Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
IBM впервые в отрасли запускает машинное обучение в частном облаке

20, март 2017  — 

IBM автоматизирует процесс разработки и обучения аналитических моделей на площадке, где размещены наиболее ценные корпоративные данные, начиная с мейнфреймов z Systems (1)

Компания IBM ( NYSE : IBM ) представила IBM Machine Learning , первую когнитивную платформу для непрерывного создания, обучения и развертывания большого объема аналитических моделей в частном облаке, которое лежит в основе обширных корпоративных хранилищ данных. Даже используя самые современные методы, специалисты по обработке данных, которых сейчас не хватает на рынке, могут потратить дни или недели на пошаговую разработку, тестирование и модификацию всего одной аналитической модели.

IBM взяла за основу технологию машинного обучения платформы IBM Watson и прежде всего сделает ее доступной там, где размещена большая часть корпоративных данных заказчиков: на мейнфреймах z Systems , операционных ядрах глобальных организаций. С их помощью банки, предприятия розничной торговли, страховые, транспортные и государственные компании ежедневно проводят миллиарды транзакций.

IBM Machine Learning позволяет специалистам по обработке данных автоматизировать создание, обучение и развертывание операционных аналитических моделей, поддерживающих:

•  любой язык (например, Scala , Java , Python );

•  любой популярный фреймворк для машинного обучения (например, Apache SparkML , TensorFlow , H 2 O );

•  любой тип данных по транзакциям;

•  перемещение данных в облако без дополнительных расходов, задержек или рисков.

Cognitive Automation for Data Scientists , разработанная IBM Research , помогает специалистам по обработке информации выбирать подходящий алгоритм для анализа путем сравнения доступных алгоритмов с имеющимися данными и их ранжирования. Таким образом, система находит наилучшее соответствие для текущих потребностей. Сервис также учитывает различные обстоятельства, например, необходимый функционал алгоритма и скорость получения результатов.

Заказчики уже начали понимать ценность IBM Machine Learning for z / OS . В частности, Argus Health (группа DST ) использует эту технологию, чтобы помочь плательщикам и поставщикам справляться с растущим количеством сложных задач и оптимизировать результаты их решения. Argus тестирует различные сценарии применения IBM Machine Learning for z / OS для разработки, обучения и развертывания приложений, которые позволят лучше управлять расходами аптек. С помощью этой технологии Argus надеется продолжить работу над построением уникальных решений, которые будут обеспечивать инсайтами на базе углубленной аналитики участников различных сценариев. В том числе будут учитываться такие места оказания медицинской помощи, как кабинет врача и аптека.

«Миссия Argus состоит в том, чтобы наши клиенты в рамках программы медицинского страхования добивались наилучших результатов лечения с медицинской и финансовой точки зрения. Для этого мы стремимся предоставить самый высокий уровень обслуживания по оптимальной цене и в наиболее удобном для пациентов месте. Компания также стремится стать ведущим в отрасли поставщиком фармакологических и медицинских решений, – сказал Марк Палмер, президент Argus Health . – Нас впечатлили те возможности и потенциал, которые мы увидели в рамках совместной работы IBM Machine Learning с нашей платформой по обработке претензий RxNova, медицинскими решениями и прикладной аналитикой. Такое объединение сервисов позволило создавать модели, которые постоянно совершенствуются благодаря поступающим данным, и получать результаты в режиме реального времени, что отвечает интересам пациентов, специалистов по уходу за больными и врачей».

«Машинное и глубокое обучение представляют собой новые сферы аналитики. Эти технологии станут основой автоматизации процесса получения инсайтов в масштабе критически важных систем и облачных сервисов по всему миру, – сказал Роб Томас, руководитель IBM Analytics . – IBM Machine Learning была разработана для эффективного использования ключевых технологий Watson и ускорения внедрения машинного обучения на площадках, где сконцентрирована подавляющая часть корпоративных данных. Поскольку заказчики замечают бизнес-отдачу от инвестиций в частное облако, они будут расширять применение гибридных и публичных облаков».

IBM Machine Learning станет уникальной возможностью, которая поможет бизнесу из различных отраслей справляться с задачами динамического характера.

•  В сфере розничной торговли система предсказания объемов продаж должна принимать во внимание современные тренды на рынке, а не только тенденции прошлого месяца. Для персонализации в режиме реального времени программа должна учитывать все, что случилось за прошедший час.

•  В сфере финансовых сервисов система, которая предлагает различные продукты для финансовых консультантов или брокеров, должна эффективно учитывать текущие интересы, тренды и движения рынка, а не события прошлых месяцев.

•  В области здравоохранения решения персонализированной медицины должны подстраиваться под каждого заказчика и конкретный случай. Медицинские и персональные фитнес-устройства, подключаемые через интернет вещей, могут быть использованы для сбора данных о поведении человека и компьютера, а также их взаимодействии.

Мейнфрейм IBM z Systems способен обрабатывать до 2,5 млрд транзакций в день – это эквивалент примерно 100 «киберпонедельников». IBM Machine Learning for z / OS помогает извлечь наибольшую ценность из данных z Systems , не перемещая при этом информацию из системы для анализа. Это также позволяет минимизировать задержки, затраты на проведение транзакций и риски безопасности, связанные с традиционными ETL -процессами. Система постоянно анализирует данные, модели для предоставления улучшенных прогнозов, инструменты оптимизации поведенческих моделей и ускорения времени получения инсайтов.

IBM Machine Learning сначала будет доступна на z / OS , а затем появится на других платформах, включая IBM POWER Systems . Развертывая IBM Machine Learning на POWER Systems , заказчики смогут более эффективно использовать машинное обучение, обеспечивая высокую производительность и рентабельность вместе с полным управлением данными.

Узнайте больше о IBM Machine Learning на сайте https :// ibm . biz / machinelearning .

Более подробную информацию о портфеле решений IBM z Systems можно найти на сайте http://www-03.ibm.com/systems/ru/z/ или в блоге IBM Systems blog .

1 McKinsey Global Institute, “Big Data: The next frontier for innovation, competition and productivity,” http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation

(1) Оригинальная версия пресс-релиза на английском была выпущена 15 февраля 2017 года под заголовком «IBM Brings Machine Learning to the Private Cloud».

Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости IBM

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.