IBMグローバル・バイスプレジデント兼ゼネラルマネージャー大中国のクラウドコンピューティングビジネスユニットは、張Yongjianは、ビッグデータと天然資源会社が適切にちょうど経済データの波の形成の時代のように、データの利用と管理にますます集中ビジネスを駆動するために利用する必要があるとなってきていると述べた。IBMが継続しましたIBM DSXエンタープライズ・データ・サイエンス・コラボレーティブ・アナリシス・プラットフォームは、データ・サイエンス開発の進展に貢献し、さまざまなデジタル・チャネルのデータ統合分析および保持管理を提供します。この方法は、ユーザーが個人のスキルの背景モデル構築方法に応じて選択できるように、彼女はドイツのレッドドットデザイン賞を受賞した経験のユーザーによって確認さ勝った。台湾にこの技術のIBMさらにパイオニア、実際の輸入にレノボ建築、計画とレイアウトデータプラットフォームに参加アプリケーション管理により、膨大な量のデータを情報の洞察に素早く変換し、革新的な商業価値を引き出し、将来の市場ニーズに対応することができます。
LenovoはAIデジタル移行ニーズを学習の深さは、多くの年のグループ台湾のデータセンター市場のレイアウトは、企業内で機械学習のための参照と述べた。リアン・ジャン趙、台湾、香港漢地区レノボデータセンター事業グループのゼネラルマネージャーは、政策協調、IBM DSXと言いました企業全体のレノボのサーバー環境で実行されているコラボレーティブな科学的データ分析プラットフォーム、簡単にAIの計算モデルを作成し、ノウハウを把握するために、台湾企業を支援するITシステムのための柔軟かつセキュアなデータプラットフォームを通じて、金製品の組み合わせを作成するためのハードウェアとソフトウェアの統合;だけでなく、によってレノボによる資源の分布の強力な提携、整形する台湾AIのエコシステムを加速し、様々な業界のAI革新的なアプリケーションに対応するため、相談する最も包括的なアクセスを提供します。
IBMは、多くの台湾企業は、機械学習と深い学習や他の多くの不慣れのAIモデルを構築するために、したがって、IBM DSXプラットフォーム戦略とレノボThinkSystemサーバーの統合は、企業がモデルを作成するために解決を助けることができることを指摘し、モデル予測精度、アルゴリズムの保全科学的データに挑戦。ユーザーが自由にモデル構築ツールや分析を選択することができるように、IBM DSXプラットフォームは、色のオープンソースのR、スカラ座、パイソン、人気のスパークMLlib、TensorFlow、カフェの開発フレームワークを構築しました。例えば、統計を専門家は、フローモデルの視覚を通じて作成され、マスターがより柔軟な、より詳細なカスタマイズされた分析を達成するためにコードツールを開くことができ準備する各種プログラム貫通することができます。
IBMはさらにIBM DSXプラットフォームは、モデル、数式や分野横断的な後ろのアルゴリズム、遺産資産のアドホック分析にJupyterノートブックを通じてAIの計算モデルを実行するプロセスは、しばしば不正確な予測が得られ、長い時間のためのデータとして増加することを言ったが、データは、システムに完全な保持を提供し、モデルの結果を採用することができ、健康モデル管理の精度は、ユーザーがモデル予測の安定性の後れを取らないためにできるように、管理と監視モデルを続けました。
また、業界では、多くの場合、適切なハードウェア機器のニーズを取得することができないので、IBMとレノボ、サーバーレノボThinkSystem上で実行されている建設プラットフォームIT環境を通じて、ソフトウェアとハードウェアの利点を統合AIモデルのビルドプロセス、データ科学者やソフトウェアエンジニアと考えています、条件は、モデル検証及びエラー検査リンクを介して次のステップエンタープライズ展開装置を簡略化するために必要な時間をハードウェアCPU、GPU、メモリ及びその中に配置されたような、事前を向上させることができる。また、Lenovoの異なるビジネスニーズに応じて、なお、横方向の拡張と、サーバの数を拡張する柔軟かつ弾性レイアウトの変換を達成するために、台湾企業を支援するために、AI台湾の普及をスピードアップする他の方法を用いて、カスタマイズされたハードウェア・サービス・プログラムを提供します。
そして、技術革新と変革の実現を加速するために、台湾の企業を支援するために、Lenovoはまた強く、直列に台湾で流通チャネル戦線連合の大半は、IBM DSXデータ・ソリューションを実行するための基盤を推進することにより、現地の販売店、でユニテックおよび他のパートナーの数をリンクプレミアムThinkSystemサーバのバージョンと三の大産業の製造業、金融、教育を対象に早期の優先順位、彼らは技術革新のデータ値を実装するために迅速にAI計算モデルのアーキテクチャを始めるのに役立つ、成功への鍵は、力データ科学や認知科学や技術を開始しました。