Hoy en día, incluso con las técnicas más avanzadas, los científicos de datos pueden tardar días o semanas en desarrollar, probar y reorganizar un sólo modelo analítico.
IBM ha extraído la tecnología base del aprendizaje de máquinas, de IBM Watson, y la puesto a disposición, de momento de los usuarios de mainframe z System, el núcleo operativo donde se procesan diariamente miles de millones de transacciones de organizaciones globales como bancos, aseguradoras, tiendas, empresas de transporte y administraciones.
IBM Machine Learning permite a los científicos de datos automatizar la creación, el entrenamiento y el desarrollo de modelos analíticos funcionales basados en:
– Cualquier lenguaje (por ejemplo: Scala, Java, Python).
– Cualquier marco de aprendizaje de máquinas como Apache SparkML, TensorFlow y H20.
– Cualquier tipo de dato transaccional.
– Sin costes, tiempos de espera o riesgos de mover datos externamente.
IBM Machine Learning implementa por primera vez Automatización Cognitiva, de IBM Research, para ayudar a los científicos de datos a elegir el algoritmo adecuado para la información, mediante un sistema de puntuación de los datos en relación a los algoritmos disponibles. El servicio tiene también en cuenta diversas circunstancias, como qué tipo de trabajo hará el algoritmo y con qué rapidez debe producir resultados.
El mainframe de IBM z Systems es capaz de procesar hasta 2.500 millones de transacciones – más o menos el equivalente a 100 Cyber Mondays – en un solo día. IBM Machine Learning para z/OS ayuda a extraer un valor mayor de los datos en los z Systems sin tener que sacarlos del sistema para su análisis. Eso ayuda a minimizar la latencia, el coste del proceso y los riesgos de seguridad asociados con los procesos tradicionales de ETL. Analiza continuamente los datos y los modelos para proporcionar predicciones más acertadas y optimizar los modelos de comportamiento, acelerando la obtención de nuevo conocimiento.
Se espera que próximamente, IBM Machine Learning esté disponible en IBM Power Systems.
