IBM Watson® Studio 使数据科学家、开发人员和分析人员能够在 IBM Cloud Pak® for Data 上随时随地构建、运行和管理 AI 模型并优化决策。团结团队，在开放式多云架构上实现 AI 生命周期自动化并缩短实现价值的时间。
将 PyTorch、Tensorflow 和 scikit-learn 等开源框架与 IBM 及其基于代码和可视化数据科学的生态系统工具结合在一起，可与 Jupyter Notebook、JupyterLab 和 CLI 配合使用，或使用 Python、R 和 Scala 等语言。
Cloud Pak for Data 4.7 现已上市
了解贵组织为何需要可解释的 AI 及其重要性
使用方法
让多云 AI 为企业服务。利用各种灵活的使用模型。随时随地构建和部署 AI。
利用预测优化时间表、计划和资源分配。使用自然语言界面简化优化建模流程。
联合并交叉培训开发人员和数据科学家。通过 REST API 在任何云端环境中推送模型。节省管理不同工具的时间和成本。
在各种云端环境中有效运行企业 AI。大规模治理和保护数据科学项目。
防范风险和监管处罚。通过自动验证简化 AI 模型风险管理。
自动构建模型管道。准备数据并选择模型类型。生成模型管道并进行排名。
使用图形化流程编辑器清理和调整数据。将交互式模板应用于编码操作、函数和逻辑运算符。
创建笔记本文件、使用示例笔记本或自带笔记本。编写代码并运行笔记本。
利用 Watson Studio 中的 IBM SPSS Modeler 快速准备数据，以可视化的方式开发模型。
通过优化管道和识别正确的数据组合，快速构建实验并加强训练。
将所选模型投入生产。使用生产反馈跟踪和重新训练模型。
整合预测性和指导性模型。利用预测来优化决策。使用 Python、OPL 或自然语言创建和编辑模型。
监控质量、公平性和漂移指标。为模型洞察分析选择和配置部署。自定义模型监视器和指标。
比较和评估模型。利用新数据评估和选择模型。并列检查关键模型指标。