Günümüzdeki BT yetenekleri1 arasında en az bulunan grup olan veri bilimciler, en gelişmiş teknikleri kullandıklarında bile tek bir analitik modeli geliştirmek, test etmek ve yeniden donanımlı hale getirmek için adım adım çalışarak günler, hatta haftalar harcayabiliyor.
IBM, temel makine öğrenimi teknolojisini IBM Watson sınırlarının dışına çıkarıyor ve başlangıç olarak dünyada kurumsal verilerin pek çoğunun yer aldığı ve her gün milyarlarca işlemin yapıldığı; bankalar, perakendeciler, sigortacılar, ulaşım firmaları ve devletler gibi küresel yapıların operasyon merkezi olan z Systems Mainframe teknolojisinde kullanılabilir hale getiriyor.
IBM Makine Öğrenimi, veri bilimcilerin operasyonel analitik modellerini oluşturma, eğitim ve devreye alma sürecini otomatikleştirmesini sağlayacak ve bu modeller aşağıdaki konuları destekleyecek:
- Herhangi bir dil (örn. Scala, Java, Python),
- Apache SparkML, TensorFlow, H2O gibi yaygın kullanılan herhangi bir Makine Öğrenimi çerçevesi
- Herhangi bir işlemsel veri türü…
- Verileri şirket dışına taşıma riski, maliyeti ve gecikme süresi olmadan…
IBM Research’ün sunduğu Veri Bilimciler için Kognitif Otomasyon, verileri mevcut algoritmalara göre puanlayarak ve gereksinimleri için en uygun karşılığı sağlayarak veri bilimcilere veriler için doğru algoritmanın seçilmesinde yardımcı oluyor. Bu hizmet aynı zamanda algoritmanın niçin gerekli olduğu ve ne hızla sonuç üretmesi gerektiği gibi çeşitli durumları da dikkate alıyor.
Müşteriler ise IBM Machine Learning for z/OS çözümünün sağladığı değeri görmeye başlıyorlar. Bir DST şirketi olan Argus Health, ödeme yapanların ve tedarikçilerin artan karmaşıklığı daha iyi yönetmesine ve sonuçları optimize etmesine yardımcı olmak için bu teknolojiyi değerlendiriyor.
IBM Machine Learning for z/OS çözümünü uygulayarak senaryoları test eden Argus, diğer yandan eczane maliyetlerini daha iyi yönetmelerine yardımcı olabilecek uygulamaların oluşturulması, eğitilmesi ve devreye alınması sürecini keşfediyor. Argus bu teknolojiyi kullanarak doktor muayenehanesindeki ve eczanedeki tedavi noktası da dahil olmak üzere çeşitli senaryolardaki üyelerle gelişmiş analitik öngörülerinden yararlanan benzersiz çözümler yaratmaya devam etmeyi hedefliyor.
Argus Health Başkanı Marc Palmer bu duyuruyla ilgili şunları söylüyor: “Argus’un misyonu, müşterilerimizin en uygun yerde en iyi fiyatla sağlanan en iyi tedaviden yararlanarak en iyi klinik ve finansal sonuçlara ulaşması… Vizyonumuz ise eczacılık ve sağlık çözümleri sağlama noktasında önde gelen markalardan biri haline gelmek… Yeni verileri kullanarak ve üyelerin, bakım hizmeti çalışanlarının ve hekimlerin yararına olacak şekilde gerçek zamanlı sonuçlar sağlayarak sürekli olarak iyileştirilen modellerin oluşturulmasında RxNova talep işleme platformu, klinik çözümleri ve uygulamalı analitik çözümümüzle uyum içinde faaliyet gösteren IBM Makine Öğrenimi teknolojisinde çok büyük bir potansiyel görüyoruz.”
IBM Analitik Genel Müdürü Rob Thomas ise görüşlerini şu sözlerle ifade ediyor: “Makine öğrenimi ve kapsamlı öğrenim, analitiğin ulaşabileceği yeni sınırları temsil ediyor. Bu teknolojiler, dünyanın kritik sistemleri ve bulut hizmetleri boyutunda öngörülerin otomasyonunun temelini oluşturacak. IBM Makine Öğrenimi teknolojisi, kurumsal verilerin çoğunluğunun bulunduğu makine öğrenimi teknolojisinin kullanımını hızlandırmak için temel Watson teknolojilerimizden yararlanılarak tasarlandı. Müşteriler özel bulut ortamındaki getirileri gördükçe hibrit ve genel bulut uygulamalarını da yürürlüğe koyacaklar.”
IBM Makine Öğrenimi teknolojisi ilk olarak z/OS sisteminde, daha sonra IBM POWER Systems da dahil olmak üzere diğer platformlarda kullanılabilecek. Müşteriler bu teknolojiyi POWER Systems’da devreye alarak eksiksiz veri yönetiminin yanında daha yüksek verimlilik, performans ve uygun maliyetlerle makine öğrenimi teknolojisinin avantajlarından yararlanabilecek.
1 McKinsey Global Institute, “Big Data: The next frontier for innovation, competition and productivity,” (Büyük Veri: İnovasyon, rekabet ve üretkenliğin yeni sınırı” Big Data Next Frontier for Innovation
Kaynak : 