IBM Watson Studio: cos’è e come utilizzarlo per machine e deep learning

pittogramma Zerouno

Focus on

IBM Watson Studio: cos’è e come utilizzarlo per machine e deep learning

I vantaggi della semplicità e della flessibilità del deploy in cloud e on premise: ecco le prerogative di IBM Watson Studio per la creazione delle applicazioni di AI in ambiti d’impresa

13 Mar 2020

di Redazione Data Science & Machine Learning

Mentre data science e intelligenza artificiale (AI) diventano componenti chiave per la conoscenza approfondita dei clienti e lo sviluppo dei nuovi business, cresce nelle aziende la necessità di disporre delle soluzioni per sfruttare al meglio i dati esistenti, recuperare velocemente competenze, metodi e risorse elaborative necessari per costruire le nuove applicazioni intelligenti.

Grazie al supporto del cloud in ambienti pubblici, privati e ibridi offerto da moderni strumenti come IBM Watson Studio, diviene molto più facile svolgere i compiti di navigazione, preparazione dei dati, creazione e addestramento dei modelli di machine learning. Diviene più semplice disporre delle potenze necessarie alla scala del progetto, portare gli algoritmi di AI vicino ai dati, riducendo le latenze, incrementando la produttività di data scientist, analisti e sviluppatori oltre che dei fruitori finali nelle line of business (LOB).

Un altro importante contributo che è possibile attendersi da IBM Watson Studio è l’aiuto nella creazione di processi strutturati per la gestione dell’intero ciclo di vita dei supporti aziendali usati per ottenere insight, fare previsioni e ottimizzazioni nell’impiego dei dati. Utilizzato in affiancamento a IBM Watson ML, IBM Watson Studio permette di costruire da zero tutto ciò di cui un’impresa può avere bisogno per implementare l’intelligenza artificiale e metterla al servizio del proprio business.

Il supporto del ciclo di vita dell’AI in IBM Watson Studio

Tra i compiti fondamentali che sono richiesti a una piattaforma AI utile alle esigenze d’impresa, ci sono le capacità di sostenere ad ampio raggio le vari fasi che vanno dalla creazione di supporti sperimentali al deploy in produzione, rispondendo alle esigenze di velocizzare l’esplorazione delle differenti fonti dati, di facilitare lo sviluppo dei modelli (e del loro training), di gestire con il livello di scala più adeguato l’esecuzione delle attività.

IBM Watson Studio si pone questi obiettivi attraverso un approccio strutturato basato su best practice (IBM lo chiama AI Ladder), che si articola su quattro livelli:

  1. semplificato;
  2. accesso alle raccolte dati;
  3. organizzazione dei dati (per un ottimale utilizzo in ambito analitico), generazione di analisi AI scalabili e riutilizzabili in altri contesti;
  4. integrazione trasparente dell’AI nei processi business aziendali.

I livelli citati sono supportati da servizi applicativi precostituiti e da supporti esperienziali correlati.

Parte integrante di questo approccio, IBM Watson Studio e Watson ML sono stati progettati per portare alla luce l’intelligenza che resta normalmente nascosta nei processi aziendali, recuperarla e quindi riusarla a vantaggio delle aziende che vogliono trasformare le loro modalità operative in modo moderno e digitale. Con queste prerogative, l’azienda può valorizzare i propri asset dati facendone la base per aggiungere capacità di previsione nei processi e nelle moderne applicazioni, migliorare il valore stesso dati attraverso migliori capacità di visualizzazione e di supporto alle decisioni.

IBM Watson Studio nelle applicazioni del mondo reale

IBM Watson Studio ha la capacità d’integrarsi in ambienti complessi di multicloud ibrido e applicazioni mission critical, laddove siano importanti aspetti come le prestazioni, la sicurezza e le capacità di governo sui dati. L’architettura scalabile ne permette l’impiego su cloud privato, pubblico, sistemi on premise e persino su desktop.

IBM Watson Studio vanta molteplici casi d’impiego in differenti realtà aziendali ed è stato classificato tra le soluzioni leader nel Forrester Wave dedicato ai “Multimodal Predictive Analytics and Machine Learning”. Nei casi d’uso che sono stati analizzati dagli analisti di Forrester, ci sono applicazioni nel campo bancario (per velocizzare l’analisi dei rischi e l’approvazione dei prestiti), delle utility (per l’ottimizzazione dei sistemi) e in aziende elettroniche (per migliorare la progettazione dei nuovi veicoli a guida autonoma). Altri campi d’applicazione riguardano la marketing analytics e la valutazione delle prestazioni sportive.

Oltre alle capacità di IBM Watson Studio nella gestione del ciclo di vita delle applicazioni AI d’impresa, gli analisti di Forrester hanno apprezzato la facilità della piattaforma, utilizzabile anche da team che non abbiano sviluppato specifiche competenze di data science e la flessibilità che permette l’impiego della piattaforma vicino a dove risiedono i dati e di poter fare il deploy nelle modalità preferite.

Data Science & AI - Le differenze e le opportunità: Scarica il whitepaper

D

Redazione Data Science & Machine Learning

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale
P
predictive analytics

Articolo 1 di 4