된 모델 후보 파이프라인은 최적화 메트릭에 의해 얼마나 잘 수행되는지에 따라 순위가 매겨진다. 모델을 노트북으로 저장하여 코드를 검토하거나 새 데이터에서 잠재적인 이상 항목을 발견하기 위해 모델을 저장하고 배치하십시오. 자세한 내용은 시간 시리즈 이상 항목 예측 모델 작성 (베타)을 참조하십시오. 이 기능은 베타로 제공되며 아직 프로덕션 환경에서 사용할 수 없습니다.

프로젝트에서 자산 활동을 필터링합니다.

2006년 6월 6 일

프로젝트의 개요 탭의 자산 분할창에서 드롭 다운을 사용하여 사용자 또는 모두별 을 선택하여 자산을 필터링할 수 있습니다. 사용자 는 사용자가 편집한 자산을 나열하며 최근에는 맨 위에 있는 자산을 정렬합니다. 모두 기준 은 다른 사용자가 편집한 자산과 최근에 맨 위에 있는 사용자가 주문한 자산을 나열합니다.

Watson Studio 에서 R 4.2 를 사용하여 스파크로 업그레이드

2006년 3월 3 일

Watson Studio 에 대한 필요한 조치 스파크 R 3.6 환경이 R 4.2로 업그레이드됩니다. 모든 스파크 R 3.6 환경은 이제 더 이상 사용되지 않으며 2023년 6월 15일에 제거됩니다. 2023년 5월 11일에 스파크 R 3.6으로 새 노트북 또는 새 Data Refinery 플로우를 더 이상 작성할 수 없습니다. 또한 새 스파크 R 3.6 사용자 정의 환경을 작성할 수 없습니다. 이때 노트북의 일부 패키지 버전 및 스크립트를 업데이트해야 할 수도 있습니다. 2023년 6월 15일이전에 R 4.2 와 함께 스파크를 사용하도록 자산 및 배치를 업데이트해야 합니다.

노트북 환경 변경을 참조하십시오. R 버전의 라이브러리 및 패키지에 대한 자세한 내용은 CRAN 릴리스 정보를 참조하십시오.

Data Refinery 플로우 작업 실행을 위한 R 4.2 환경의 새 스파크

2006년 3월 3 일

이제 Data Refinery 플로우 작업의 환경을 선택할 때 기본 스파크 3.3 및 R 4.2 를 선택할 수 있습니다. 새 환경에서는 다른 기본 환경과 동일한 용량 단위 시간(CUH)을 사용합니다.

필요한 조치 중요: Default Spark 3.3 & R 3.6 환경은 더 이상 사용되지 않으며 2023년 6월 15일에 중단됩니다. 새 Default Spark 3.3 & R 4.2 환경을 사용하도록 Data Refinery 플로우 작업을 변경하십시오. 새 작업에 새 환경을 사용합니다.

Data Refinery에 대한 환경에 대한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

필요한 조치 환경 변경은 두 가지 GUI 조작에 영향을 줍니다. 이러한 GUI 조작을 포함하는 기존 Data Refinery 플로우가 있는 경우 Data Refinery 플로우를 업데이트해야 합니다.

• 분할
• 토큰화

플로우를 업데이트하려면 플로우를 열고 저장하십시오. 자세한 내용은 Data Refinery 플로우 관리를 참조하십시오.

카탈로그에서 사용자 정의 자산 작성

2023년 3월 31 일

관리 및 편집기가 이제 카탈로그 UI내에서 사용자 정의 자산을 작성할 수 있습니다. 새 사용자 정의 자산을 추가하려면 카탈로그에 추가 드롭 다운 메뉴에서 사용자 정의 자산 을 선택하십시오. 사용자 정의 자산에 대한 자세한 정보는 카탈로그에 자산 추가 (Watson Knowledge Catalog)에서 사용자 정의 자산 유형, 특성 및 관계를 참조하십시오.

Watson Query 의 개선사항 및 개선사항

2023년 1월 29 일

Watson Query 는 다음 기능을 제공하도록 업데이트되었습니다.

• 비동기 가상화를 사용하면 가상화된 데이터 페이지에서 언제든지 가상화 작업의 상태 세부사항을 볼 수 있습니다. 가상화된 테이블이 크고 작업 시간이 더 오래 걸리는 경우 작업이 완료되는 동안 더 많은 테이블을 가상화하는 것과 같은 다른 태스크에 대해 작업할 수 있습니다.
• 가상화된 데이터 페이지에서 비동기 공개 및 지정을 사용하면 공개 및 지정 작업이 완료되는 동안 다른 태스크에 대해 작업할 수 있습니다.
• 웹 클라이언트에서 작업을 사용하여 가상화된 테이블에 대한 통계를 수집할 수 있습니다. 자세한 정보는 Watson Query에서 웹 클라이언트의 통계 수집을 참조하십시오.
• Virutualized data 페이지에서 오브젝트의 발행 또는 지정 히스토리를 볼 수 있습니다. Virutualized data 페이지의 오른쪽 패널에서 공개 및 지정 히스토리를 보려면 목록에서 오브젝트 행을 클릭하십시오.

페더레이티드 학습은 M 시리즈 칩이 있는 Mac 컴퓨터에서 실행됩니다.

2023년 3월 23 일

최신 런타임에 M1 Mac및 M2 Mac 컴퓨터에서 연합 학습 실험을 실행하십시오. 요구사항은 시스템 설정을 참조하십시오.

참조 데이터 세트에 복합 키 정의 (Watson Knowledge Catalog)

2023년 5월 17 일

이제 다중 열을 지정하여 참조 데이터 세트에 대한 복합 키를 작성할 수 있습니다. 복합 키가 없으면 세트의 참조 데이터 값이 코드 컬럼의 고유 문자열로 식별됩니다. 복합 키는 참조 데이터 세트에 있는 코드 컬럼과 최대 5개의 사용자 정의 컬럼의 조합입니다. 복합 키는 각 참조 데이터 값을 고유하게 식별하는 데 사용됩니다. 복합 키를 사용하면 코드 컬럼의 값이 더 이상 고유하지 않아도 됩니다. 고유성은 지정된 모든 열의 값이 결합될 때만 보장됩니다. 자세한 내용은 참조 데이터 세트 설계를 참조하십시오.

사용자 정의 관계를 기반으로 조회, 보고서 또는 대시보드 작성 (Watson Knowledge Catalog)

2023년 6월 9 일

자산과 통제 아티팩트 사이에 사용자 정의 관계를 작성할 때 보고서를 작성할 수 있도록 Watson Knowledge Catalog 보고 데이터 마트로 동기화할 수 있습니다. 예를 들어, 사용자 정의 관계를 사용하여 다음을 수행할 수 있습니다.

• 다양한 단위 레벨 (도메인, 메타데이터, 사용자별, 팀별) 에서 품질 분석을 확보하십시오.
• 데이터의 데이터 품질 인증
• 특정 개인정보 보호 특성이 있는 자산의 수를 계산합니다.

사용자 정의 관계를 작성하는 방법에 대해 학습하려면 통제 아티팩트 및 카탈로그 자산에 대한 사용자 정의 특성 및 관계 (Watson Knowledge Catalog)를 참조하십시오.

보고서를 작성하는 방법에 대해 학습하려면 Watson Knowledge Catalog에 대한 보고 설정을 참조하십시오.

Watson Studio 및 Watson Machine Learning 의 Python 3.9 제거에 대한 런타임 22.1

2023년 6월 9 일

필요한 조치 IBM Runtime 22.1 on Python 3.9 is now deprecated and will be removed on Jun 15, 2023. 2023년 5월 11일부터 새 노트북을 작성하거나 22.1 런타임을 사용하여 사용자 정의 환경을 작성할 수 없습니다. 또한 Python 3.9 소프트웨어 스펙을 사용하여 새 모델을 훈련할 수 없습니다. Update your assets and deployments to use IBM Runtime 22.2 on Python 3.10 before June 15, 2023:

• 자산을 지원되는 프레임워크 및 소프트웨어 스펙으로 마이그레이션하는 방법에 대한 자세한 내용은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오.
• 노트북 환경에 대한 세부사항은 프로젝트에서 노트북 편집기의 자원 옵션 계산을 참조하십시오.
• 환경 변경에 대한 정보는 노트북의 환경 변경을 참조하십시오.

추가 데이터 소스에서 데이터 품질 규칙 실행 (Watson Knowledge Catalog)

2023년 6월 9 일

이제 다음 데이터 소스에서 데이터 자산에 대한 데이터 품질 규칙을 실행할 수 있습니다.

• IBM Watson Query
• Microsoft Azure Data Lake Store
• Snowflake

데이터 품질 규칙에서 변수를 바인딩하기 위한 새 옵션 (Watson Knowledge Catalog)

2023년 6월 9 일

또한 작업 매개변수를 사용하여 규칙 변수를 데이터 열에 바인드하고 프로젝트에서 중앙 집중식 매개변수를 관리할 수 있습니다. 따라서 예를 들어 다른 열로 바인딩을 변경하려는 경우 규칙을 업데이트할 필요가 없습니다. 데이터 품질 정의에서 규칙 작성을 참조하십시오.

AI Factsheets 의 개선사항 (Watson Machine Learning)

2023년 3월 3 일

이제 파일 및 이미지를 팩트시트에 첨부할 수 있습니다. 자세한 내용은 factsheet에 대한 세부사항 사용자 정의를 참조하십시오. 팩트 시트는 추가 Watson OpenScale 지표를 설명할 수 없고 사용자 정의 모니터에서도 표시합니다. 자세한 내용은 factsheet 보기를 참조하십시오.

기계 학습 기능 작성, 저장 및 공유 (베타) (Watson Studio)

2023년 3월 02일

이제 기능을 작성하고 공유하여 시스템 학습 모델의 개발 속도를 높일 수 있습니다. 프로젝트의 데이터 자산에 기능 그룹을 추가하여 해당 데이터 세트의 기능을 식별합니다. 기능 저장소 역할을 하는 카탈로그에 데이터 자산을 공개하여 조직과 기능을 공유할 수 있습니다. 기능 그룹 관리를 참조하십시오.

사용자 정의 관계 관리 (Watson Knowledge Catalog)

2023년 2월 24 일

이제 자산의 개요 페이지에서 카탈로그 자산과 통제 아티팩트 간의 사용자 정의 관계를 관리할 수 있습니다.

사용자 정의 관계를 작성하는 방법에 대해 학습하려면 통제 아티팩트 및 카탈로그 자산에 대한 사용자 정의 특성 및 관계 (Watson Knowledge Catalog)를 참조하십시오.

Data Refinery 날짜 열에 대한 작업 작업 계산

2023년 2월 17 일

이제 날짜 데이터 유형 컬럼의 계산 연산을 사용하여 일 또는 월 값을 추가하거나 뺄 수 있습니다.

GUI 조작에 대한 정보는 Data Refinery 의 GUI 조작의 내용을 참조하십시오.

Watson Studio 의 프로젝트 자산에 액세스하기 위한 새 라이브러리

2023년 2월 17 일

ibm-watson-studio-lib 라이브러리에는 Watson Studio 프로젝트 및 프로젝트 자산과 상호작용하는 데 도움이 되는 기능 세트가 포함되어 있습니다. 라이브러리는 노트북 편집기에서 작성되는 노트북에서 사용할 수 있으며 Python 및 R에 사용할 수 있습니다. 이는 project_lib 라이브러리의 후속 작업입니다. 자세한 내용은 Using nt-watson-스튜디오-lib를 참조하십시오.

"기본 스파크 3.2 -R 3.6 " 중단된 환경 (Data Refinery)

2023년 2월 17 일

Default Spark 3.2 & R 3.6 환경은 더 이상 2023년 2월 17일에 사용할 수 없습니다.

필요한 조치 Default Spark 3.2 & R 3.6 환경 또는 스파크 3.0를 사용하는 사용자 정의 환경으로 설정된 Data Refinery 플로우 작업이 있는 경우, 작업이 실패합니다. 환경을 Default Spark 3.3 & R 3.6 또는 기본 Data Refinery XS 로 변경하거나 스파크 3.0를 사용하지 않는 사용자 정의 환경을 변경하십시오.

Data Refinery에 대한 환경에 대한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

데이터 품질 규칙의 새 기능 (Watson Knowledge Catalog)

2023년 2월 16 일

이러한 새 기능을 사용할 수 있습니다.

• 단일 데이터 품질 규칙에서 둘 이상의 데이터 품질 정의를 사용하십시오. 또한 개별 정의를 두 번 이상 포함하여 동일한 정의를 다른 열에 적용할 수 있습니다. 자세한 내용은 데이터 품질 정의에서 규칙 작성을 참조하십시오.
• 규칙 출력을 CSV 파일로 다운로드한다. 출력 테이블이 규칙에 대해 정의된 경우, 규칙의 실행 히스토리에서 예를 들어, 스프레드시트 프로그램에서 사용하기 위해 규칙 출력을 CSV 파일로 다운로드할 수도 있다.
• Amazon Redshift 및 Greenplum 데이터 소스의 데이터에 대한 규칙을 실행합니다. 메타데이터 가져오기, 메타데이터 보강 및 데이터 품질 규칙에 대해 지원되는 데이터 소스를 참조하십시오.
• 데이터 품질 자산을 내보내고 가져오십시오. 데스크탑으로 프로젝트를 내보낼 때 이제 데이터 품질 자산을 포함할 수 있습니다. 프로젝트 내보내기를 참조하십시오.

프로젝트 또는 공간에서 기존 공간으로 자산 가져오기 (Watson Machine Learning)

2023년 2월 9 일

이제 배치 공간 또는 프로젝트 (.zip 형식) 를 기존 배치 공간으로 가져올 수 있습니다. 자산을 추가하거나 기존 자산을 공간에 업데이트합니다. 예를 들어, 모델을 새 버전으로 바꿀 수 있습니다. 자세한 내용은 공간 및 프로젝트를 기존 공간으로 가져오기를 참조하십시오.

DataStage

2023년 2월 10 일

DSJobController 매크로를 스테이지 특성 또는 변환기 함수에 추가할 수 있습니다.

매크로는 DataStage 을 하고 인수가 필요 없는 데이터를 출력하여 DataStage 플로우의 설정을 단순화합니다.

자세한 정보는 매크로를 참조하십시오.

DataStage

2023년 2월 06 일

다음 매크로를 단계 특성 또는 변환기 함수에 추가할 수 있습니다.

• DSProjectId
• DSJobRunID
• DSJobId

매크로는 인수가 필요 없는 DataStage 및 출력 데이터 역할을 수행하여 DataStage 플로우의 설정을 단순화합니다.

자세한 정보는 매크로를 참조하십시오.

DataStage 입력 열 편집

2023년 1월 20 일

이제 DataStage. 변경사항은 플로우의 이전 스테이지로 전파됩니다.

메타데이터 가져오기에 대한 새 옵션 (Watson Knowledge Catalog)

2023년 1월 19 일

메타데이터 가져오기의 대상 프로젝트 또는 카탈로그에 오래된 데이터가 포함되지 않도록 하기 위해 다시 가져올 수 없는 데이터 자산을 정리하도록 가져오기를 구성할 수 있습니다. 데이터 소스에서 더 이상 사용할 수 없는 자산 (가져오기 범위에서 제거됨) 을 삭제하거나 메타데이터 가져오기를 다시 실행할 때 가져오기 대상에서 둘 다 삭제하려면 선택하십시오. 메타데이터 가져오기를 참조하십시오.

Decision Optimization 실험에서 프로젝트로 데이터 내보내기

2023년 1월 18 일

이제 Decision Optimization 실험의 데이터 준비 또는 탐색 솔루션 보기에서 프로젝트로 테이블을 내보낼 수 있습니다. 이렇게 하면 다른 모델 또는 서비스에서 데이터를 재사용할 수 있습니다. Decision Optimization Python 클라이언트를 사용하여 데이터를 내보낼 수도 있습니다.

Decision Optimization 실험에서 데이터 내보내기를 참조하십시오.

업데이트된 데이터 패브릭 유스 케이스

2023년 1월 12 일

데이터 패브릭은 케이스를 업데이트하여 제품 사용 방법을 보다 잘 반영합니다.

• 데이터 통합: 이 유스 케이스에는 파이프라인이 포함되어 있습니다.
• 데이터 통제: 이 유스 케이스에는 Match 360이 포함됩니다.
• AI 거버넌스: 이 유스 케이스는 이제 프로덕션에서 AI 모델을 모니터링, 유지보수, 자동화 및 통제하는 데 초점을 맞춘다.
• 데이터 과학 및 MLOps: 이 새로운 유스 케이스는 데이터 분석과 모델 생성을 조작하는 방법을 설명한다.

데이터 패브릭 유스 케이스를 참조하십시오.

웹 브라우저를 사용자 정의하여 브랜드를 지원합니다.

2023년 1월 12 일

관리자는 사용자 정의 제품 이름, 로고 및 기타 그래픽을 추가하여 Cloud Pak for Data as a Service용 웹 브라우저의 브랜딩을 사용자 정의할 수 있습니다.

웹 브라우저의 브랜딩 사용자 정의를 참조하십시오.

DataStage 데이터 소스에 연결

2023년 1월 06 일

이제 DataStage 이러한 데이터 소스의 데이터를 포함할 수 있습니다.

• Dremio
• SingleStoreDB

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

SPSS Modeler 에서 스크립팅을 위한 원시 Python

2022년 12월 13 일

이제 확장 노드에서 스크립팅을 위해 원시 Python 을 사용할 수 있습니다. 스크립트에서 기본 Python API를 호출하여 SPSS Modeler와 상호작용하십시오. 자세한 내용은 새 원시 Python API 문서를 참조하십시오.

데이터 품질 특징은 프랑크푸르트 지역에 거주하고 있습니다.

2022년 12월 12 일

이제는 댈러스 지역 외에도 데이터 품질 기능이 프랑크푸르트 지역에 살고 있습니다.

DataStage 에서 DSFlowName 매크로를 사용하십시오.

2022년 12월 9 일

DSSFlowName 매크로를 스테이지 특성 또는 변환기 함수에 추가할 수 있습니다. 매크로는 DataStage 을 하고 인수가 필요 없는 데이터를 출력하여 DataStage 플로우의 설정을 단순화합니다. 이 매크로를 지정하는 경우 "DSFlowName" 은 런타임 시 플로우의 이름으로 바뀝니다.

자세한 정보는 매크로를 참조하십시오.

계정 관리자는 모든 프로젝트에 참여하고 새 관리자 역할 권한이 있는 모든 프로젝트를 볼 수 있습니다.

2022년 12월 9 일

계정 관리자로서 이제 모든 프로젝트를 관리 로 결합하고 계정의 모든 프로젝트를 볼 수 있습니다. 이러한 권한을 얻으려면 IBM Cloud IAM의 IBM Cloud Pak for Data 서비스에서 관리자 역할을 지정해야 합니다. 자세한 내용은 계정의 모든 프로젝트 관리를 참조하십시오.

단순화된 구성 (Watson OpenScale)

2022년 12월 8 일

Watson OpenScale에서 공정성 평가 및 설명 불가능을 구성할 때 사용자 정의 노트북을 실행하여 구성 파일을 생성할 수 있습니다. Watson OpenScale 에서 구성 파일을 업로드하여 설정을 지정할 수 있습니다.

자세한 정보는 모델 모니터 구성을 참조하십시오.

페이로드 데이터 업로드 (Watson OpenScale)

2022년 12월 8 일

모델 세부사항을 제공하여 프로덕션 배치의 모델 평가를 구성하려면 이제 CSV 파일을 사용하여 페이로드 데이터를 Watson OpenScale에 업로드할 수 있습니다. 자세한 정보는 엔드포인트 평가 구성을 참조하십시오.

설명 불가능 메소드 구성 (Watson OpenScale)

2022년 12월 8 일

Watson OpenScale에서 모델 평가를 구성할 때 다른 설정을 선택하여 로컬 및 글로벌 설명을 생성할 수 있습니다.

• 글로벌 설명을 위해 SHAP (SHapley Additive exPlanations) 메소드를 사용할 수 있습니다.
• 로컬 설명의 경우, SHAP 방법 또는 LIME (로컬 해석 가능한 모델-agnostic 해명) 메소드를 사용할 수 있다.

자세한 정보는 설명 구성 불가능을 참조하십시오.

새 공정성 지표 (Watson OpenScale)

2022년 12월 8 일

이제 Watson OpenScale에서 다음과 같은 공정성 메트릭을 구성할 수 있습니다.

• 통계적 패리티 차이
• 평균 승산차
• 평균 절대 승산 차이
• 거짓 부정 비율 차이
• 거짓 긍정 비율 차이
• 거짓 감지 속도 차이
• 거짓 누락 비율 차이
• 오차율 차이

자세한 정보는 페어니스 메트릭 개요를 참조하십시오.

RStudio 환경 런타임 사용 R 4.2

2022년 12월 8 일

모든 기본 RStudio 환경 템플리트는 이제 R 4.2를 사용합니다. 자세한 내용은 프로젝트의 RStudio에 대한 자원 옵션 계산 을 참조하십시오.

광범위한 새 조회 기능 Watson Knowledge Catalog

2022년 12월 8 일

이제 다음에 대한 사용자 정의 보고서를 작성할 수 있습니다.

• 워크플로우 데이터
• 메타데이터 가져오기
• 사용자 프로파일링
• 메타데이터 강화

예를 들어, 감지된 데이터 세트 및 컬럼에 대한 자동 조건 지정의 품질을 보장하기 위해 데이터 세트 및 컬럼에 대해 지정되거나 거부된 용어를 나열하는 보고서를 생성할 수 있습니다.

사용자 정의 보고서 작성에 대한 자세한 정보는 Watson Knowledge Catalog의 보고 설정을 참조하십시오.

데이터 품질 규칙이 Cloud Pak for Data as a Service (Watson Knowledge Catalog) 에 제공됩니다.

2022년 12월 9 일

이제 달라스 지역에서 데이터 품질 기능을 사용할 수 있습니다. 이러한 기능을 사용하려면 Watson Knowledge Catalog 서비스뿐만 아니라 DataStage 서비스도 필요합니다.

공통 데이터 품질 차원에 대해 데이터를 평가하여 데이터 품질 문제를 식별하십시오. 이제 데이터 품질 정의 및 규칙을 프로젝트의 자산으로 사용할 수 있습니다.

• 다양한 소스의 데이터에 대한 데이터 품질 규칙을 설계하고 실행합니다.
• 시간에 따른 데이터 품질의 변경사항을 모니터하기 위해 품질 검사를 자동화하십시오.
• 정의된 품질 기준을 충족하지 않고 수정이 필요한 데이터의 레코드를 식별하십시오.

데이터 품질 관리를 참조하십시오.

Python 3.10 support and other enhancements to Decision Optimization (Watson Studio)

2022년 12월 8 일

Python 3.10 은 이제 Watson Studio 의 Decision Optimization 실험에서 지원되며 Watson Machine Learning에 배치됩니다. 기본 버전은 Python 3.9입니다. 환경 구성 및 모델 배치를 참조하십시오.

DOcplex 노트북의 경우, Python 3.10 및 CPLEX 22.1 의 새 런타임 22.2 를 이제 사용할 수 있습니다.

이제 새 필터링 기능을 사용하여 Watson Studio 의 Decision Optimization 실험에서 OPL 엔진 설정을 검색할 수 있습니다. OPL 설정을 참조하십시오.

새 관리 통제 아티팩트 권한

2022년 12월 9 일

사용자가 해당 카테고리의 협력자인지 여부에 관계없이 사용자가 모든 카테고리의 모든 통제 아티팩트를 볼 수 있도록 통제 아티팩트 관리 권한을 부여할 수 있습니다. 이 권한으로 사용자는 통제 아티팩트에 대한 모든 API 호출을 실행할 수도 있다.

이 새 권한을 부여할 때 사용자가 카테고리 및 통제 아티팩트를 완전히 제어하도록 하려면 동시에 카테고리 관리 및 통제 아티팩트 액세스 권한도 부여해야 합니다.

자세한 정보는 Watson Knowledge Catalog 및 Watson Studio에 대한 사용자 역할 및 권한을 참조하십시오.

연합 학습을 위한 동형 암호화

2022년 12월 07 일

이제 모델 프레임워크 및 컴퓨터 아키텍처를 선택하기 위해 IBM 연합 학습에서 FHE (완전Homomorphic Encryption) 를 적용할 수 있습니다. FHE를 사용하면 통합 학습을 사용하여 집계자에게 전송되는 모델 정보를 암호화하여 모델을 훈련할 때 추가 보안 및 개인정보 보호 계층을 추가할 수 있습니다. 자세한 정보는 암호화 적용을 참조하십시오.

추가 정보는 블로그 를 확인하십시오.

JDBC 커넥터는 최신 DataStage

2022년 12월 2 일

일반 DataStage 버전으로 작업을 마이그레이션할 때 작업에는 JDBC 커넥터가 있는 소스 또는 대상이 포함될 수 있습니다. 이러한 작업을 마이그레이션할 때 스테이지는 자동으로 Cloud Pak for Data as a Service 에서 해당 플랫폼 연결로 변환됩니다.

자세한 정보는 DataStage을 참조하십시오.

일부 서비스에 대한 IBM Cloud App ID 지원

2022년 12월 1 일

Cloud Pak for Data as a Service 지원 IBM Cloud App ID 의 일부 서비스는 사용자 인증을 위해 고객의 사용자 레지스트리를 통합합니다. IBM Cloud 에서 App ID 를 구성한 후 조직의 사용자에게 별명을 제공하여 Cloud Pak for Data as a Service에 로그인할 수 있습니다. 이 베타 릴리스는 Watson Studio, Watson Knowledge Catalog, Watson Machine Learning, Watson OpenScale및 Watson Query를 지원합니다. 다른 서비스들은 테스트되지 않았다. IBM Cloud App ID (베타) 설정을 참조하십시오.

Watson Query 의 개선사항 및 개선사항

2022년 11월 30일

Watson Query 는 다음 기능을 제공하도록 업데이트되었습니다.

• Data virtualization > 사용자 관리에서는 IBMid대신 App ID 및 이메일 주소를 사용하여 Watson Query 사용자를 추가할 수 있습니다. 자세한 정보는 IBM Cloud App ID (베타) 설정의 내용을 참조하십시오.
• 가상화된 오브젝트를 공유하는 것이 더 빠르고 쉽습니다. 오브젝트를 가상화할 때 오브젝트를 여러 프로젝트에 지정할 수 있으며 오브젝트를 한 단계에 모두 카탈로그에 공개할 수 있습니다.
• 결합 프로세스가 오래 걸리는 경우, 미리보기를 취소하고 가상 테이블을 결합하기 전에 쿼리 성능을 향상시킬 수 있습니다. 자세한 정보는 Watson Query에서 쿼리 성능 향상을 참조하십시오.
• 라이트 플랜이 곧 만료되는 경우, Watson Query 는 사용자에게 남은 기간 (일) 을 경고합니다. 계획이 만료되면 Watson Query 서비스를 사용할 수 없습니다.

Python 3.10 및 R 4.2 용 새 런타임 2022 릴리스

2018년 11월 17 일

이제 Python 3.10 및 R 4.2의 최신 데이터 과학 프레임워크를 포함하는 런타임 22.2 환경을 사용하여 Watson Studio Jupyter 노트북, 열차 모델을 실행하고 Watson Machine Learning 배치를 실행할 수 있습니다. R 3.6 이 있는 노트북 환경은 이제 더 이상 사용되지 않습니다. 다음과 같이 런타임 22.2 를 사용하도록 R 자산 및 배치를 업데이트하십시오.

• Python 3.10 및 R 4.2의 런타임 22.2 릴리스 및 포함된 환경에 대한 정보는 프로젝트에서 노트북 편집기의 자원 옵션 계산을 참조하십시오.
• 배치 프레임워크에 대한 세부사항은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오.

Spark 3.3 replaces Spark 3.2 for Watson Studio and Watson Machine Learning

2022년 11월 16일

Watson Studio 및 Watson Machine Learning에 대해 스파크 3.3 이 지원됩니다. 스파크 3.2 는 기계 학습 프레임워크, 노트북 환경 및 RStudio 런타임으로 더 이상 사용되지 않습니다. 대신 스파크 3.3 을 사용하도록 자산을 업데이트하십시오. 스파크 3.2 의 훈련 자산 지원은 2023년 1월 4일에 중단됩니다. 스파크 3.2 를 사용하여 모델을 전개 및 스코어링하기 위한 지원은 2023년 2월 16일에 중단되며 스파크 3.2 스펙을 사용하는 기존 배치가 제거됩니다. 자산을 지원되는 프레임워크 및 소프트웨어 스펙으로 마이그레이션하는 방법에 대한 자세한 내용은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오. 노트북 환경에 대한 세부사항은 프로젝트에서 노트북 편집기에 대한 자원 계산 옵션을 참조하십시오.

연결 또는 연결된 데이터 자산에서 선택된 Excel 워크시트의 데이터 세분화 (Data Refinery)

2022년 11월 18 일

연결 또는 연결된 데이터 자산에 워크시트가 여러 개 있는 Excel 파일이 있는 경우, Data Refinery에서 데이터의 개별 워크시트를 선택할 수 있습니다. 이전에는 첫 번째 워크시트만 읽었습니다.

데이터 보호 규칙에 대한 설정 관리 (Watson Knowledge Catalog)

인터뷰: 2022년 11월 11

이제 데이터 보호 규칙이 적용되는 방법을 제어할 수 있습니다. 다음 동작을 설정할 수 있습니다.

• 기본적으로 데이터에 대한 액세스가 허용되는지 또는 거부되는지 여부를 제어하려면 규칙 데이터 액세스 규칙을 설정하십시오.
• 규칙 조치 및 마스킹 우선순위를 설정하여 여러 규칙이 여러 조치 및 마스킹 메소드를 단일 결정으로 결합하는 방법을 판별하십시오.

규칙 설정 관리를 참조하십시오.

DataStage 단계에서 새 기능 사용

인터뷰: 2022년 11월 11

이제 DataStage 일부로 변환기 스테이지에서 UrlEncode 및 UrlDecode 함수를 사용할 수 있습니다. 사용 가능한 함수의 전체 목록은 병렬 변환 함수를 참조하십시오.

DataStage 에서 트리거 사용

인터뷰: 2022년 11월 11

이제 DataStage Transformer 스테이지가 실행될 때 트리거 탭을 사용하여 특정 실행 지점에서 실행할 루틴을 선택할 수 있습니다. 사용 가능한 기본 제공 루틴은 SetCustomSummaryInfo 및 SetUser상태입니다. 자세한 정보는 Transformer 스테이지의 트리거를 참조하십시오.

데이터 거버넌스를 구현하기 위한 계획 (Watson Knowledge Catalog)

2022년 11월 10일

이제 Watson Knowledge Catalog를 사용하여 데이터 거버넌스 구현을 계획하는 방법을 이해할 수 있습니다. 선택한 사항, 이러한 선택사항의 영향 및 이러한 선택사항이 구현 태스크의 순서에 영향을 미치는 방법을 이해할 수 있습니다. 데이터 통제 구현 계획을 참조하십시오.

프로젝트를 민감한 항목으로 표시

2022년 11월 10일

관리로 프로젝트를 작성할 때 프로젝트를 중요한 것으로 표시할 수 있습니다. 프로젝트를 감응성으로 표시하면 프로젝트의 멤버가 프로젝트 외부로 데이터 자산을 이동할 수 없습니다. 프로젝트를 작성한 후에는 프로젝트를 민감하게 표시할 수 없습니다. 자세한 내용은 프로젝트를 민감하게 표시를 참조하십시오.

고급 Data Privacy 의 도구 이름이 마스킹 플로우 (Watson Knowledge Catalog) 로 변경되었습니다.

2022년 11월 7 일

영구적으로 마스크된 데이터 자산을 작성하는 마스킹 플로우를 실행하려면 새 자산 페이지에서 플로우 마스킹 옵션을 선택하십시오. 마스킹 플로우가 있는 데이터 마스킹을 참조하십시오.

Apache HDFS 커넥터에 사용 가능한 새 옵션 (DataStage)

인터뷰: 2022년 11월 11

DataStage에 특정한 Apache HDFS 커넥터에서 새 커넥터 특성을 사용하십시오. 해당 특성은 "최적화된" 커넥터와 유사하게 플로우 실행의 미세 제어와 추가 기능을 제공합니다. 특성 패널에서 DataStage 을 선택하십시오.

대형 데이터 자산을 사용하는 플로우의 분할 컬럼 GUI 조작에 대한 성능 향상 (Data Refinery)

2022년 11월 4 일

컬럼 분할 조작이 확장되어 대형 데이터 자산에서 더 빠르게 작업할 수 있습니다.
필수 조치 컬럼 분할 조작을 사용하는 기존 Data Refinery 플로우가 있는 경우 플로우를 업데이트해야 합니다. 플로우를 업데이트하려면 플로우를 열고 저장하고 플로우에 대한 작업을 실행하십시오. 자세한 내용은 Data Refinery 플로우 관리를 참조하십시오.

일괄처리 가져오기 연결 데이터 자산

2022년 11월 3 일

이제 동시에 동일한 연결에서 여러 개의 연결된 데이터 자산을 가져올 수 있습니다. 자세한 내용은 프로젝트에 연결에서 데이터 추가를 참조하십시오.

Watson Studio 에 대한 GPU 환경 업그레이드

2017년 10월 27일

이제 Watson Studio 가 NVIDIA V100 GPU를 지원하여 댈러스 지역의 런타임 환경에 전원을 공급하게 되었음을 알려드립니다. V100 GPU는 이전 세대보다 빠른 크기의 성능을 제공하여 고급 AI및 병렬 컴퓨팅 작업을 효율적으로 지원할 수 있습니다. 새로운 GPU 환경은 가속화된 컴퓨팅 및 메모리를 갖는 다음과 같은 두 가지 구성으로 제공된다.

• 40 vCPU +186 GB+1 NVIDIA V100 (1 GPU)
• 80 vCPU +372GB+2 NVIDIA V100 (2 GPU)

또한 NVIDIA K80 GPU 환경은 이제 더 이상 사용되지 않습니다. 2022년 11월 18일 이후에는 새 K80 환경을 작성할 수 없으며, K80 환경은 2022년 12월 8일에 완전히 제거됩니다. 자산의 다른 환경을 선택하려면 노트북의 환경 변경 을 참조하십시오.

알림 설정 관리에 대한 개선사항

2017년 10월 27일

이제 방해하지 않음 을 선택하여 화면에 잠시 표시되는 푸시 알림을 끄고 종에 대한 알림 수를 계속 확인할 수 있습니다. 방해하지 않음을 선택하려면 알림 벨 아이콘을 클릭한 후 설정 아이콘을 클릭하십시오. 알림 설정에 대한 자세한 정보는 설정 관리 를 참조하십시오.

Watson 처리 라이브러리에 추가된 새 기능

2017년 10월 27일

DBPedia개의 추출 개념을 캡슐화하는 두 개의 새 구성요소 (블록) 및 입력 데이터에서 두 엔티티 사이의 관계가 이제 Watson 처리 라이브러리에 포함됩니다. 또한, 엔티티 추출은 이제 PII 정보의 추출을 포함한다. 자세한 내용은 Watson 자연어 처리를 참조하십시오.

Data Refinery 플로우 작업 실행을 위한 새 스파크 3.3 환경

인터뷰: 2022년 10월 28일

Data Refinery 플로우 작업의 환경을 선택할 때 Default Spark 3.3 & R 3.6 를 선택할 수 있습니다. 기본 스파크 3.3 및 3.6 환경에는 스파크의 개선된 기능이 포함되어 있습니다. 새 환경에서는 다른 기본 환경과 동일한 용량 단위 시간(CUH)을 사용합니다.

중요한: Default Spark 3.2 & R 3.6 환경은 더 이상 사용되지 않으며 추후 업데이트에서 중단됩니다. 새 Default Spark 3.3 & R 3.6 환경을 사용하도록 Data Refinery 플로우 작업을 변경하십시오.

Data Refinery에 대한 환경에 대한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

공간 사용자 인터페이스가 향상되어 생산성 향상

프로젝트의 자산 조직과 보다 밀접하게 일치하도록 공간이 확장됩니다. 향상된 자산 조직, 자산 가져오기 플로우, 개선된 탐색 및 내장 안내 (모두 공간에서 작업하고 협업하는 것이 보다 쉽고 효율적이도록 설계됨) 를 탐색하십시오. 자세한 내용은 배치 공간을 참조하십시오.

AI Factsheets 에 대한 보고서 템플리트 사용자 정의

인터뷰 (사진)

AI Factsheets 와 함께 제공된 기본 보고서 템플리트가 사용자 요구를 충족하지 않는 경우, 기본 보고서 템플리트를 다운로드하고 필요에 맞게 사용자 정의하고 새 템플리트를 업로드할 수 있습니다. 현재 AI Factsheets API를 사용하여 템플리트를 다운로드해야 하지만 모델 인벤토리 UI에서 업로드할 수 있습니다. 팩트시트 및 모델 항목에 대한 보고서 생성을 참조하십시오.

DataStage 에서 Oracle 데이터베이스 시퀀스 지원

지난해 10월 21 일

이제 Surrogate Key Generator, Slowly Changing Dimension및 Transformer연산자에서 Oracle 데이터베이스 시퀀스를 사용할 수 있습니다. Oracle 연결의 비밀번호는 암호화된 매개변수이어야 합니다.

자세한 정보는 상태 파일 업데이트하기, DataStage 천천히 변경하는 차원 스테이지에서 확인 키, 대리 키 탭및 매개변수 및 매개변수 세트 작성 및 사용을 참조하십시오.

데이터 보호 규칙을 사용하여 행 필터링

지난해 10월 21 일

이제 데이터 보호 규칙에 대한 조치가 영향을 받은 데이터 자산에서 행을 필터링하도록 지정할 수 있습니다. 동일한 자산 또는 참조 자산의 지정된 컬럼에 있는 값을 기반으로 행을 포함하거나 제외할 수 있습니다. 자세한 내용은 행 필터링을 참조하십시오.

메타데이터 보강에서 ML 기반 용어 지정을 위한 학습 범위 사용자 정의 (Watson Knowledge Catalog)

지난해 10월 21 일

이제 프로젝트 레벨에서 ML 기반 용어 지정에 대한 모델이 프로젝트의 자산 또는 사용자가 선택한 카탈로그에서 훈련되는지 여부를 판별할 수 있습니다.

기본 강화 설정을 참조하십시오.

메타데이터 보강에서 샘플링을 개선하여 데이터 변경사항 캡처 향상 (Watson Knowledge Catalog)

지난해 10월 21 일

메타데이터 보강을 위해 사용자 정의된 샘플링을 설정할 때 순차 및 무작위 샘플링 중에서 선택할 수 있습니다. 또한 고정된 행 수 대신 샘플에 테이블 행의 특정 백분율을 포함하도록 선택할 수 있습니다. 무작위 샘플링은 이러한 샘플링 방법을 지원하는 데이터 소스의 데이터 자산에 대해서만 사용 가능합니다.

자세한 내용은 데이터 자산 보강을 참조하십시오.

IBM Data Virtualization 연결에 대한 이름 변경

지난해 10월 21 일

IBM Data Virtualization 연결의 이름이 IBM Watson Query(으) 로 변경되었습니다. 연결에 대한 이전 설정은 동일하게 유지됩니다. 연결 이름만 변경되었습니다.

IBM Data Virtualization 커넥터의 이름 변경 (DataStage)

지난해 10월 21 일

The IBM Data Virtualization 커넥터 in the DataStage canvas has been renamed to IBM Watson Query. 커넥터에 대한 이전 설정은 동일하게 유지됩니다. 커넥터 이름만 변경되었습니다.

개인 데이터의 사전 정의된 비즈니스 용어 (Watson Knowledge Catalog)

지난해 10월 21 일

Cloud Pak for Data as a Service 의 새 계정 및 표준 계획 사전 정의된 비즈니스 용어는 지식 액셀러레이터 샘플 개인 데이터 카테고리에서 사용할 수 있습니다. 자세한 정보는 사전 정의된 비즈니스 용어를 참조하십시오.

자산 미리보기가 더 최신 상태입니다.

2014년 10월 14 일

이제 자산 미리보기는 기본적으로 더 자주 새로 고쳐집니다. 이전에는 자산 미리보기가 10일마다 새로 고쳐졌습니다. 이제 자산 미리보기가 매일 새로 고쳐집니다. 언제든지 자산 미리보기를 수동으로 새로 고칠 수 있습니다. 자산 미리보기를 참조하십시오.

Decision Optimization 실험에 대한 엔진 매개변수 사용자 정의 (Watson Studio)

2022년 10월 13 일

이제 Decision Optimization 실험에서 OPL 엔진 설정 파일을 추가할 수 있습니다. 이를 통해 새 비주얼 편집기에서 모델을 해결하는 데 사용되는 엔진 매개변수를 보고 사용자 정의할 수 있습니다. 또한 기존 OPL 설정을 가져올 수 있다.

엔진 설정을 참조하십시오.

카탈로그에서 차단된 자산의 메타데이터 보기

2022년 10월 13 일

데이터 보호 규칙에 의해 자산에 대한 액세스가 거부된 사용자는 이제 자산의 메타데이터를 볼 수 있습니다. 예를 들어, 사용자가 카탈로그에서 차단된 자산을 클릭하면 이제 차단된 자산의 설명, 지정된 용어, 사용자 정의 특성, 관계 및 열 이름을 볼 수 있습니다.

자원 범위와 관련된 카탈로그에 초점 지정

2014년 10월 14 일

자원 범위를 사용하면 소유하고 있는 카탈로그 및 카탈로그 계정 내에서 사용자와 공유되는 카탈로그를 제한할 수 있습니다. 기존 계정에 자원 범위를 설정하려면 계정 설정으로 이동하십시오. 새 계정은 기본적으로 자원 범위를 사용합니다. 자원 범위가 사용 가능한 카탈로그 계정의 경우, 연합 사용자는 관리자가 초대하는 경우에만 협업할 수 있습니다.

DataStage: Elasticsearch

2014년 10월 14 일

이제 DataStage Elasticsearch 데이터 소스의 데이터를 포함할 수 있습니다.

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

DataStage 에 대한 ODBC 커넥터에서 다중 입력 링크 사용

2022년 10월 7 일

이제 ODBC 커넥터에서 다중 입력 링크를 사용하고 각 링크에 다른 조치를 지정할 수 있습니다.

DataStage 에 대한 Apache Cassandra 커넥터에서 다중 입력 링크 사용

2022년 10월 7 일

이제 Apache Cassandra 커넥터에서 다중 입력 링크를 사용할 수 있습니다.

DataStage 에 대한 Db2, Oracle및 ODBC 커넥터에서 다중 거부 링크를 사용하십시오.

2022년 10월 7 일

이제 Db2, Oracle및 ODBC 커넥터에서 다중 거부 링크를 사용할 수 있습니다.

조인된 데이터가 더 이상 사용되지 않는 AutoAI 실험

2022년 10월 6 일

필요한 조치 단일 교육 데이터 세트를 작성하기 위해 여러 데이터 소스를 결합하는 AutoAI 실험 기능은 더 이상 사용되지 않습니다. AutoAI 실험에서 데이터 결합에 대한 지원은 2022년 12월 7일에 제거됩니다. 2022년 12월 7일 이후에는 AutoAI 실험이 결합된 데이터와 결과 모델의 전개를 더 이상 실행하지 않습니다. 여러 데이터 소스를 결합하려면 데이터 준비 도구 (예: Data Refinery 또는 DataStage 를 사용하여 데이터를 조인하고 준비하고 AutoAI 실험을 훈련하기 위해 결과 데이터 세트를 사용하십시오. 결과 모델을 다시 전개한다. 자세한 내용은 데이터 소스 결합을 참조하십시오.

Platform assets catalog 의 연결에 모든 사용자 뷰어 액세스 지정

2018년 9월 30 일

Platform assets catalog를 작성할 때 협업자를 추가하고 역할을 지정해야 합니다. 이제 개별 사용자에게 뷰어 역할을 지정하는 대신 공용 액세스 그룹을 협력자로 추가하고 뷰어 역할을 그룹에 지정할 수 있습니다. 공용 액세스 그룹을 기존 Platform assets catalog 에 뷰어 역할이 있는 협력자로 추가할 수 있습니다. 뷰어 역할을 사용하면 사용자가 연결을 찾아 프로젝트에서 사용할 수 있습니다. 기본적으로 계정의 모든 사용자는 공용 액세스 그룹의 구성원입니다. 플랫폼 연결에 대한 카탈로그 작성을 참조하십시오.

DataStage 의 새 Slowly 변경 차원 스테이지

2018년 9월 30 일

이제 DataStage 느리게 변경하는 차원 스테이지를 사용할 수 있습니다. 천천히 변경하는 차원 스테이지를 사용하여 시간에 따라 현재 및 히스토리 데이터를 저장하고 관리할 수 있습니다. 자세한 정보는 Slowly Changing Dimension stage를 참조하십시오.

DataStage 에서 DStageName 서버 매크로를 사용하십시오.

2018년 9월 30 일

매크로 DSStagename을 스테이지 특성 또는 변환기 함수에 추가할 수 있다. 매크로는 DataStage 을 하고 인수가 필요 없는 데이터를 출력하여 DataStage 플로우의 설정을 단순화합니다. 이 매크로를 지정하는 경우 "DSStageName" 은 작업 컴파일의 일부로 스테이지의 이름으로 바뀝니다.

자세한 정보는 매크로를 참조하십시오.

DataStage 사용할 수 있는 부울 및 목록 매개변수 유형

2018년 9월 30 일

DataStage 작업에서 매개변수 유형 '부울' 및 '목록' 을 사용할 수 있습니다. 부울 매개변수 유형을 사용하여 참 또는 거짓 값을 지정하고 목록 매개변수 유형을 사용하여 작업에서 선택할 수 있는 값 목록을 지정합니다. 매개변수에 대한 자세한 정보는 매개변수 및 매개변수 세트 작성 및 사용을 참조하십시오.

DataStage 데이터 정의에 대한 열 메타데이터 추가 및 편집

2018년 9월 30 일

데이터 정의에서 열 레벨에서 메타데이터 특성을 추가하고 편집할 수 있습니다. 예를 들어, 필드 레벨, 구분 기호, 따옴표 및 문자열 유형과 같은 특성을 설정할 수 있습니다. 데이터 정의에 대한 자세한 정보는 데이터 정의 정의를 참조하십시오.

DataStage 및 붙여넣기

2018년 9월 30 일

DataStage 에서 또는 동일한 프로젝트의 다른 DataStage 에서 공유 서브플로우를 편리하게 복사하여 붙여넣을 수 있습니다. 서브플로우는 더 큰 플로우의 일부로 또는 서브플로우 자체로서 복사 및 붙여넣을 수 있습니다. 서브플로우에 대한 자세한 정보는 서브플로우를 참조하십시오.

Oracle, 눈송이 및 Teradata 커넥터에는 각각 개별 조치가 있는 여러 개의 입력 링크가 있습니다.

2018년 9월 30 일

이전에는 Oracle, 눈송이 및 Teradata 커넥터에 하나의 입력 링크만 있고 스테이지 특성에서 링크의 특성을 지정했습니다. 이제 커넥터에 여러 개의 입력 링크가 있을 수 있으며 각 링크에 다른 특성이 있을 수 있습니다. 이 개선사항은 각 링크가 읽기, 쓰기 및 추가와 같은 개별 조치를 가질 수 있음을 의미합니다. 입력 탭에서 링크를 전환하여 특성을 볼 수 있습니다.

IBM Watson Pipelines 베타는 프랑크푸르트 지역에 거주하고 있습니다.

2022 년

IBM Watson Pipelines 현재는 댈러스 지역 외에도 프랑크푸르트 지역에 거주하고 있습니다. 도구는 배치를 통한 작성에서 자산의 엔드-투-엔드 파이프라인을 조정하는 그래픽 인터페이스를 제공합니다. 자세한 내용은 IBM Watson Pipelines의 내용을 참조하십시오.

Watson Studio 에서 스파크 3.2 가 있는 노트북 환경의 제거

2022년 5월 23 일

스파크 3.2 는 노트북 환경 런타임으로 사용되지 않습니다. 대신 스파크 3.3 환경을 사용하도록 노트북을 업데이트하십시오.

자세한 정보는 프로젝트에서 노트북 편집기의 자원 옵션 계산을 참조하십시오.

Watson Query 의 개선사항 및 개선사항

2017년 9월 21일

Watson Query 는 다음 기능을 제공하도록 업데이트되었습니다.

• IBM Planning Analytics 연결 유형을 사용하여 다차원 OLAP 큐브에 데이터를 저장하는 TM1 데이터베이스에 연결할 수 있습니다. Watson Query의 IBM Planning Analytics 데이터 소스에 대한 연결을 작성할 때 CAM 신임 정보를 인증 메소드로 사용할 수 없습니다. 더 많은 제한사항은 Watson Query에서 지원되는 데이터 소스를 참조하십시오.
• 새로운 DVSYS.COLLECT_STATISTICS 프로시저입니다. 이 프로시저는 SYSPROC.NNSTAT 프로시저를 대체하며 다음과 같은 개선사항을 통합합니다.
  • 통계 콜렉션을 지원하는 원격 데이터 소스에서 통계를 수집하십시오.
  • 테이블의 컬럼에 있는 널 값의 수인 테이블 카디널리티를 포함합니다.
• Cloud Object Storage의 데이터 소스에서 컬럼 헤더를 포함하는 텍스트 파일을 가상화할 수 있습니다. 열 헤더는 읽기 쉽도록 열의 데이터를 카테고리화하는 데 도움이 됩니다.
  • 자세한 정보는 Watson Query의 Cloud Object Storage 에 있는 파일에서 가상화된 테이블 작성을 참조하십시오.

Documentation 가 더 많은 언어로 번역되었습니다.

2018년 9월 19 일

이제 다음 언어로 Cloud Pak for Data as a Service 문서를 볼 수 있습니다.

• 포르투갈어(브라질)
• 중국어
• 중국어 번체자
• 체코어
• 프랑스어
• 독일어
• 이탈리아어
• 일본어
• 한국어
• 폴란드어
• 스페인어
• 터키어

문서는 이제 매주 자동으로 변환됩니다. 언어 지원을 참조하십시오.

문서에 대한 피드백 제공

2022년 9월 16 일

이제 문서 컨텐츠에 대한 피드백을 제공할 수 있습니다. 페이지의 맨 아래로 스크롤하여 옵션을 선택하십시오.

DataStage 스토어드 프로시저는 더 많은 데이터 소스에 대해 지원됩니다.

9월 9 일

이제 다음 커넥터에서 스토어드 프로시저를 사용할 수 있습니다.

• Db2 for i
• Db2 for z/OS

자세한 내용은 스토어드 프로시저 사용을 참조하십시오.

사용되지 않

9월 9 일

다음 연결은 더 이상 사용되지 않습니다.

• IBM Cloud Databases for MySQL 는 IBM Cloud에서 더 이상 사용되지 않습니다. IBM Cloud 의 모든 인스턴스는 3월 1st, 2023년이후에 제거됩니다.
• IBM Db2 Event Store 연결은 더 이상 사용되지 않으며 Cloud Pak for Data as a Service의 향후 업데이트에서 제거됩니다.

데이터 패브릭 평가판에 대한 새 데이터 통제 학습서

2018년 09월 02일

이제 Watson Query 를 사용하여 가상화한 데이터를 관리하는 방법을 경험하여 데이터 거버넌스 유스 케이스를 사용하여 데이터 패브릭 솔루션을 구현하는 방법을 경험할 수 있습니다. 가상화된 데이터

이 학습서는 Watson Query 서비스가 필요한 데이터 통합 유스 케이스의 Watson Knowledge Catalog 및 외부 데이터 가상화 학습서를 필요로 하는 데이터 통제 유스 케이스의 세 개의 다른 학습서의 연속입니다.

데이터 패브릭에 대한 자세한 정보는 Cloud Pak for Data as a Service 데이터 패브릭 솔루션을 참조하십시오.

이 튜토리얼을 본다.

• 새 사용자인 경우 데이터 통제 유스 케이스에 등록하고 Govern 가상화된 데이터 학습서를 사용하십시오.
• Cloud Pak for Data as a Service의 기존 사용자인 경우 다시 등록할 필요가 없습니다. 필수 서비스를 프로비저닝하고 전제조건 학습서를 완료하여 Govern 가상화된 데이터 학습서를 시도할 수 있습니다.

기존 DataStage Db2 서버 유형 데이터 연결 오브젝트 이주 지원

2018년 09월 02일

일반 DataStage Db2 서버 유형의 데이터 연결 오브젝트를 지원합니다. 이러한 데이터 연결 오브젝트를 최신 DataStage로 마이그레이션하는 경우 DataStage 플로우 및 작업에서 계속 사용할 수 있도록 Db2 커넥터 오브젝트로 자동 변환됩니다.

DataStage 단계에서 새 기능 사용

2022년 9월 2 일

• 이제 DataStage 일부로 변환기 스테이지에서 ConvertDatum, NextValid날짜, Fold, Fmt및 Rmunprint 함수를 사용할 수 있습니다. 사용 가능한 함수의 전체 목록은 병렬 변환 함수를 참조하십시오.
• 이제, 트랜스포머 스테이지는 파티션을 지원한다.
• 이제 함수, 열 및 변수에 대해 트랜스포머 스테이지에서 자동 완성 검색을 사용할 수 있습니다.

DataStage 데이터 소스에 연결

2022년 9월 2 일

이제 DataStage 이러한 데이터 소스의 데이터를 포함할 수 있습니다.

• Cognos Analytics
• IBM Match 360
• SAP IQ

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

Orchestrate DataStage flows with Watson™ Studio Pipelines

2022년 9월 2 일

이제 DataStage 시퀀스를 실행하는 파이프라인을 작성할 수 있습니다. 파이프라인에 조건, 루프, 표현식 및 스크립트를 추가할 수 있습니다. 자세한 내용은 플로우 조정을 참조하십시오.

DataStage 에서 Watson™ Studio Pipelines 로 시퀀스 작업을 마이그레이션하기 위한 지원

2022년 9월 2 일

이제 일반 DataStage 최신 DataStage 작업을 파이프라인 플로우로 마이그레이션할 수 있습니다. 자세한 내용은 DataStage을 참조하십시오.

DataStage 에 있는 Db2 (최적화된) 커넥터에서 다중 입력 링크를 사용하십시오.

2022년 9월 2 일

이제 Db2 (최적화됨) 커넥터에서 다중 입력 링크를 사용하고 각 링크에 개별 조치를 지정할 수 있습니다.

SPSS Modeler 플로우를 실행할 작업 작성

2022년 9월 1일

이제 SPSS Modeler 플로우를 실행할 작업을 작성할 수 있습니다. 프로젝트에서 작업 작성 및 관리 및 SPSS Modeler에서 작업 작성을 참조하십시오.

프로젝트 내에서 카탈로그 자산 추가

2022년 8월 18 일

이제 해당 프로젝트 내의 프로젝트에 카탈로그 자산을 추가할 수 있습니다. 이전에는 카탈로그 내에서 프로젝트에 카탈로그 자원을 추가해야 했습니다. 자세한 내용은 프로젝트에 카탈로그 자산 추가를 참조하십시오.

2022년 11월 18일 이전에 이전 SPSS Modeler 플로우 마이그레이션

2022년 8월 18 일

필요한 조치 2019년 1월이전에 작성한 SPSS Modeler 플로우가 있는 경우 2022년 11월 18일이전에 이를 열어 마이그레이션하십시오. 그렇지 않으면 플로우가 사용 불가능해질 수 있습니다.

모델 fact시트및 항목에 대한 보고서 내보내기 (Watson Knowledge Catalog)

2022년 8월 19 일

모델 인벤토리에서 추적되는 모델에 대한 세부사항을 공유하거나 인쇄할 수 있도록 PDF, HTML및 DOCX 형식의 팩트시트 또는 모델 항목에서 보고서를 생성한다. 팩트시트 및 모델 항목에 대한 보고서 생성을 참조하십시오.

Watson 자연어 처리는 GA입니다! (Watson Studio)

2022년 8월 11 일

Watson 처리 라이브러리를 일반적으로 사용할 수 있습니다.

Watson 자연어 처리 라이브러리를 사용하여 구조화되지 않은 데이터를 구조화된 데이터로 변환하여 데이터를 쉽게 이해하고 Python 노트북에 사용할 수 있습니다. 이 고급 라이브러리는 20개 이상의 언어로 사전 훈련된 고품질의 텍스트 분석 모델에 즉시 액세스할 수 있도록 합니다. 이러한 모델은 각 언어에 대해 IBM 및 IBM 전문가에 의해 작성, 유지보수 및 평가됩니다. Watson 처리 라이브러리가 고급 환경 템플리트의 Decision Optimization 라이브러리에 포함되어 있습니다. 자세한 내용은 Watson 라이브러리를 참조하십시오.

8월 31일까지 자연어 처리 Default Python 3.8 + Watson NLP XS (beta)에 대한 기존 베타 환경 템플리트를 계속 사용할 수 있습니다. 계속 작업하려면 새 환경 템플리트 DO + NLP Runtime 22.1 on Python 3.9로 전환하십시오. 노트북의 환경 변경을 참조하십시오.

노트북 환경 템플리트에서 "IBM제거 (Watson Studio)

2022년 8월 11 일

"IBM가 모든 IBM Runtime 22.1 환경 템플리트에서 제거되었습니다. 예를 들어, IBM Runtime 22.1 on Python 3.9 XXS 템플리트를 Runtime 22.1 on Python 3.9 XXS라고 합니다. 마찬가지로 자체 템플리트를 작성할 때 선택할 수 있는 소프트웨어 버전에서 "IBM가 삭제되었습니다. 자세한 내용은 프로젝트에서 노트북 편집기에 대한 자원 옵션 계산을 참조하십시오.

SingleStoreDB 의 데이터 액세스

2022년 8월 11 일

새 SingleStoreDB 연결을 사용하여 스토리지 및 분석 서비스의 데이터에 액세스합니다. 자세한 정보는 SingleStoreDB 연결을 참조하십시오.

자동 용어 지정은 이제 제거된 용어 (Watson Knowledge Catalog) 를 고려합니다.

2022년 8월 11 일

메타데이터 보강 결과에서 사용자는 정확하지 않다고 생각되는 열에서 용어를 제거할 수 있습니다. 그러한 부정적 피드백에 대해 훈련된 새로운 기계 학습 모델은 부정확한 내용을 줄이기 위해 자동적인 용어 할당에 대한 전반적인 신뢰도 점수에 기여한다. 용어 지정을 참조하십시오.

Watson Query 에 대한 업데이트

2022년 8월 11 일

Watson Query 에는 한 번에 둘 이상의 가상화된 데이터 세트를 쉽게 관리할 수 있는 새 탐색 메뉴가 있습니다. Watson Query 를 실행하여 엔터프라이즈 계획에 대한 새 사이드 메뉴, 업데이트된 사이트 이동 경로 및 개선된 스케일링 인터페이스를 사용합니다.

사진을 사용하여 비디오 보기

2022년 8월 5 일

임베드된 비디오가 있는 Documentation 주제가 향상되었습니다! 비디오가 재생 중일 때, 페이지의 나머지 부분을 스크롤할 수 있고, 픽처 인 픽처 모드로 비디오를 여전히 볼 수 있다. 이를 통해 학습서의 단계를 완료하는 동안 비디오를 볼 수 있습니다. 또한 시간소인을 클릭하여 픽처 인 픽처 모드에서 다음 태스크의 미리보기를 볼 수 있습니다.

애니메이션 이미지 일시정지

애니메이션 이미지 재생

데이터 패브릭 학습서 를 사용하여 작동 중인 동영상 사진을 보십시오.

새로운 API 기능 및 동작

2022년 8월 1 일

역할 지정을 위한 IBM Watson 데이터 자산 API에는 다음과 같은 개선사항이 포함됩니다.

• 사용자 그룹을 자산 구성원으로 벌크로 지정할 수 있습니다.
• 자산 구성원을 지정할 때 자산 편집기 및 자산 뷰어 역할을 지정할 수 있습니다.
• 자산에 여러 자산 소유자 및 자산 작성자를 지정할 수 있습니다.
• 자산을 프로젝트에 추가하거나 자산을 공개하거나 승격하는 경우, 자산 작성자가 되고 소스 자산의 자산 소유자 목록이 대상 자산에 보존됩니다.

새로운 기능에 쉽게 액세스할 수 있습니다.

사진: 2022년 7월 26일

이제 Cloud Pak for Data as a Service 홈 페이지의 시작 영역에 있는 바둑판식 영역에서 새로운 기능으로 이동할 수 있습니다.

Decision Optimization 실험에서 데이터 테이블 및 Python 확장에 대한 유연성 향상 (Watson Studio 및 Watson Machine Learning)

2022년 7월 28일

이제 Decision Optimization 실험의 데이터 준비 보기에서 테이블 열의 데이터 유형 (숫자 또는 문자열) 을 변경할 수 있습니다. 이러한 유형은 배치를 위한 모델로 시나리오를 저장할 때 사용됩니다.

데이터 보기 준비를 참조하십시오.

추가 Python 라이브러리를 포함할 수 있도록 Decision Optimization 실험 환경에 Python 확장을 추가할 수 있습니다.

환경 구성을 참조하십시오.

IBM SQL Query 연결에 대한 이름 변경

2017년 07월 22일

IBM SQL Query 연결의 이름이 IBM Cloud Data Engine로 바뀌었습니다. 연결에 대한 이전 설정은 동일하게 유지됩니다. 연결 이름만 변경되었습니다.

데이터 보기 시각화를 사용하여 데이터 시각화

2017년 07월 22일

이제 데이터 보기 시각화를 사용하여 다양한 관점에서 데이터를 탐색할 수 있으므로 패턴, 연결 및 관계를 식별하여 많은 양의 정보를 신속하게 이해할 수 있습니다.

프로젝트에서 시각화를 작성하고 작업하려면 자산 탭에서 데이터 자산을 선택하고 시각화 탭을 클릭하십시오. 차트 유형을 선택하고 시각화를 작성하고 저장하십시오. 저장된 데이터 보기 시각화는 프로젝트에 시각화 자산으로 나열됩니다. 그래픽 차트는 최대 5000개 레코드의 샘플 데이터 세트를 기반으로 생성됩니다.

자세한 내용은 Data Refinery 에서 데이터 시각화의 내용을 참조하십시오.

자산 간 관계를 보다 쉽게 추가

2015년 7월 20 일

카탈로그에서 자산 간의 관계를 추가하면 이제 대상 자산을 쉽게 찾을 수 있습니다.

• 작업공간 (카탈로그, 프로젝트 또는 배치 공간) 또는 자산 유형별로 필터링할 수 있습니다.
• 이름별로 자산을 검색할 수 있습니다.
• 카탈로그의 자산 페이지에서 관계에 대한 섹션은 이제 관련 자산이라고 합니다.

자세한 내용은 자산 간 관계 추가를 참조하십시오.

카탈로그, 프로젝트 및 공간에서 자산 사이의 관계 작성

2015년 7월 20 일

이제 액세스 권한이 있는 여러 카탈로그, 프로젝트 및 공간에서 자산 간의 관계를 작성하고 편집할 수 있습니다. 새 자산 관계 속성을 사용하여 자산 유형 및 자산 위치에 대한 필터를 사용하여 현재 카탈로그 외부의 자산을 검색할 수 있습니다.

지원 기능을 추가하여 AutoAI 시계열 모델 예측 개선

2006년 7월 15 일

AutoAI 시계열 실험을 작성할 때 이제 지원 (또는 외인성) 기능을 지정하여 예측을 개선할 수 있습니다. 예를 들어, 에너지 사용량을 예측하는 시계열 실험에서 모델을 훈련하여 예측을 보다 정확하게 하기 위해 매일 온도와 같은 지원 기능을 고려할 수 있습니다. 지원 기능의 향후 값을 아는 경우 모델을 배치할 때 해당 값을 입력으로 제공할 수 있습니다. 예를 들어, 티셔츠 판매를 예측하는 경우 예측에 영향을 줄 수 있는 판매 및 판촉에 대한 향후 데이터를 포함할 수 있습니다. 시계열 실험에서 지원 기능을 포함하는 방법에 대한 자세한 내용은 시계열 실험 빌드를 참조하십시오.

온라인 배치를 위한 개선된 테스트 인터페이스

2006년 7월 15 일

모델에 대한 온라인 배치를 작성하는 경우, 이제 배치의 테스트 탭에서 입력 데이터를 제공하기 위한 개선된 메소드가 있습니다. 여기에는 다음 항목이 포함되어 있습니다.

• 폼에 데이터를 직접 입력한다.
• CSV 템플리트 다운로드, 값 입력 및 입력 데이터 업로드
• 로컬 파일 시스템 또는 공간에서 입력 데이터를 포함하는 파일 업로드
• JSON 탭으로 변경하고 입력 데이터를 JSON 코드로 업로드 또는 입력하기

세부사항은 온라인 배치 작성을 참조하십시오.

Microsoft SQL Server 연결에 대해 Active Directory 지원

2017년 07월 11일

이제 Microsoft SQL Server 인증에 대해 Active Directory 를 선택할 수 있습니다. 이 개선사항은 Microsoft SQL Server대신 NTLM 계정 데이터베이스에 저장된 신임 정보를 이용할 수 있음을 의미합니다. 자세한 정보는 Microsoft SQL Server 연결을 참조하십시오.

문서에서 정보를 찾으려면 인앱 지원을 사용하십시오.

2022년 7월 8일

새 애플리케이션 지원은 제품에서 보고 있는 페이지에 따라 문서에서 권장되는 기사를 제공합니다. 별도의 탭 또는 창에서 문서를 검색할 필요가 없습니다. 지원은 사용자를 위한 것입니다. 맨 위 배너 에서 지원을 여십시오. 업데이트된 권장 기사를 보려면 새 페이지로 이동할 때 도움을 닫고 여십시오. 또한 검색 용어를 입력하여 정보를 빠르게 찾고, 적용 가능한 경우 둘러보기를 시작하며, 추가 지원에 대한 액세스 링크를 입력할 수 있습니다.

데이터 패브릭 서비스의 손쉬운 업그레이드

2022년 7월 7 일

이제 데이터 패브릭 유스 케이스에 포함된 Cloud Pak for Data 서비스를 신속하게 업그레이드할 수 있습니다. 대시보드에서 구매 단추를 클릭하면 프로비저닝된 데이터 패브릭 서비스 및 현재 계획의 목록이 표시됩니다. 업그레이드하려는 서비스를 선택 표시하고 계획을 선택하십시오. 또한 각 서비스의 가격 결정 요약을 보고 한 단계에서 모두 업그레이드할 수 있습니다. 업그레이드 지시사항은 Cloud Pak for Data 서비스 구매의 내용을 참조하십시오.

"기본 스파크 3.0 -R 3.6" 환경이 중단됨 (Data Refinery)

신도호 기자

Default Spark 3.0 & R 3.6 환경은 더 이상 2022년 7월 7일에 사용할 수 없습니다.

필요한 조치 Default Spark 3.0 & R 3.6 환경 또는 스파크 3.0를 사용하는 사용자 정의 환경으로 설정된 Data Refinery 플로우 작업이 있는 경우, 작업이 실패합니다. 환경을 Default Spark 3.2 & R 3.6 또는 기본 Data Refinery XS 로 변경하거나 스파크 3.0를 사용하지 않는 사용자 정의 환경을 변경하십시오.

Data Refinery에 대한 환경에 대한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

데이터 패브릭에 대해 자세히 알아보기

2022년 6월 30일

이제 Cloud Pak for Data as a Service로 데이터 패브릭 솔루션을 구현하는 방법에 대해 자세히 학습할 수 있습니다. 데이터 패브릭 솔루션 개요를 참조하십시오. 데이터 패브릭 구현을 경험하려면 데이터 패브릭 학습서를 수행하십시오.

워크플로우 태스크 모니터 (Watson Knowledge Catalog)

2022년 6월 30일

워크플로우 관리자는 이제 활성 태스크에 대한 메트릭을 볼 수 있습니다. 태스크 상태 페이지에는 모든 활성 태스크에 대한 소유권 상태 및 만기 날짜의 그래픽 개요가 포함됩니다. 또한 태스크 목록을 필터링하고 여러 태스크를 다시 청구되지 않은 상태로 다시 설정할 수 있습니다.

워크플로우 작업 관리를 참조하십시오.

Data Refinery 플로우 작업 실행을 위한 새 스파크 3.2 환경

2010년 6월 24 일

Data Refinery 플로우 작업의 환경을 선택할 때 Default Spark 3.2 & R 3.6 를 선택할 수 있습니다. Default Spark 3.2 & R 3.6 환경에는 스파크의 개선사항이 포함되어 있습니다. 새 환경에서는 다른 기본 환경과 동일한 용량 단위 시간(CUH)을 사용합니다.

중요한: Default Spark 3.0 & R 3.6 환경은 더 이상 사용되지 않습니다.

Data Refinery에 대한 환경에 대한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

(Watson Studio 및 Watson Machine Learning)의 새 PMML 소프트웨어 스펙

2006년 6월 23 일

필수 조치 spark-mllib_3.0 가 있는 PMML 모델은 더 이상 사용되지 않지만 제거되지 않습니다. 더 이상 사용되지 않는 스펙이 있는 모델 배치는 2022년 7월 7일에 작동을 중지합니다. pmml-3.0_4.3 소프트웨어 스펙을 사용하여 새 PMML 모델을 작성하거나 기존 배치가 없는 경우 pmml-3.0_4.3 소프트웨어 스펙을 사용하여 기존 pmml 모델을 업데이트하십시오. PMML 모델의 노트북 환경 변경에 대한 자세한 내용은 노트북 환경 변경을 참조하십시오. 배치 프레임워크 관리에 대한 세부사항은 오래된 소프트웨어 스펙 관리를 참조하십시오.

문서의 새로운 변환!

2017년 06월 22일

Cloud Pak for Data as a Service 문서는 다음 언어로 새로 번역됩니다.

• 포르투갈어(브라질)
• 프랑스어
• 독일어
• 스페인어
• 일본어
• 한국어

이제 문서를 볼 때 쉽게 언어를 전환할 수 있습니다. 이전에는 다른 언어로 된 문서를 보기 위해 브라우저 환경 설정을 재설정합니다. 이제 각 페이지의 맨 아래에 있는 언어 선택기에서 원하는 언어를 선택할 수 있습니다.

강화 결과 공개가 더 쉬워졌습니다 (Watson Knowledge Catalog).

2006년 6월 23 일

이제 프로젝트의 공개 플로우로 경로 재지정되지 않고 보강 결과를 공개할 수 있습니다. 공개한 후에는 농축 결과 UI를 사용하여 계속해서 작업을 수행할 수 있습니다. 각 자산의 상태 공개 는 보강 결과의 자산 탭에 표시됩니다.

보강 결과 공개를 참조하십시오.

레코드 쌍을 검토하여 IBM Match 360 일치 알고리즘을 개선하십시오.

2022년 6월 10일

레코드의 쌍을 검토하여 마스터 데이터 엔티티로 일치되는 레코드를 결정하는 방법을 IBM Match 360 일치 알고리즘으로 훈련하십시오. 쌍을 검토하는 동안 데이터는 레코드를 비교하여 일치 여부를 판별합니다.

쌍 검토가 완료되면 IBM Match 360 는 응답을 분석하고 일치하는 알고리즘의 가중치와 일치하는 임계값에 대한 조정을 권장합니다. 사용자가 더 많은 쌍을 검토할수록 튜닝 권장사항이 더 좋아질 수 있습니다. 그러면 데이터 엔지니어가 권장사항을 적용할지 여부를 결정할 수 있습니다.

쌍 검토에 대한 정보는 일치 알고리즘 사용자 정의 및 강화를 참조하십시오.

IBM Match 360 레코드 사이의 관계를 정의하고 작업합니다.

2022년 6월 10일

관계 정보를 IBM Match 360에 추가하여 마스터 데이터 내에서 새 연결을 찾으십시오. 이제 데이터 모델에 관계 유형을 추가한 후 벌크 로드 관계 데이터 자산을 추가하거나 수동으로 레코드 간의 관계를 정의할 수 있습니다. 데이터에 대한 새 통찰력을 얻기 위해 레코드 사이의 관계를 탐색하십시오.

마스터 데이터의 관계에 대한 작업에 대한 정보는 관계 데이터 탐색을 참조하십시오.

IBM Match 360 구성의 스냅샷 저장 및 로드

2022년 6월 10일

이제 구성 스냅샷을 사용하여 데이터 모델 및 일치하는 설정을 포함하여 마스터 데이터 구성 설정의 특정 시점 버전을 작성할 수 있습니다. 스냅샷을 로드하여 마스터 데이터 구성을 이전 버전으로 리턴하거나 서비스 인스턴스에서 스냅샷을 공유하여 일관성을 유지합니다.

스냅샷 작업에 대한 정보는 마스터 데이터 구성 스냅샷 저장 및 로드를 참조하십시오.

Support for Spark 3.2 and deprecation of Spark 3.0 for Watson Studio and Watson Machine Learning

2022년 6월 1일

스파크 3.2 는 이제 지원되며 스파크 3.0 은 기계 학습 프레임워크, 노트북 환경 및 RStudio 런타임으로 사용되지 않습니다. 대신 스파크 3.2 를 사용하도록 자산을 업데이트하십시오. 훈련 자산 지원은 2022년 6월 22일에 중단될 것이다. 모델 전개 및 스코어링 모델 지원은 Jul 7 2022년에 중단되며 스파크 3.0 스펙을 사용하는 기존 배치가 제거됩니다. 자산을 지원되는 프레임워크 및 소프트웨어 스펙으로 마이그레이션하는 방법에 대한 자세한 내용은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오. 노트북 환경에 대한 세부사항은 프로젝트에서 노트북 편집기에 대한 자원 계산 옵션을 참조하십시오.

Decision Optimization 의 환경 업데이트 (Watson Studio 및 Watson Machine Learning)

2022년 5월 25일

필수 조치 Python 3.8 및 CPLEX 12.10 환경에서 실행되는 Decision Optimization 실험 및 모델에 대한 등록을 변경해야 합니다.

• Python 3.8 이 (가) 이제 제거되었습니다. 기본 버전 Python 3.9를 사용해야 합니다. Decision Optimization 실험의 기본 환경을 변경하려면 특정 시나리오에 대해 다른 실행 환경 선택을 참조하십시오. 이전 버전을 사용하는 배치된 모델의 경우, REST API를 사용하여 Python 버전을 업데이트해야 합니다. REST API를 사용하여 기존 배치된 모델의 Python 버전 변경을 참조하십시오.
• CPLEX 12.10 이 이제 제거되고 동등한 do_12.10 런타임이 더 이상 지원되지 않습니다. CPLEX 20.1 은 기본값이고, 새 런타임 do_22.1 을 사용하여 CPLEX 22.1 을 사용할 수 있습니다. 더 이상 지원되지 않는 CPLEX 런타임으로 모델을 이미 배치한 경우 REST API 또는 UI를 사용하여 기존 배치된 모델을 갱신할 수 있습니다.

메타데이터 보강: 한 번에 선택한 자산에서 비즈니스 용어 또는 데이터 클래스를 지정 또는 제거합니다 (Watson Knowledge Catalog).

2022년 5월 26일

보강 결과에서 이제 비즈니스 용어를 선택한 자산 또는 열 세트에서 한 번에 제거하거나 비즈니스 조건을 제거할 수 있습니다. 열의 경우, 데이터 클래스를 한 번에 여러 열에 지정하거나 지정 해제할 수도 있습니다. 용어 및 데이터 클래스 지정을 대량 변경하기을 참조하십시오.

협력자 역할을 변경하거나 협력자 역할을 변경하려면 프로젝트 관리자가 프로젝트 작성자의 IBM Cloud 계정에 속해야 합니다.

2022년 5월 26일

프로젝트 작성자가 프로젝트 작성자와 다른 IBM Cloud 계정의 프로젝트 관리인 경우 협업자를 추가하거나 협업자 역할을 변경할 수 있는 권한이 없습니다. 다른 프로젝트 관리자에게 협업자를 추가하거나 변경하도록 요청하십시오.

DataStage 스테이지

2022년 5월 26일

이제 DataStage 플로우에서 사용할 수 있는 단계는 다음과 같습니다.

• CFF(Complex Flat File)
• 계층 스테이지: REST 단계
• Match Frequency 스테이지
• 한 소스 일치 스테이지

자세한 정보 및 스테이지 전체 목록은 DataStage 스테이지 및 QualityStage 스테이지를 참조하십시오.

DataStage 종속성을 단일 파일로 다운로드

2022년 5월 26일

개별 DataStage 해당 종속 항목을 ZIP 파일로 편리하게 함께 다운로드할 수 있습니다. 그런 다음 파일을 다른 프로젝트로 가져올 수 있습니다. 종속성에는 연결, 서브플로우 및 매개변수 세트와 같은 항목이 포함됩니다.

자세한 내용은 DataStage 및 가져오기를 참조하십시오.

SPSS Modeler 의 테이블 출력에서 새 노드 생성

2022년 5월 16일

테이블 출력을 볼 때 이제 하나 이상의 필드를 선택하고 생성을 클릭한 후 플로우에 추가할 노드를 선택할 수 있습니다.

새 "플로우 설정" 은 Data Refinery 플로우에 대한 추가 옵션을 제공합니다.

2022년 5월 20 일

Data Refinery 플로우 설정은 Data Refinery 플로우에서 데이터를 제어하는 데 사용할 수 있는 추가 특성을 제공하고 데이터를 세분화하는 동안 데이터의 샘플 크기를 편집하는 새 기능을 제공합니다.

Data Refinery의 도구 모음에서 Data Refinery 플로우 설정에 액세스하십시오.

Data Refinery 플로우 설정을 사용하여 다음 조치를 수행하십시오.

소스 데이터 세트:

• 샘플 크기 편집: 이 새 기능을 사용하여 데이터를 세분화하는 동안 샘플 크기를 조정하십시오. 샘플 크기를 조정하면 큰 데이터 세트가 있을 때 Data Refinery 플로우를 더 빨리 실행하는 데 도움이 됩니다.
• 소스 특성 편집: 이전에는 CSV 또는 구분된 파일에 대한 형식 옵션만 지정할 수 있었습니다. 이제 연결에서 더 많은 파일 유형 및 데이터에 대한 추가 옵션에 대한 옵션이 있습니다.
• Data Refinery 플로우의 소스 변경: 이제 한 위치에 두 개 이상의 소스 데이터 세트를 대체할 수 있습니다. (결합 및 연합 조작의 경우)

대상 데이터 세트:

• Data Refinery 플로우의 대상 위치 변경
• 대상 특성 편집: 연결의 데이터를 포함하여 다른 유형의 데이터에 대한 추가 옵션이 있습니다.
• 대상 데이터에 대한 설명을 입력합니다.

중요: Data Refinery 플로우 설정은 특정 조치를 수행하는 위치를 변경합니다.

플로우 설정을 열고 변경하지 않는 한, 기존 Data Refinery 플로우 또는 Data Refinery 플로우 작업은 이러한 변경사항의 영향을 받지 않습니다.

자세한 정보는 Data Refinery 플로우 관리를 참조하십시오.

새 단계 옵션을 사용하면 Data Refinery 플로우를 더 제어할 수 있습니다.

2022년 5월 20 일

Data Refinery 는 중복, 이전 단계 삽입및 뒤에 단계 삽입단계에 대한 새 옵션을 도입합니다. 이러한 옵션을 사용하면 Data Refinery 플로우의 유연성과 제어를 향상시킬 수 있습니다.

단계 분할창에서 이러한 옵션에 액세스하십시오.

단계별로 수행할 수 있는 모든 조치에 대한 정보는 Data Refinery 플로우 관리를 참조하십시오.

Data Refinery 플로우에서 새 열 배치를 제어합니다.

2022년 5월 20 일

Data Refinery 플로우에서 새 열을 작성할 수 있는 오퍼레이션을 사용하고 결과에 대한 새 열 작성을 선택하면, 이제 원래 열의 오른쪽에 새 열을 배치하도록 선택할 수 있습니다.

이 새 선택사항은 다음 오퍼레이션에 사용할 수 있습니다.

• 계산
• 조건부 교체
• 열 유형 변환
• 열 값을 결측값으로 변환
• 날짜 또는 시간 값 추출
• 수학
• 결측값 대체
• 하위 문자열 바꾸기
• 텍스트
• 토큰화

GUI 조작에 대한 정보는 Data Refinery 의 GUI 조작의 내용을 참조하십시오.

메타데이터 보강은 이제 데이터 클래스에 대한 제안도 제공합니다 (Watson Knowledge Catalog).

2022년 5월 20 일

메타데이터 보강을 실행할 때 프로파일링은 이제 열에 대한 데이터 클래스 제안도 제공합니다. 열의 통제 세부사항에서 이를 볼 수 있습니다. 메타데이터 보강을 위해 프로젝트 설정에서 설정할 수 있는 새 임계값에 따라 지정되고 제안된 데이터 클래스가 선택됩니다. 데이터 클래스 지정 설정을 참조하십시오.

DataStage 개선사항

2022년 5월 20 일

특정 커넥터는 이제 연관된 연결에서 메타데이터를 테스트하고 추가하는 더 빠른 방법을 제공합니다.

연결을 작성할 때 연결 추가 페이지의 연결 테스트 단추가 이러한 연결에 대해 작동합니다. (이전에는 사용자 인터페이스에서 연결을 테스트할 방법이 없었습니다.)

• Apache Kafka
• Db2(최적화됨)
• Netezza Performance Server(최적화됨)
• ODBC
• Oracle(최적화됨)
• Salesforce.com(최적화됨)
• Teradata(최적화됨)

연결을 작성한 후 DataStage에서 자산 브라우저를 캔버스로 끌어서 연결을 선택하고 드릴 다운하여 해당 커넥터에 대한 데이터를 추가하거나 미리볼 수 있습니다. (이전에는 커넥터를 캔버스로 끌어 놓은 경우에만 해당 옵션을 두 번 클릭하여 세부사항 카드를 열고 특성 > 연결 으로 이동하여 연결을 선택하십시오.)

• Db2(최적화됨)
• Netezza Performance Server(최적화됨)
• ODBC

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

SPSS Modeler: 텍스트 분석 개선사항

2022년 5월 12일

SPSS Modeler 는 텍스트 처리를 위한 특수 노드를 제공합니다. 텍스트 마이닝 노드에서 새로 개선된 텍스트 분석 워크벤치 (이전에는 대화식 워크벤치로 알려져 있음) 를 실행하도록 선택할 수 있습니다. 광범위한 사용자 조사를 수행한 후 워크벤치가 다시 디자인되었습니다. 새 비디오 및 업데이트된 학습서를 포함하여 새 디자인을 반영하도록 문서도 업데이트되었습니다. 텍스트 분석을 참조하십시오.

DataStage 데이터 소스에 연결

2022년 5월 13일

이제 DataStage 이러한 데이터 소스의 데이터를 포함할 수 있습니다.

• 일반 S3
• Teradata(최적화됨)

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

메타데이터 보강을 실행하기 쉽습니다 (Watson Knowledge Catalog).

2022년 5월 13일

이제 작업 페이지에서 작업을 다시 실행하는 대신 메타데이터 보강 결과에서 직접 보강을 실행할 수 있습니다. 또한 선택한 서브세트에 대해서만 자산의 전체 범위에 대해 보강을 실행하도록 선택할 수 있습니다. 수동으로 보강 실행을 참조하십시오.

보다 많은 Watson Knowledge Catalog 기능을 새 계획으로 시도하십시오.

2022년 5월 5일

이제 업데이트된 Lite 계획을 사용하여 거의 모든 Watson Knowledge Catalog 기능을 사용 가능하게 하거나 새 표준 계획에서 사용하는 내용에 대해서만 비용을 지불할 수 있습니다.

다음과 같은 새 Watson Knowledge Catalog 오퍼링 계획에서 선택할 수 있습니다.

• 프로파일링, 도구 및 작업을 실행할 때 용량 단위 시간 (CUH) 비율에 따라 카탈로그 자산 및 계산 사용량에 대한 새 표준 계획 요금입니다. 이 계획에는 월별 인스턴스 요금 또는 권한 부여된 사용자 요금이 포함되지 않습니다.
• 새로운 엔터프라이즈 번들 계획은 매월 100,000개의 카탈로그 자산 및 2500개의 CUH에 대해 매월 인스턴스 요금을 부과합니다. 더 많은 카탈로그 자산 및 계산 사용법에 대해 비용을 지불합니다. 계획에는 권한이 부여된 사용자 요금이 포함되지 않습니다.

라이트 계획이 있는 경우 계획이 자동으로 업데이트됩니다. 이제 대부분의 Watson Knowledge Catalog 기능에 액세스할 수 있습니다. 자산 및 통제 아티팩트에 대한 많은 한계가 증가합니다. 그러나, 월간 계산 사용 한계는 25 CUH로 감소된다.

이전에 표준, 전문가 또는 엔터프라이즈 계획을 프로비저닝한 경우, 다음 연도에 대한 레거시 계획을 보존할 수 있습니다. 새 표준 또는 엔터프라이즈 번들 계획으로 변경하려는 경우 서비스 관리에 대한 단계를 수행할 수 있습니다.

Watson Knowledge Catalog 서비스 계획을 참조하십시오.

자산 활동을 위한 새 홈 (Watson Knowledge Catalog)

2022년 5월 5일

카탈로그 및 프로젝트에서는 이제 사이드 패널에서 자산 활동에 대한 정보를 사용할 수 있습니다. 카탈로그 또는 프로젝트에서 자산을 열고 을 클릭하여 해당 활동에 액세스하십시오. 활동을 참조하십시오.

위치 (실험) 에 기반한 제어 데이터 (Watson Knowledge Catalog)

2022년 5월 4일

이제 위치를 기반으로 데이터 자산에 대한 액세스를 제어하는 실험 기능을 시도할 수 있습니다. 데이터 위치 규칙을 작성하여 데이터 개인정보 보호 및 위치 인식 규제가 하나의 실제 또는 주권 위치에서 다른 위치로 데이터를 이동할 때 적용되는지 확인할 수 있습니다.

이 실험 기능을 시도하려면 예제 자습서에 대한 이 게시물 에 응답하고 API에 대한 추가 정보를 참조하십시오.

데이터 위치 규칙을 참조하십시오.

Watson Studio Lite 계획에 대한 새 계산 사용 한계

2022년 4월 29일

Watson Studio Lite 계획에는 이제 작업 및 도구를 실행하는 10 CUH의 월간 계산 사용량 한계가 있습니다. 이 한계는 모든 기존 및 새 Lite 계획에 적용됩니다. 2022년 5월은 하급 CUH 하한선이 적용된 첫 달입니다.

월 10개 이상의 CUH를 사용하는 경우 다음과 같은 선택사항이 있습니다.

• 전문가 계획으로 업그레이드하십시오. 전문 계획은 사용자가 사용하는 CUH의 경우에만 부과되므로 다른 비용을 발생시키지 않고 업그레이드할 수 있습니다.
• 낮은 CUH 비율의 환경을 사용하도록 자산을 업데이트하여 계산 사용량을 연장할 수 있습니다. 예를 들어, 노트북 환경 변경을 사용할 수 있습니다.

AutoAI 시계열 모델 파이프라인을 노트북으로 저장 (Watson Studio, Watson Machine Learning)

2022년 4월 29일

이제 파이프라인을 생성하는 데 사용되는 코드 및 알고리즘을 검토할 수 있도록 AutoAI 시계열 실험에서 노트북으로 파이프라인을 저장할 수 있습니다. 자세한 내용은 시계열 실험 빌드를 참조하십시오.

메타데이터 강화: 자동 용어 지정을 위한 새 서비스 (Watson Knowledge Catalog)

2022년 4월 29일

언어 이름 일치는 이제 자동 용어 지정을 위한 서비스로도 사용 가능합니다. 이 서비스가 사용 가능하면 용어와 자산 또는 열의 이름 사이의 유사성을 기반으로 용어를 지정할 수 있습니다. 기본적으로 이 서비스는 모든 기존 및 새 프로젝트에 대해 사용 가능합니다. 메타데이터 강화 기본 설정을 참조하십시오.

Watson Query 의 새 가격 책정 계획 (2022년 5월유효)

2022년 4월 29일

엔터프라이즈 가격 결정은 Watson Query 인스턴스당 비용을 제거하고 Watson Query 서비스에 대한 VPC (Virtual Processor Core) 시간을 낮추도록 변경되었습니다. 서비스에서 작업하고 있지 않은 경우에도 서비스가 프로비저닝되고 이용됩니다. 매월 250개의 사용 가능한 가상 프로세서 코어-시간이 중단되었습니다. Watson Query 오퍼링 계획을 참조하십시오.

배치 사용 이름으로 변경하려면 조치(Watson Machine Learning)가 필요합니다.

2022년 4월 21일

필요한 조치 2022년 5월 4일부터 사용자가 온라인 배치에 지정하는 서비스 이름은 지역별로 고유해야 합니다. API 호출 GET /ml/v4/deployments?serving_name={serving_name}&conflict=true API를 사용하여 기존 제공 이름이 고유한지 확인할 수 있습니다. GET 호출이 204의 상태 코드를 리턴하는 경우, 이름은 고유하며 사용 가능합니다. 호출이 409의 상태 코드를 리턴하면 서비스 이름이 이미 존재하거나 충돌할 수 있습니다. 응답을 검토하고 필요한 경우 PATCH API 를 사용하여 서비스 이름을 업데이트하기 위한 조치를 수행하십시오. 2022년 5월 4일부터 서비스 이름이 두 번 이상 존재하는 서비스 이름과 연관된 예측 요청은 사용자가 이름을 업데이트해야 하는 오류와 함께 실패합니다. 이름 제공에 대한 세부사항은 온라인 배치 작성을 참조하십시오. PATCH 명령 사용에 대한 세부사항은 배치 메타데이터 업데이트를 참조하십시오. 업데이트에 대한 지원이 필요한 경우 IBM 지원 센터에 문의하십시오.

Data Refinery 플로우 작업을 실행하지 않고 CSV 파일에서 Data Refinery 데이터를 보십시오.

2022년 4월 22일

이제 Data Refinery 플로우 작업을 저장하거나 실행하지 않고 Data Refinery 플로우의 현재 단계에서 데이터를 CSV 파일로 내보낼 수 있습니다. 이 개선사항은 진행 중인 데이터를 빠르게 저장하고 볼 수 있는 기능을 제공합니다. 도구 모음의 내보내기 아이콘 아래에 있는 텍스트를 클릭하십시오.

자세한 정보는 Data Refinery 플로우 관리를 참조하십시오.

메타데이터 강화 개요

2022년 4월 22일

새 사이드 패널은 농축 및 샘플링 옵션, 연관된 작업 및 해당 스케줄과 같은 메타데이터 보강에 대한 관련 정보의 요약을 제공합니다.

DataStage 대한 업데이트

2022년 4월 15 일

이제 거부 링크가 MQ, Teradata및 ODBC 커넥터에 대해 지원됩니다. 이제 SQL Server 커넥터의 스토어드 프로시저가 지원됩니다. DataStage 가져올 때 컴파일을 사용 불가능하게 할 수 있습니다. UI 에서 종속성과 함께 개별 플로우를 가져오고 다운로드할 수 있다.

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

SPSS Modeler의 스크립트 개선사항

2022년 4월 13 일

새 스크립팅 아이콘은 다시 디자인된 스크립팅 패널을 여는 도구 모음에서 사용할 수 있습니다. 스크립트 개요를 참조하십시오.

Decision Optimization 업데이트(Watson Studio 및 Watson Machine Learning)

2022년 4월 13 일

Decision Optimization에 대한 다음 업데이트를 볼 수 있습니다.

• Decision Optimization 사용자의 기본 Python은 이제 3.9입니다. Python 3.8은 이제 폐기되며 Python 3.7이 곧 제거됩니다. 자세한 내용은 Decision Optimization 노트북을 참조하십시오.
• 이제 Decision Optimization 실험에서 다중 시나리오를 실행하고 삭제할 수 있습니다. 자세한 내용은 Decision Optimization 보기 및 시나리오를 참조하십시오.

새 프로젝트 UI가 레거시 UI를 대체합니다.

2022년 4월 7일

새 프로젝트 UI가 레거시 UI를 대체했고 작업이 영향을 받지 않았습니다. 프로젝트에서 더 쉽고 효율적으로 작업하고 협업할 수 있도록 프로젝트 경험이 업데이트되었습니다. 향상된 자산 조직, 자산 관계, 개선된 탐색 및 내장 안내를 경험하십시오.

새 검색 경험으로 빠르게 필요한 사항 찾기

2022년 4월 7일

이제 글로벌 검색 필드를 사용하여 자산 또는 통제 아티팩트를 검색할 때 결과를 신속하게 평가할 수 있습니다. 새 검색 결과 경험은 검색 용어의 컨텍스트를 표시하고 추가 특성을 기반으로 많은 필터를 제공합니다.

또한 더 나은 결과를 얻을 수 있습니다. 추가 자산 및 아티팩트 특성이 검색됩니다. 영어로 된 문구를 검색할 때, 자연어 분석은 일반적인 구문을 우선 순위화하고 중요하지 않은 단어를 버립니다.

이제 더 긴 검색 문자열 내에 인용된 문구를 포함시킬 수 있습니다.

플랫폼에서 자산 및 아티팩트 검색을 참조하십시오.

IBM Analytics Engine 클래식 계획 및 Amazon EMR 폐기 및 제거

2022년 4월 7일

2022년 4월부터 새 사용자는 노트북을 실행할 Lite, Standard-매시간 또는 Standard-월별 계획 또는 Amazon Elastic Map Reduce(EMR) 인스턴스를 사용하여 IBM Analytics Engine 인스턴스를 작성할 수 없습니다.

기존 사용자는 여전히 IBM Analytics Engine 클래식 인스턴스와 Amazon EMR 인스턴스를 2022년 6월 30일까지 작성할 수 있습니다. 그런 다음, 모든 연관된 노트북을 Watson Studio에서 사용 가능한 지원되는 Spark 런타임 환경에 재지정해야 합니다.

IBM Analytics Engine 클래식 계획 및 Amazon EMR이 2022년 11월 9일에 제거됩니다.

새 거버넌스 아티팩트 경험이 레거시 경험을 바꿉니다(Watson Knowledge Catalog).

2022년 4월 8 일

Watson Knowledge Catalog에서 레거시 거버넌스 아티팩트 경험을 사용하는 경우, 2022년 4월 7일에 새 거버넌스 아티팩트 경험으로 전환되었습니다. 2021년 4월 이전에 Watson Knowledge Catalog를 프로비저닝한 경우에만 레거시 경험이 있었으며 새로운 경험으로 아직 이동하지 않았습니다.

이동 중에 발생한 사항은 다음과 같습니다.

• 기존의 모든 비즈니스 용어, 정책 및 데이터 보호 규칙이 영구적으로 삭제되었습니다. 레거시 경험으로 되돌릴 수는 없습니다.
• 데이터 자산에 대한 모든 비즈니스 용어, 데이터 클래스 및 분류 지정이 유효하지 않게 되었습니다.
• 데이터 보호 규칙으로 구성한 모든 데이터 마스킹이 제거되었습니다.
• 분류 결과가 새 데이터 클래스를 사용하도록 데이터 자산의 프로파일이 업데이트됩니다.

조치 필요 지금 수행해야 할 작업은 다음과 같습니다.

• 비즈니스 용어, 분류 및 데이터 보호 규칙을 다시 작성하십시오.
• 카탈로그의 자산에서 올바르지 않은 비즈니스 용어 및 분류 지정을 제거합니다.
• 카탈로그의 자산에 새 비즈니스 용어 및 분류를 지정하십시오.
• 사용자에게 Watson Knowledge Catalog 역할을 지정하십시오. 사용자에게 Watson Knowledge Catalog 역할 지정을 참조하십시오.

통제 아티팩트의 새 버전으로 이동하는 것과 관련된 질문 또는 관련 사항이 있는 경우 지원 티켓을 열다.를 수행할 수 있습니다.

Watson Knowledge Catalog 계획에 예정된 변경 사항

2022년 4월 7일

2022년 5월 2일부터 다음과 같은 새 Watson Knowledge Catalog 오퍼링 계획 중에서 선택할 수 있습니다.

• 새 Standard 계획은 프로파일링, 도구 및 작업을 실행할 때 용량 단위 시간(CUH) 비율에 따라 카탈로그 자산 및 계산 사용법에 대해 비용을 부과합니다. 인스턴스 또는 권한 부여된 사용자 요금은 포함되지 않습니다.
• 새로운 Enterprise 번들 계획은 매월 100,000개의 카탈로그 자산과 2500개의 CUH에 대해 매월 인스턴스 요금을 부과합니다. 더 많은 카탈로그 자산 및 계산 사용법에 대해 비용을 지불합니다. 권한 부여된 사용자 요금은 포함되지 않습니다.

라이트 계획이 있는 경우 계획이 자동으로 업데이트됩니다. Knowledge Accelerators를 제외한 모든 Watson Knowledge Catalog 기능에 액세스할 수 있습니다. 그러나 자산 및 거버넌스 아티팩트에 대한 많은 한계가 증가되었지만 월간 계산 사용 한계는 25 CUH로 감소합니다.

현재 Standard, Professional 또는 Enterprise 계획이 있는 경우, 다음 연도에 대한 계획을 유지할 수 있습니다. 새 Standard 또는 Enterprise 번들 계획으로 변경하려는 경우, 2022년 5월 2일부터 서비스 관리에 대한 단계를 수행할 수 있습니다.

데이터 재생 "열 유형 변환" 조작의 자동 첫 번째 단계에서 데이터 유형을 보십시오.

2022년 4월 8 일

Data Refinery에서 파일을 열면 데이터에서 문자열이 아닌 데이터 유형을 발견하면 변환 열 유형 조작이 첫 번째 단계로 자동으로 적용됩니다. 데이터 유형은 유추된 데이터 유형으로 자동으로 변환됩니다. 이제 각 열의 데이터 유형이 변환된 데이터 유형을 확인할 수 있습니다. 정보에는 날짜 또는 시간소인 데이터의 형식이 포함됩니다. 오버플로우 메뉴에서 편집을 클릭하여 데이터 유형을 보십시오.

자세한 정보는 GUI 조작을 참조하십시오.

시간소인 및 날짜 데이터의 Data Refinery "열 유형 변환"으로 변경합니다.

2022년 4월 8 일

다음 데이터 유형은 더 이상 자동으로 변환되지 않습니다.

• 연도에 두 자리를 사용하는 날짜 및 시간소인 문자열

기존 Data Refinery 플로우의 자동 변환은 영향을 받지 않습니다.

메타데이터 보강 업데이트(Watson Knowledge Catalog)

2022년 4월 7일

이제 메타데이터 보강 결과에는 보강의 각 자산에 대한 강화 상태가 포함됩니다. 또한 한 번에 여러 자산 또는 열의 검토 상태를 변경할 수 있습니다. 메타데이터 강화 결과를 참조하십시오.

또한 이제 시작 또는 완료와 같은 보강 작업 실행 이벤트에 대한 알림을 수신합니다.

단순화된 Watson Studio 계획

2022년 1월 1 일

이제 Watson Studio에 대한 새 Professional 계획을 사용할 수 있습니다. Lite 계획을 변경하는 것은 이번 달 말에 있을 예정입니다.

Watson Studio는 이제 Standard 및 Enterprise 계획을 대체하는 단일 지불 계획(Professional 계획이라고 함)을 보유합니다. 직무 계획은 공구 및 작업을 실행할 때 용량 단위 시간(CUH) 비율에 따라 계산 용도로만 청구됩니다. 인스턴스 및 권한 부여된 사용자 요금은 포함되지 않습니다. 2022년 4월 1일 현재, Professional 계획은 사용자가 선택할 수 있는 유일한 지불 계획 옵션입니다. Watson Studio Professional 계획에 대한 자세한 정보는 Watson Studio 서비스 계획을 참조하십시오. IBM Cloud 카탈로그: Watson Studio를 참조할 수도 있습니다.

현재 Standard 또는 Enterprise 계획이 있는 경우 이 계획을 무기한으로 유지할 수 있습니다. Professional 계획으로 변경하려면 서비스 관리에 대한 단계를 수행하십시오.

2022년 4월 29일부터 모든 신규 및 기존 Watson Studio Lite 계획은 작업 및 도구를 실행하기 위해 매월 10 CUH 제한을 가질 것입니다. Professional 계획은 사용자가 사용하는 CUH의 경우에만 부과되므로 다른 비용을 발생시키지 않고 지불 계획으로 업그레이드할 수 있습니다. 2022년 5월은 하급 CUH 하한선이 적용된 첫 달입니다. 런타임 사용을 연장하려는 경우, 낮은 CUH 비율이 있는 환경을 사용하도록 자산을 업데이트할 수 있습니다. 예를 들어, 노트북 환경 변경을 사용할 수 있습니다.

iOS용 코어 ML 배치에 대한 지원 종료

2022년 1월 1 일

코어 ML 또는 가상, iOS와 함께 사용하기 위한 배치는 폐기됩니다. 이 배치 유형에 대한 지원은 2022년 5월 4일에 종료됩니다.

(Watson Studio 및 Watson Machine Learning)의 새 PMML 소프트웨어 스펙

2022년 1월 1 일

필수 조치 spark-mllib_2.4 가 있는 PMML 모델은 더 이상 사용되지 않지만 제거되지 않습니다. 폐기된 스펙이 있는 모델 배치는 2022년 5월 4일에 작동을 정지합니다. pmml-3.0_4.3 소프트웨어 스펙을 사용하여 새 PMML 모델을 작성하거나 기존 배치가 없는 경우 pmml-3.0_4.3 소프트웨어 스펙을 사용하여 기존 pmml 모델을 업데이트하십시오. PMML 모델의 노트북 환경 변경에 대한 자세한 내용은 노트북 환경 변경을 참조하십시오. 배치 프레임워크 관리에 대한 세부사항은 오래된 소프트웨어 스펙 관리를 참조하십시오.

Reminder: 레거시 거버넌스 아티팩트 경험에서 전환(Watson Knowledge Catalog)

2022년 Mar 2022

Watson Knowledge Catalog로 레거시 거버넌스 아티팩트 경험을 사용하는 경우, 2022년 4월 4일에 새 거버넌스 아티팩트 경험으로 전환됩니다. 2021년 4월 이전에 Watson Knowledge Catalog를 프로비저닝한 경우에만 레거시 경험이 있으며 새 경험으로 아직 이동하지 않았습니다. 새로운 거버넌스 아티팩트 경험은 2021년 4월의 기본적인 경험이 되었습니다.

통제 아티팩트의 새 버전으로 이동하는 것과 관련된 질문 또는 관련 사항이 있는 경우 지원 티켓을 열다.를 수행할 수 있습니다.

스파크 2.4 가 있는 환경 템플리트를 사용하는 Data Refinery 플로우 작업은 갱신되어야 합니다.

2022년 Mar 2022

필요한 조치 스파크 2.4를 사용하는 Data Refinery 플로우 작업 (예: "Default 스파크 2.4 & R 3.6" 환경 템플리트) 이 있는 경우, 작업이 실패합니다. Change the environment template to "Default Spark 3.0 & R 3.6," "Default Data Refinery XS," or create your own "Spark 3.0 & R 3.6" environment template. 자세한 정보는 프로젝트의 Data Refinery 에 대한 자원 계산 옵션을 참조하십시오.

(Watson Studio 및 Watson Machine Learning)에 대한 프레임워크 및 소프트웨어 스펙 변경사항

2022년 5월 17 일

조치 필요 프레임워크 및 소프트웨어 스펙에 대한 다음 변경사항은 자산을 업데이트하기 위한 사용자 조치가 필요할 수 있습니다.

• CPLEX 12.10 모델 유형은 Watson Studio 및 Watson Machine Learning에서 폐기됩니다. CPLEX 12.10 지원은 2022년 5월 18일에 종료됩니다. 최신 버전인 CPLEX 20.1로 마이그레이션하십시오. 의사결정 최적화 모델 유형에 대한 세부사항은 모델 배치를 참조하십시오.
• Python 3.8은 폐기되며 2022년 5월 18일에 제거됩니다. 연관된 노트북 환경 및 소프트웨어 스펙과 함께 Python 3.9를 기반으로 IBM Runtime 22.1을 사용하도록 자산 및 배치를 업데이트하십시오. IBM Runtime 22.1의 지원되는 노트북 환경에 대한 세부사항은 노트북 환경 변경을 참조하십시오. 배치 프레임워크에 대한 세부사항은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오.

DataStage용 새 커넥터: Microsoft Azure Cosmos DB

2022년 10 월

이제 DataStage 플로우에서 Microsoft Azure Cosmos DB 데이터 소스의 데이터를 포함할 수 있습니다.

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

Federated Learning은 이제 Python 3.9를 지원합니다.

2022년 10 월

다음 프레임워크를 사용하여 Federated Learning 실험에 대해 Python 3.9를 사용하십시오.

• Tensorflow 2.7
• PyTorch 1.10
• Scikit-learn 1.0.2

Python 3.8 및 연관된 모든 프레임워크는 폐기됩니다. Federated Learning 실험을 Python 3.9로 업그레이드하고 완전히 지원되는 프레임워크를 구현하십시오. 자세한 정보는 프레임워크 및 Python 버전 호환성을 참조하십시오.

DataStage에 대한 새 커넥터: Microsoft Azure SQL Database

2022년 4 월

이제 DataStage 플로우에 Microsoft Azure SQL Database 데이터 소스의 데이터를 포함시킬 수 있습니다.

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

새 DataStage 기능

2022년 4 월

이제 UniChar 및 UniSeq 함수를 사용하여 트랜스포머 단계에서 10진수 값을 유니코드로 변환할 수 있습니다. 트랜스포머 단계를 참조하십시오.

서비스로 딥 러닝에 대한 지원 종료(Watson Machine Learning)

2022년 3월 2일

심층 학습 지원 서비스 및 심층 학습 실험 빌더 지원은 더 이상 사용되지 않으며 2022년 4월 2일에 중단됩니다. Cloud Pak for Data as a Service에 대한 교체 계획은 없지만 딥 러닝 실험에 대한 지원은 Watson Machine Learning Accelerator를 사용하여 Cloud Pak for Data에서 계속 지원됩니다. 이 중단은 Watson Studio k80 GPU 노트북에 영향을 주지 않습니다. GPU 노트북을 계속 실행할 수 있지만, Watson Machine Learning REST API에 의존하는 딥 러닝 노트북, 모델 및 배치는 지원되지 않습니다.

DataStage 기능

2022년 2월 25 일

이제 DataStage 플로우에서 사용할 수 있는 단계는 다음과 같습니다.

• Combine Records
• 하위 레코드 작성
• Make Vector
• 하위 레코드 승격
• Split Subrecord
• Split Vector

자세한 정보는 DataStage 단계의 내용을 참조하십시오.

Python 3.9지원 및 Python 3.7 폐기(Watson Studio 및 Watson Machine Learning)

2022년 2월 25 일

조치 필요 이제 Python 3.9의 최신 데이터 과학 프레임워크가 포함된 IBM Runtime 22.1을 사용하여 Watson Studio Jupyter 노트북을 실행하고, 모델을 훈련하고, Watson Machine Learning 배치를 실행할 수 있습니다. Python 3.7은 이제 폐기되며 2022년 4월 14일에 제거됩니다. 대신 IBM Runtime 22.1을 사용하도록 자산 및 배치를 업데이트하십시오. 마찬가지로, Watson Studio 및 Watson Machine Learning의 XL Python 환경은 폐기되며 2022년 4월 14일에 제거됩니다. 이에 따라 지원되는 구성에 연관된 자산을 다시 지정하십시오.

• IBM Runtime 22.1 릴리스 및 Python 3.9의 포함된 환경에 대한 정보는 노트북 환경 변경을 참조하십시오.
• 배치 프레임워크에 대한 세부사항은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오.
• Decision Optimization 실험을 위한 Python 버전 선택에 대한 자세한 내용은 실행 구성 분할창 및 Solve 매개 변수를 참조하십시오.

Federated Learning(Watson Machine Learning) 발표

2022년 2월 24일

Federated Learning을 위한 몇 가지 새로운 기능 향상이 있습니다.

• Federated Learning 모듈은 이제 Watson Machine Learning에 대한 Python 클라이언트의 일부입니다. ibmfl을(를) 포함하는 모든 API 함수가 제거됩니다. Watson Machine Learning 모듈의 최신 버전 및 당사자 커넥터 스크립트로 업데이트하십시오. 자세한 정보는 Federated Learning 실험 작성을 참조하십시오.
• Python 3.7은 이전 버전에서 폐기됩니다. Federated Learning에서 계속 사용하려면 Python 3.8 이상으로 업데이트하십시오.
• Scikit-learn 1.0은 이제 Python 3.9에서 지원됩니다.

Decision Optimization Modeling Assistant에서 사용자 정의 제한조건 작성

2022년 2월 24일

모델링 지원 프로그램은 사용자 정의할 수 있는 문제점 도메인에 대한 많은 제한조건 제안을 제공합니다. 그러나 지정된 도메인에 대해 사전 정의된 제한조건 이상으로 제한조건을 표현할 수 있습니다. 이제 Python DOcplex를 사용하는 고급 사용자 정의 제한조건을 사용하여 이를 수행할 수 있습니다. 이를 작성하는 방법을 설명하는 예제는 고급 사용자 정의 제한조건을 참조하십시오.

Decision Optimization 실험 환경을 쉽게 구성

2022년 2월 25 일

실험에서 모델을 빌드할 때 빌드 모델 보기의 실행 매개변수 분할창에 환경 탭이 포함됩니다. 여기서 빌드 모델 보기에서 실행을 클릭하면 해결에 사용되는 기본 실행 환경을 볼 수 있습니다. 개요의 정보 분할창에서 환경 탭을 사용하여 환경을 작성할 수 있습니다. 자세한 내용은 하드웨어 및 소프트웨어 구성을 참조하십시오.

추가 데이터 소스에서 메타데이터 가져오기(Watson Knowledge Catalog)

2022년 2월 24일

이제 Apache Cassandra 및 Teradata 데이터 소스에 대해서도 메타데이터 가져오기를 실행할 수 있습니다.

S3 호환 데이터 소스의 데이터 액세스

2022년 2월 18일

새 일반 S3 연결을 사용하여 Amazon S3 API와 호환 가능한 스토리지 서비스의 데이터에 액세스할 수 있습니다. 자세한 정보는 일반 S3 연결을 참조하십시오.

Snowflake 커넥션은 보안 강화를 위해 옥타에서 제공하는 연합 인증을 지원합니다.

2022년 2월 18일

회사에서 네이티브 옥타 인증에 싱글 사인온(SSO)을 사용하는 경우 사용자 인터페이스에는 옥타 계정에 대한 옥타 URL 엔드포인트를 입력할 수 있는 새로운 필드가 있습니다.

Snowflake 연결에 대한 정보는 Snowflake 연결을 참조하십시오.

DataStage는 메시지 핸들러 작성을 지원합니다.

2022년 2월 11 일

작업을 실행할 때 오류 메시지 및 경고가 로그에 기록됩니다. 로그 패널에서 메시지 및 경보를 봅니다. 메시지 핸들러를 작성하여 특정 오류를 다르게 처리하도록 선택할 수 있습니다.

메시지 핸들러는 메시지를 표현하는 방법을 정의하는 규칙입니다. 사용자는 이를 사용하여 로그의 메시지를 억제하거나 오류 메시지가 경고 또는 정보용이어야 하는지 여부를 판별합니다.

로그 메시지를 펼치고 메시지 ID옆에 생략 기호를 선택하고 메시지를 경고 또는 정보용으로 만들기 위해 승격 또는 강등하여 이 기능을 시도하십시오. 로그에서 억제하도록 선택할 수도 있습니다. 이 옵션은 오류에 대해 사용할 수 없습니다.

PostgreSQL은 Watson Knowledge Catalog 데이터에 대해 보고하는 데 사용할 지원되는 데이터베이스입니다.

2022년 2월 4일

보고서를 생성하기 위해 외부 데이터베이스에 Watson Knowledge Catalog 데이터를 보내는 경우 이제 Db2 데이터베이스 외에 PostgreSQL 데이터베이스를 선택할 수 있습니다. 자세한 내용은 Watson Knowledge Catalog 데이터에 대한 보고를 참조하십시오.

레거시 거버넌스 아티팩트 경험에서 전환 준비(Watson Knowledge Catalog)

2022년 2월 4일

Watson Knowledge Catalog로 레거시 거버넌스 아티팩트 경험을 사용하는 경우, 2022년 4월 4일에 새 거버넌스 아티팩트 경험으로 전환됩니다. 2021년 4월 이전에 Watson Knowledge Catalog를 프로비저닝한 경우에만 레거시 경험이 있으며 새 경험으로 아직 이동하지 않았습니다. 새로운 거버넌스 아티팩트 경험은 2021년 4월의 기본적인 경험이 되었습니다.

새 거버넌스 아티팩트 경험에는 다음과 같은 새 기능이 포함됩니다.

• 참조 데이터 세트 및 거버넌스 규칙과 같은 더 많은 유형의 거버넌스 아티팩트
• 아티팩트와 자산 간의 보다 많은 관계
• 범주를 사용하여 거버넌스 아티팩트를 보고 관리할 수 있는 사용자 권한의 세분화된 제어

조치 필요 이동하기 전에 비즈니스 용어, 사용자 정의 분류 및 데이터 보호 규칙의 세부사항을 기록해 두십시오.

이동 중에 발생하는 작업은 다음과 같습니다.

• 기존의 모든 비즈니스 용어, 정책 및 데이터 보호 규칙이 영구적으로 삭제됩니다. 레거시 경험으로 되돌릴 수는 없습니다.
• 데이터 자산에 대한 모든 비즈니스 용어, 데이터 클래스 및 분류 지정이 유효하지 않게 됩니다.
• 데이터 보호 규칙으로 구성한 모든 데이터 마스킹이 제거됩니다.
• 분류 결과가 새 데이터 클래스를 사용하도록 데이터 자산의 프로파일이 업데이트됩니다.

이동 후에 수행해야 하는 작업은 다음과 같습니다.

• 비즈니스 용어, 분류 및 데이터 보호 규칙을 다시 작성하십시오.
• 카탈로그의 자산에서 올바르지 않은 비즈니스 용어 및 분류 지정을 제거합니다.
• 카탈로그의 자산에 새 비즈니스 용어 및 분류를 지정하십시오.
• 사용자에게 Watson Knowledge Catalog 역할을 지정하십시오. 사용자에게 Watson Knowledge Catalog 역할 지정을 참조하십시오.

통제 아티팩트의 새 버전으로 이동하는 것과 관련된 질문 또는 관련 사항이 있는 경우 지원 티켓을 열다.를 수행할 수 있습니다.

새 스크립트 문서

2022년 2월 4일

스크립팅이 SPSS Modeler를 사용할 필요는 없지만 사용자 인터페이스에서 프로세스를 자동화하기 위한 강력한 도구가 될 수 있습니다. 스크립트는 마우스나 키보드로 수행하는 것과 같은 유형의 동작을 수행할 수 있으며, 스크립트를 사용하여 반복성이 높거나 수동으로 하려면 시간이 많이 걸리는 작업을 자동화할 수 있습니다.

새 스크립팅 및 자동화 가이드는 이 기능을 자세히 설명합니다.

Data Refinery는 "sas7bdat" 확장자를 갖는 SAS 파일을 지원합니다.

2022년 2월 4일

이제 .sas7bdat 확장을 사용하는 SAS 데이터 자산을 정제할 수 있습니다. SAS 파일은 소스 파일로만 지원됩니다. Data Refinery 플로우의 대상으로 SAS 파일을 사용할 수 없습니다.

Data Refinery에서 지원하는 파일 유형의 전체 목록은 데이터 정제를 참조하십시오.

특정 GUI 조작을 사용할 때 대용량 데이터 세트를 사용하는 Data Refinery 플로우를 업데이트해야 함

2022년 2월 4일

조치 필요 대형 데이터 자산이 있는 Data Refinery 작업을 실행하기 위해 다음 GUI 조작에는 이를 사용하는 Data Refinery 플로우를 업데이트해야 하는 성능 개선사항이 있습니다.

• 천 개의 그룹화 기호(쉼표, 점 또는 사용자 정의)를 지정할 때 정수로 변환 열 유형
• 변환 열 유형 - 쉼표 십진 마커가 있는 10진수로, 또는 그룹화 기호(쉼표, 점 또는 사용자 정의)를 지정할 때
• 텍스트 > 작은 따옴표

이러한 조작을 사용하는 Data Refinery 플로우의 작업 성능을 향상시키려면 데이터를 열고 저장한 후 이에 대한 작업을 실행하여 Data Refinery 플로우를 업데이트하십시오. 새 Data Refinery 플로우에는 자동으로 성능 향상이 있습니다. 지시사항은 Data Refinery 플로우 관리를 참조하십시오.

DataStage용 새 커넥터

2022년 2월 4일

DataStage는 이제 상자 커넥터를 지원합니다. DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

Decision Optimization 모델은 Python 3.8로 이동

2022년 2월 4일

Decision Optimization 모델의 경우, Python 모델의 기본 버전은 이제 Python 3.8입니다. Python 3.7의 Decision Optimization 모델이 있는 경우, 가능한 문제를 피하려면 Python 3.8로 모델을 다시 작성하거나 다시 배치하십시오.

Decision Optimization 노트북 및 Solve 매개변수를 참조하십시오.

카탈로그 이름을 고유하게 유지

2022년 1월 28 일

카탈로그 작성 페이지에서 카탈로그를 작성할 때 이제 고유 이름을 사용해야 합니다. 고유 카탈로그 이름은 모호성 문제점 및 동기화 오류를 방지합니다. 카탈로그에 대한 중복 이름을 사용해야 하는 경우, API를 사용하여 카탈로그를 작성하거나 이름을 변경합니다.

데이터 사이언티스트 역할에 액세스 거버넌스 아티팩트 권한(Watson Knowledge Catalog)이 있습니다.

2022년 1월 28 일

거버넌스 아티팩트 액세스 권한을 사용하여 데이터 과학자는 데이터를 더 잘 이해하기 위해 자산에 지정된 거버넌스 아티팩트의 세부사항을 볼 수 있습니다.

Watson Studio 및 Watson Machine Learning에 대한 Spark 2.4의 폐기

2년 6월 27 일

Spark 2.4는 기계 학습 프레임워크, 노트북 환경, RStudio 런타임으로 폐기됩니다. 대신 Spark 3.0을 사용하도록 자산을 업데이트하십시오. 훈련 자산 지원은 2022년 2월 16일에 중단될 것입니다. 모델 배치 및 스코어링 지원은 2022년 3월 10일부터 중단되며, Spark 2.4 스펙을 사용하는 기존 배치는 제거됩니다. 자산을 지원되는 프레임워크 및 소프트웨어 스펙으로 마이그레이션하는 방법에 대한 자세한 내용은 프레임워크 및 소프트웨어 스펙 관리를 참조하십시오. 노트북 환경에 대한 세부사항은 프로젝트에서 노트북 편집기에 대한 자원 계산 옵션을 참조하십시오.

Decision Optimization(Watson Machine Learning)에 대한 대형 하드웨어 스펙 지원

2년 6월 27 일

이제 Decision Optimization 작업과 함께 큰 크기의 하드웨어 스펙(8 vCPU 및 32GB)을 사용할 수 있습니다. 또한 병렬로 실행할 수 있는 작업 수가 100개로 증가합니다. 자세한 내용은 실행 중인 작업을 참조하십시오.

DataStage에 대한 새 커넥터

2022년 1월 21 일

DataStage에는 다음과 같은 새 커넥터가 포함됩니다

• Amazon RDS for Oracle
• Compose for MySQL

DataStage 커넥터의 전체 목록은 DataStage 커넥터를 참조하십시오.

메타데이터 강화: 자동 용어 지정 및 추가(Watson Knowledge Catalog)

2022년 1월 20 일

자동 조건 지정은 이제 메타데이터 보강의 일부가 될 수 있으며 더 많은 샘플링 옵션에서 선택할 수 있습니다. 자산 레벨에서의 다양한 추가적인 통찰과 열 레벨에서의 풍부한 결과 또한 새로운 것입니다. 또한 액세스 권한이 있는 카탈로그에 직접 자산 및 결과를 게시할 수 있습니다. 자세한 내용은 데이터 보강을 참조하십시오.

Watson 자연어 처리 노트북

2022년 1월 20 일

노트북의 Watson 자연어 처리 라이브러리(베타 릴리스)는 비정형 데이터를 구조화된 데이터로 변환하여 비정형 데이터와 구조화된 데이터를 혼합하여 작업할 수 있는 구문 분석 및 즉시 사용 가능한 선행 학습된 모델을 위한 기본 자연어 처리 기능을 제공합니다. 데이터의 예로 콜 센터 레코드, 고객 불만, 소셜 미디어 포스트 또는 문제 보고서가 있습니다. 자세한 내용은 Watson 자연어 처리 라이브러리(베타)를 참조하십시오.

엔드 투 엔드 솔루션에 대한 추가 산업 액셀러레이터(Watson Studio)

2022년 1월 14 일

공통 비즈니스 문제를 해결하기 위해 사용할 수 있는 사전 정의된 자산으로 새 산업 액셀러레이터 하나를 사용할 수 있습니다.

공정성을 위한 AutoAI 실험 테스트를 위한 전체 지원(Watson Machine Learning)

2022년 1월 12 일

공정성에 대한 실험을 평가하여 결과가 다른 그룹보다 한 그룹에 편향되지 않도록 하십시오. 이제 단일 데이터 소스를 사용한 실험뿐만 아니라 결합된 데이터로 실험을 평가할 수 있습니다. 공정성에 대한 시계열 실험을 평가할 수 없습니다. 공정성 테스트에 대한 자세한 내용은 AutoAI 실험에 공정성 테스트 적용하기를 참조하십시오.

IBM Cloud Satellite를 사용하여 데이터 소스에 안전하게 연결

2022년 1월 07 일

IBM Cloud Satellite를 사용하면 온프레미스 데이터 센터 또는 다른 클라우드 제공자에 있는 자체 계산 인프라를 사용하여 Satellite 위치를 작성합니다. 그런 다음 Satellite의 기능을 사용하여 인프라에서 IBM Cloud 서비스를 실행하고 애플리케이션 워크로드를 지속적으로 배치, 관리 및 제어할 수 있습니다.

Cloud Pak for Data as a Service의 경우, 데이터 소스의 Satellite 위치를 설정한 후 연결 작성 페이지의 개인용 연결 섹션에서 Satellite 링크를 선택하십시오.

Secure Gateway를 지원하는 모든 데이터 소스는 Satellite 링크를 지원합니다. 지시사항은 연결 보안을 참조하십시오.