IBM 獲選為領導者
Gartner 發表 2021 年 Magic Quadrant 資料科學與機器學習平台評鑑報告。
將 AI 模型帶進正式作業中
在任何雲端上擴充 AI
IBM Watson® Studio 可加強資料科學家、開發人員及分析師的能力，以協助他們在 IBM Cloud Pak® for Data 上的任意處建置、執行與管理 AI 模型，並且將決策最佳化。在開放的多雲架構上統合團隊、自動化執行 AI 生命週期，並加快發揮價值的速度。利用專為程式碼型和視覺化資料科學而提供的 IBM 及其生態系統工具，來整合 PyTorch、TensorFlow 與 Scikit-learn 等開放原始碼架構。 使用 Jupyter Notebook、JupyterLab 和 CLI，或使用 Python、R 和 Scala 等語言。
使用 IBM Watson Studio 來建置 AI 模型 (01:13)
使用方式
實作可解釋的 AI
最佳化決策
以視覺化方式開發模型
以視覺化方式開發模型
有了 IBM® SPSS® 啟發的容易使用工作流程，您可以在統一的資料與 AI 平台上，結合視覺化資料科學、開放原始碼程式庫與 Notebook 型電腦型介面。
建置 ModelOps
建置 ModelOps
ModelOps 是一種在應用程式中有效運作模型的原則方法。 ModelOps 協助您將應用程式與模型管線之間的節奏同步化。 您可以將從邊緣到混合雲的 AI 與應用程式投資最佳化。
利用 AutoAI 來加速 AI 開發
利用 AutoAI 來加速 AI 開發
有了 AutoAI，初學者可以快速入門，而專家級資料科學家可以在 AI 開發中加速實驗。 AutoAI 可自動化執行資料準備、模型開發、功能工程，以及超參數最佳化。
彈性選項
在資料所在位置建置模型
優勢
最佳化 AI 與雲端經濟
在任何地方建置與部署 AI。
預測成果並規範執行
同步化應用程式和 AI
統合工具並提高 ModelOps 的生產力
提供公平、可解釋的 AI
管理風險與法規遵循
透過自動化驗證來簡化 AI 模型風險管理。
功能
IBM Watson Studio - 詳細資料
AutoAI 可加速實驗
自動建置模型管線。 準備資料並選取模型類型。 產生及評比模型管線。
進階資料精煉
使用圖形化流程編輯器來清理與形成資料。 將互動式範本套用至程式碼作業、函數和邏輯運算子。
開放原始碼 Notebook 支援
建立 Notebook 檔案，使用範例 Notebook 或自攜 Notebook。 編碼並執行 Notebook。
整合式視覺化工具
在 Watson Studio 中使用 IBM SPSS Modeler，以視覺化方式快速準備資料與開發模型。
模型訓練與開發
優化流程管線與識別適當的資料組合，藉此快速建置實驗與加強訓練。
廣泛的開放原始碼架構
將您所選的模型投入正式作業中。 使用正式作業回饋來追蹤及重新訓練模型。
內嵌式決策最佳化
結合預測和規範模型。 使用預測來最佳化決策。 使用 Python、OPL 或自然語言來建立及編輯模型。
模型管理與監視
監視品質、公平性和漂移等度量。 選取並配置部署以獲取模型洞察。 自訂模型監控器和度量。
模型風險管理
比較與評估模型。 使用新資料評估及選取模型。 並排檢查關鍵模型度量。
產品影像
AI 生命週期自動化
AI 生命週期自動化
使用 AutoAI 來建立模型，藉此探索關係。
雲端和內部部署資料來源
雲端和內部部署資料來源
跨雲端存取與選取幾近任何資料來源。
拖放 AI 模型
拖放 AI 模型
具有直覺式 GUI 型流程的視覺化建置模型。
解釋 AI 模型的交易
解釋 AI 模型的交易
判定哪些新特性值會導致不同結果。
最新消息
開始使用
利用 AI 和機器學習模型，對結果進行預測和最佳化。
註腳
¹,² New Technology: The Projected Total Economic Impact™ of Explainable AI and Model Monitoring in IBM Cloud Pak for Data，Forrester，2020 年 8 月。