watson build watson api 概述 - ibm.pdfVIP

Watson Build Watson API 概述 第 1 张幻灯片： 大家好，我是Adam De Leeuw ，来自Watson Build 技术团队。今天，我为大家准备了一份演示 文稿，介绍有关IBM Watson API 以及IBM 云平台的最新资讯。但愿您在参加Watson Build 2018 时会用到这些信息。 第2 张幻灯片： 我们在这里所看到的内容实际上准确概述了IBM 云平台和云平台之上的整套数据工具，以及它们 与Watson API 有何关联，反过来，又可以如何利用这些层来创建新的认知或AI 应用。看最下方 ，我们有一个云平台，相关数据中心遍布世界各地。从基础架构即服务的视角出发，您可以在该 云平台上执行各种期望的操作，即您可以部署虚拟机、裸机服务器、存储、网络服务、设备等等 。 您也可以采用更偏向于云原生的方法，这样云平台就可以选择多种运行时，比如由Kubernetes 编排的Docker 容器、Cloud Foundry 即时运行时、面向大型企业的VMware 集群，乃至使用 IBM 云功能的无服务器计算。 沿着最下方，可以很明显地看到公共云，它的数据中心遍布全球。我们有一个属于 IBM 的网络， 能将所有这些数据中心连接起来。该云平台同时也拥有非常出色的混合功能，因此，对于希望在 防火墙后的事物与IBM Cloud 之间建立混合连接的企业，很多功能都可以派上用场。从建立简单 的VPN 连接，到建立从本地网络接入IBM 的专用租用线路连接，一切均可顺利完成。除此之外 ，还有许多功能可以将防火墙后可能存在的系统公开为新的云友好API ，这样云中运行的应用就 可以使用它们。 我们还提供了私有云产品，这款产品基于Docker 容器和Kubernetes，它还能够并且有权在容器 化版本中运行IBM 部分更传统的软件产品，比如Db2、WAS、MQ，所以，对于希望IT 现有投 资能适应现代需要并为此构建激动人心的新应用的企业而言，这款产品广受欢迎。 云平台还提供了许多开发人员服务，所以说，一位云原生开发人员可能只需要这个平台就能构建 全新的应用。我们将会讨论到数据库即服务、身份认证、IoT Platform、区块链等方面的内容。 现在，在云平台之上，我们有整套主要用于处理数据的工具，可帮助企业将人工智能融入新应用 ，这套工具就叫做Watson Studio 。显然，没有数据，AI 就无从谈起，但要成功实现AI ，不仅需 要数据，还需要合适的团队、正确的算法，可能还需要大量计算资源，以便进行机器学习和深度 学习，Watson Studio 由此应运而生。 不同角色的人员都可以访问这套工具，比如，数据科学家、主题专家、应用开发人员。人们可以 用它来采集数据，因为它能够连接到各种不同的数据源：IBM Cloud、其他云平台、第三方应用 等等。它还可以帮助数据科学家缩短处理数据、转换数据和为构建AI 模型准备数据所需的时间。 它还具有知识目录，数据科学家通过这个功能可以找到企业内部的数据源，以及经IBM 许可并通 过该平台提供的其他数据源。 所有数据一旦就绪，即可通过该平台访问所有最新的开放源码和开放标准工具，进而处理这些数 据，为人工智能做好准备。必要时，我们将以在Jupiter Notebook 中协同工作为例加以阐述。在 构建AI 模型的过程中，如果需要使用机器学习和深度学习，那么该平台就会为此提供所有最新的 功能和框架。我们还将讨论TensorFlow 、Apache Spark 、IBM 的SPSS 等内容。此外，还有一 些采用非编码方法的选项，比如SPS Modeler 和R Studio。 与使用深度学习和机器学习来构建AI 模型一样，这里也会连接Watson API 。在开发这个模型时 ，它可能有利于调用IBM 的Watson API ，以便获取有关所处理数据的其他信息。例如，如果您 要开发一种只能查看数据的模型，比方说，只能查看车祸报告，且部分数据包含图像，如车祸中 受损汽车的图像，那么数据科学家可能希望调用Watson API 来进行视觉识别，对该图像中的内 容进行分类，然后将分类结果用作另一部分元数据，帮助构建正确的AI 模型。 一旦模型创建完成，就可以直接从Watson Studio 部署该模型，这样在运行时期间就可以访问该 模型。基本上，这就意味着您可以使用REST API 部署模型并使其易于访问，这样开发人员就能 构建调用该模型的应用。 最后，在生产环境中使用AI 模型理解数据时，还能够对其进行监控。随着收集到的数据和结果越 来越多，这种模型的性能是否仍一如既往，和它在创建和训练之时