Milano Armonk, Italy - 16 feb 2017: E’ stato annunciato oggi l’IBM Machine Learning, la prima piattaforma cognitiva per la creazione, la formazione e la distribuzione a ciclo continuo di un elevato volume di modelli analitici su cloud privato, direttamente alla fonte di ampi blocchi di dati corporate. Pur utilizzando le tecniche più avanzate, i data scientist (1) potrebbero impiegare giorni o settimane per sviluppare, testare e riprogrammare anche un solo modello analitico, fase per fase. 

 

 

IBM ha estratto la tecnologia core di machine learning da IBM Watson e la renderà  disponibile sul mainframe che ospita la maggior parte dei dati enterprise in tutto il mondo. Lo z System, infatti, è il cuore operativo in cui vengono elaborate ogni giorno miliardi di transazioni da parte di banche, rivenditori, assicuratori, aziende di trasporti e governi.

IBM Machine Learning consente ai data scientist di automatizzare la creazione, la formazione e la distribuzione dei modelli analitici operativi, che supporteranno:
tutti i linguaggi (ad es. Scala, Java, Python); tutti i principali framework di machine learning (ad es. Apache SparkML, TensorFlow, H2O); tutti i tipi di dati transazionali senza il costo, la latenza e il rischio di spostare i dati dalla loro sede.

Inoltre, per la prima volta, IBM Machine Learning utilizzerà Cognitive Automation for Data Scientists sviluppato dalla Ricerca IBM per assistere i data scientist  nella scelta dell'algoritmo giusto, valutando i dati in base agli algoritmi disponibili e suggerendo la scelta migliore a seconda delle esigenze. Il servizio prende inoltre in considerazione diverse circostanze, ad esempio lo scopo dell'algoritmo e la velocità con cui deve produrre i risultati.

Argus Health, un'azienda del gruppo DST, sta valutando questa tecnologia come strumento di supporto per aiutare i fornitori di servizi healthcare i soggetti pagatori a migliorare la gestione delle crescenti complessità e ottimizzare i risultati. L'azienda sta testando diversi scenari applicando IBM Machine Learning for z/OS ed approfondendo le fasi di creazione e sviluppo di applicazioni in grado di contribuire a migliorare la gestione dei costi farmaceutici. Grazie all'uso di questa tecnologia, Argus intende continuare a creare soluzioni esclusive basate sui dati ottenuti da analisi avanzate sui protagonisti del loro scenario,  inclusi i punti di assistenza sia nell'ambulatorio medico che in farmacia.

“La missione di Argus è aiutare i clienti iscritti ai nostri piani sanitari ad ottimizzare i risultati clinici e finanziari ottenendo le cure migliori ai prezzi più vantaggiosi e nei luoghi più idonei, concentrandoci al tempo stesso sulla nostra missione di conquistare un ruolo prominente nel settore della fornitura di soluzioni di cura e assistenza sanitaria", spiega Marc Palmer, presidente di Argus Health. "Siamo entusiasti delle possibilità e del potenziale che abbiamo rilevato nelle modalità con cui IBM Machine Learning lavora in sintonia con la nostra piattaforma di gestione dei reclami RxNova, con le soluzioni cliniche e le analisi applicate, per creare modelli in costante miglioramento grazie all'uso di nuovi dati, e consentire la produzione di risultati in tempo reale per i nostri iscritti, i loro caregiver e i medici". 

"Il Machine Learning e il deep learning rappresentano le nuove frontiere dell'analisi. Queste tecnologie getteranno le basi per l'automazione delle analisi a livello dei sistemi e dei servizi cloud più critici del mondo", afferma Rob Thomas, General Manager, IBM Analytics. "IBM Machine Learning è stato progettato sulla base delle nostre tecnologie core Watson per accelerare l'adozione del machine learning là dove risiede la maggioranza dei dati corporate. Quando i clienti inizieranno a notare i ricavi sul cloud privato estenderanno le implementazioni anche su cloud ibrido e pubblico”.

IBM Machine Learning creerà un'opportunità unica. Alcuni esempi.

 

 

·        Per il settore Retail, un sistema di previsione delle vendite deve prendere in considerazione i trend di mercato attuali, non solo quelli del mese scorso. E per consentire una personalizzazione in tempo reale, deve essere in grado di considerare gli eventi fino a poche ore prima.

·        Nell'ambito del Finance, un sistema di suggerimento dei prodotti per un advisor finanziario o un broker deve basarsi su interessi, trend e movimenti di mercato attuali.

·        In ambito Healthcare, le offerte di assistenza medica personalizzate devono essere su misura per ogni individuo e le proprie esigenze. I dispositivi medici e di fitness connessi tramite Internet of Things  possono essere utilizzati per raccogliere dati sui comportamenti e le interazioni delle persone e delle macchine.

Il mainframe IBM z Systems è in grado di elaborare fino a 2,5 miliardi di transazioni - l'equivalente di circa 100 Cyber Monday - in un solo giorno. IBM Machine Learning for z/OS aiuta a ricavare più valore dai dati di z Systems senza dover trasferire i dati dal sistema per l'analisi, aiutando a ridurre la latenza, i costosi processi di elaborazione e i rischi di sicurezza associati con i processi ETL tradizionali. La soluzione analizza continuamente dati e modelli per fornire previsioni più precise e ottimizzare i modelli comportamentali, velocizzando il tempo richiesto per le analisi.

IBM Machine Learning sarà disponibile dapprima per z/OS e in futuro per altre piattaforme, inclusi i sistemi IBM Power. Scegliendo IBM Machine Learning sui sistemi IBM Power i  clienti potranno utilizzare il machine learning con maggiore efficienza, maggiori prestazioni e un'ottimizzazione dei costi insieme alla governance completa dei dati.

Per ulteriori informazioni su IBM Machine Learning visitate: https://ibm.biz/machinelearning

Per ulteriori informazioni sul portfolio IBM z Systems, visitate http://www.ibm.com/systems/z/ o il blog di IBM Systems.

###

1 McKinsey Global Institute, “Big Data: The next frontier for innovation, competition and productivity,” http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation