IBM en H2O.ai bieden machine learning op IBM Power Systems

IBM en H2O.ai bundelen hun krachten om machine learning toepassingen aan te bieden op IBM Power Systems. Deze samenwerking vormt een verdere aanvulling en uitbreiding van het doel van IBM Power Systems om het AI-platform als eerste voorkeur te zijn. heeft. Door met H2O.ai samen zegt IBM mogelijkheden te bieden door een vereenvoudigde onramp-naar-machine-learning ervaring aan te bieden op Power systemen.

Machinaal learning automatiseren

Gegevenswetenschappers vertrouwen volgens IBM tegenwoordig op een groot aantal open-source software om AI-modellen of -hersenen te bouwen die inzichten uit gegevens halen. IBM heeft echter gezien dat gegevenswetenschappers op de proef worden gesteld door de meerdere open-sourceonderdelen die nodig zijn om een ??AI-workflow te maken, te begrijpen en in te zetten.

IBM en H2O.ai hebben een gedeelde visie om het bereik en de acceptatie van AI te verbeteren door het naar meer ontwikkelaars van software-applicaties te brengen, of ze nu data science-vaardigheden hebben of niet. H2O's machine learning (ML) software, Driverless AI, automatiseert een aantal belangrijke stappen in de machine learning pipeline (zoals automatisch doen van functie-engineering en modelvalidatie en tuning). Evenzo is de PowerAI van IBM een bedrijfsdistributie van enkele van de meest populaire open-source deep-learning frameworks zoals Tensorflow, Keras, PyTorch en meer. PowerAI verbetert open-source software zoals TensorFlow om het voor de onderneming gemakkelijker te gebruiken te maken met sterk verbeterde modeltrainingen.

H2O Driverless AI en IBM PowerAI bieden bedrijven samen een data science-platform of een 'AI-workbench' dat een brede reeks gebruikscases behandelt voor machinaal leren en diep leren in elke branche.

H2O driverless AI met IBM POWER9 en GPU's

De IBM POWER9-processor is vanaf de basis opgebouwd voor gegevensintensieve workloads zoals deep learning en machine learning. Met technologie-exclusieve IO-technologie omvat IBM POWER9 de volgende NVIDIA NVLink-interconnect voor CPU-naar-GPU, die de gegevensoverdracht verbetert tussen de POWER9 CPU's en NVIDIA Tesla V100 GPU's tot 5,6x in vergelijking met de PCIe Gen3-bussen die binnen x86 worden gebruikt systemen, en is in staat om de trainingstijden van deep learning-kaders met bijna 4x te verbeteren , waardoor bedrijven sneller accurate AI-applicaties kunnen bouwen, aldus IBM.

GPU-versnelling op Power Systems kan ook de prestaties van machine learning-applicaties verbeteren. Door Driverless AI op GPU-uitgeruste Power Linux-systemen te gebruiken, kunnen gebruikers de prestaties van time-series werkbelastingen met 5x verbeteren in vergelijking met CPU-only / x86-systemen, volgens de interne metingen van H2O.ai. Tijdreeks machine learning kijkt naar gegevens die in de loop van de tijd zijn verzameld. Dit kan worden gebruikt om bedrijven te helpen bij het voorspellen van toekomstige verkoopopbrengsten op basis van seizoenstrends en de huidige verkooppijplijn of om uitval van apparatuur te voorspellen voordat ze zich voordoen op basis van trapsgewijze waarschuwingsindicatoren zo meldt IBM.

CEO van H2O.ai en oprichter Sri Ambati heeft blog geschreven over de samenwerking en is hier lezen.

Door: Witold Kepinski