IBM hat die Veröffentlichung von angekündigt Granit 4.0 3B Imaginative and prescientein Imaginative and prescient-Language-Modell (VLM), das speziell für die Extraktion von Dokumentendaten auf Unternehmensebene entwickelt wurde. ^{Abweichend vom monolithischen Ansatz größerer multimodaler Modelle ist die Model 4.0 Imaginative and prescient als spezialisierter Adapter konzipiert, der hochauflösende visuelle Argumentation in die Welt bringen soll Granit 4.0 Mikro Sprachrückgrat.}

Diese Model stellt einen Übergang zu modularer, auf Extraktion fokussierter KI dar, die der Genauigkeit strukturierter Daten – wie der Konvertierung komplexer Diagramme in Code oder Tabellen in HTML – Vorrang vor allgemeiner Bildbeschriftung einräumt.

Architektur: Modulare LoRA- und DeepStack-Integration

Das Modell Granite 4.0 3B Imaginative and prescient wird als geliefert LoRA (Low-Rank-Anpassung) Adapter mit ca. 0,5B Parametern. Dieser Adapter ist so konzipiert, dass er oben auf den geladen werden kann Granit 4.0 Mikro Basismodell, ein dichtes Sprachmodell mit 3,5B Parametern. Dieses Design ermöglicht eine „Twin-Mode“-Bereitstellung: Das Basismodell kann reine Textanfragen unabhängig verarbeiten, während der Imaginative and prescient-Adapter nur aktiviert wird, wenn eine multimodale Verarbeitung erforderlich ist.

Imaginative and prescient Encoder und Patch Tiling

Die visuelle Komponente nutzt die google/siglip2-so400m-patch16-384 Encoder. Um eine hohe Auflösung über verschiedene Dokumentlayouts hinweg aufrechtzuerhalten, verwendet das Modell einen Kachelmechanismus. Eingabebilder werden in zerlegt 384×384 Patchesdie zusammen mit einer verkleinerten globalen Ansicht des gesamten Bildes verarbeitet werden. Dieser Ansatz stellt sicher, dass feine Particulars – wie etwa Indizes in Formeln oder kleine Datenpunkte in Diagrammen – erhalten bleiben, bevor sie das Sprachgerüst erreichen.

Das DeepStack-Spine

Um die Visions- und Sprachmodalitäten zu überbrücken, nutzt IBM eine Variante des DeepStack-Architektur. Dabei werden visuelle Token tief in das Sprachmodell integriert 8 spezifische Einspritzpunkte. Durch die Weiterleitung visueller Merkmale in mehrere Ebenen des Transformators erreicht das Modell eine engere Ausrichtung zwischen dem „Was“ (semantischer Inhalt) und dem „Wo“ (räumliches Structure), was für die Aufrechterhaltung der Struktur während der Dokumentenanalyse von entscheidender Bedeutung ist.

Schulungsplan: Schwerpunkt auf Diagramm- und Tabellenextraktion

Die Schulung von Granite 4.0 3B Imaginative and prescient spiegelt eine strategische Verlagerung hin zu spezialisierten Extraktionsaufgaben wider. Anstatt sich ausschließlich auf allgemeine Bild-Textual content-Datensätze zu verlassen, nutzte IBM eine kuratierte Mischung von Daten zur Befehlsfolge, die sich auf komplexe Dokumentstrukturen konzentrierten.

• ChartNet-Datensatz: Das Modell wurde mit verfeinert ChartNetein multimodaler Datensatz im Millionenmaßstab, der für ein solides Diagrammverständnis entwickelt wurde.
• Codegesteuerte Pipeline: Ein wichtiger technischer Höhepunkt der Schulung ist ein „codegesteuerter“ Ansatz für die Diagrammbegründung. Diese Pipeline verwendet ausgerichtete Daten, die aus dem ursprünglichen Plotcode, dem resultierenden gerenderten Bild und der zugrunde liegenden Datentabelle bestehen, sodass das Modell die strukturelle Beziehung zwischen visuellen Darstellungen und ihren Quelldaten lernen kann.
• Extraktionsoptimierung: Das Modell wurde anhand einer Mischung verschiedener Datensätze verfeinert Extraktion von Schlüssel-Wert-Paaren (KVP).Tabellenstrukturerkennung und Konvertierung visueller Diagramme in maschinenlesbare Formate wie CSV, JSON und OTSL.

Leistungs- und Bewertungsbenchmarks

In technischen Bewertungen wurde Granite 4.0 3B Imaginative and prescient mit mehreren branchenüblichen Suiten zum Dokumentenverständnis verglichen. Es ist wichtig zu beachten, dass Datensätze wie PubTables-v2 Und OmniDocBench werden als Evaluierungsbenchmarks verwendet, um die Zero-Shot-Leistung des Modells in realen Szenarien zu überprüfen.

Aufgabe	Bewertungsbenchmark	Metrisch
KVP-Extraktion	VAREX	85,5 % exakte Übereinstimmung (Zero-Shot)
Diagrammbegründung	ChartNet (vom Menschen verifizierter Testsatz)	Hohe Genauigkeit in Chart2Summary
Tabellenextraktion	TableVQA-Bench & OmniDocBench	Ausgewertet über TEDS und HTML-Extraktion

Das Modell belegt derzeit den 3. Platz unter den Modellen in der Parameterklasse 2–4B auf der VAREX-Bestenliste (Stand März 2026) und demonstriert trotz seiner kompakten Größe seine Effizienz bei der strukturierten Extraktion.

Wichtige Erkenntnisse

• Modulare LoRA-Architektur: Das Modell ist ein 0,5-B-Parameter-LoRA-Adapter das funktioniert auf der Granit 4.0 Mikro (3,5B) Rückgrat. Dieses Design ermöglicht eine einzige Bereitstellung, um Nur-Textual content-Workloads effizient zu bewältigen und gleichzeitig Imaginative and prescient-Funktionen nur bei Bedarf zu aktivieren.
• Hochauflösende Kacheln: Nutzung der google/siglip2-so400m-patch16-384 Encoder verarbeitet das Modell Bilder, indem es sie kachelt 384×384 Patches Neben einer globalen verkleinerten Ansicht wird sichergestellt, dass feine Particulars in komplexen Dokumenten erhalten bleiben.
• DeepStack-Injektion: Um das Layoutbewusstsein zu verbessern, verwendet das Modell a DeepStack Ansatz mit 8 Einspritzpunkte. Dadurch werden semantische Merkmale an frühere Ebenen und räumliche Particulars an spätere Ebenen weitergeleitet, was für eine genaue Tabellen- und Diagrammextraktion von entscheidender Bedeutung ist.
• Spezialisierte Extraktionsschulung: Über das Befolgen allgemeiner Anweisungen hinaus wurde das Modell mithilfe von verfeinert ChartNet und eine „codegesteuerte“ Pipeline, die Plotcode, Bilder und Datentabellen ausrichtet, um dem Modell zu helfen, die Logik visueller Datenstrukturen zu verinnerlichen.
• Entwicklerbereite Integration: Die Veröffentlichung ist Apache 2.0 lizenziert und bietet native Unterstützung für vLLM (über eine benutzerdefinierte Modellimplementierung) und DoclingIBMs Device zum Konvertieren unstrukturierter PDFs in maschinenlesbares JSON oder HTML.

---

Schauen Sie sich das an Technische Particulars Und Modellgewicht. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 120.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

ARMONK, NY, 7. Oktober 2025 – IBM (NYSE: IBM) und Anthropic gaben heute eine Partnerschaft zur Entwicklung unternehmenstauglicher KI bekannt, indem sie die Claude-Familie großer Sprachmodelle von Anthropic in das Softwareportfolio von IBM integrieren.

Die Unternehmen sagten, dass die Absicht der Partnerschaft darin besteht, messbare Produktivitätssteigerungen zu erzielen und gleichzeitig Sicherheit, Governance und Kostenkontrolle direkt in den Lebenszyklus der Softwareentwicklung zu integrieren.

Durch die Partnerschaft wird Claude in ausgewählte IBM Softwareprodukte integriert, beginnend mit der neuen AI-first integrierten Entwicklungsumgebung (IDE), die mit erweiterten Aufgabengenerierungsfunktionen für Unternehmenssoftwareentwicklungslebenszyklen (SDLC), einschließlich Softwaremodernisierung, entwickelt wurde.

Die IDE ist als personal Vorschau für ausgewählte IBM-Kunden verfügbar und in frühen Exams nutzen mehr als 6.000 Erstanwender bei IBM die neue IDE und berichten von Produktivitätssteigerungen von durchschnittlich 45 Prozent, was sich in bedeutenden Kosteneinsparungen bei gleichzeitiger Beibehaltung der Codequalität und Sicherheitsstandards niederschlägt.

Wenn Unternehmen von KI-Experimenten zur Produktionsbereitstellung übergehen, benötigen sie Lösungen, die sich nahtlos in die bestehende Unternehmensinfrastruktur integrieren und strenge IT-Anforderungen erfüllen. IBM bringt bewährte Fähigkeiten in der Bereitstellung von Unternehmenssoftware, Hybrid-Cloud-Architektur und regulierter Branchenexpertise ein, um sicherzustellen, dass KI-Instruments in den komplexen Realitäten globaler Geschäftsabläufe funktionieren.

„IBM ist seit Jahrzehnten das Rückgrat der Unternehmenstechnologie, weil wir wissen, was es braucht, um in geschäftskritischen Umgebungen in großem Maßstab eingesetzt zu werden“, sagte Dinesh Nirmal, SVP, Software program bei IBM. „Diese Partnerschaft erweitert unser Softwareportfolio um fortschrittliche KI-Funktionen und behält gleichzeitig die Governance, Sicherheit und Zuverlässigkeit bei, die unsere Kunden erwarten. Wir geben Entwicklungsteams KI an die Hand, die zur Arbeitsweise von Unternehmen passt, und keine experimentellen Instruments, die neue Risiken schaffen.“

„Unternehmen suchen nach KI, denen sie ihren Code, ihre Daten und ihre täglichen Abläufe tatsächlich anvertrauen können“, sagte Mike Krieger, Chief Product Officer bei Anthropisch. „Aufgrund unseres Fokus auf Sicherheit und Zuverlässigkeit ist Claude zur bevorzugten KI für Entwickler in den größten Unternehmen der Welt geworden. Durch die Partnerschaft mit IBM können wir das gleiche Maß an Engagement noch mehr Unternehmensteams zur Verfügung stellen und gleichzeitig die offenen Requirements entwickeln, die KI-Agenten in Geschäftsumgebungen wirklich nützlich machen.“

Unter Verwendung branchenführender LLMs wie Claude wurde die neue IBM IDE entwickelt, um Entwicklern eine höhere Produktivität zu ermöglichen. Es funktioniert in mehreren Sprachen und Modi, aber Beispiele für potenziell führende Anwendungsfälle, die Entwicklern bei der Ausführung von Aufgaben in allen Aspekten des Softwareentwicklungslebenszyklus helfen sollen, sind:

• Anwendungsmodernisierung im großen Maßstab: Automatisierte System-Upgrades und Framework-Migrationen sowie mehrstufiges Refactoring mit Kontextbewusstsein über große Codebasen hinweg.

• Intelligente Codegenerierung und -überprüfung: KI-Unterstützung, die Unternehmensarchitekturmuster, Sicherheitsanforderungen und Compliance-Verpflichtungen versteht.
• Durchgängige Orchestrierung: Orchestriert Modernisierungs-, Check- und Behebungsaufgaben nahtlos von der ersten Entwicklung bis hin zu Exams, Bereitstellung und Wartung und behält dabei den Kontext über Sitzungen hinweg bei.

• Entwicklung, bei der Sicherheit an erster Stelle steht: Sicherheit direkt in Arbeitsabläufe einbetten, Schwachstellenscans nach hyperlinks verschieben, FedRAMP-Härtung beschleunigen und quantensichere kryptografische Migration erleichtern.

Im Rahmen der Partnerschaft hat IBM sie ins Leben gerufen und Anthropic hat sie verifiziert Architektur sicherer KI-Agenten für Unternehmen mit MCP. Ein einzigartiger Leitfaden mit Schwerpunkt auf dem Agent Growth Lifecycle (ADLC), einem strukturierten Ansatz zum Entwerfen, Bereitstellen und Verwalten von KI-Agenten für Unternehmen. Da Unternehmen standardmäßig auf agentenbasierte KI setzen, um autonome Entscheidungsfindung und intelligente Automatisierung voranzutreiben, werden herkömmliche IT-Prozesse wahrscheinlich nicht mehr ausreichen. Diese neue ADLC-Methodik bietet Unternehmen einen speziell entwickelten, unternehmenstauglichen Ansatz für die Entwicklungs-, Betriebs- und Sicherheitsanforderungen für Unternehmens-KI-Agenten.

Über die Verbesserung des Software program-Portfolios von IBM hinaus bringt IBM seine Führungsrolle im Bereich Unternehmenstechnologie ein, um offene Requirements für die KI-Bereitstellung voranzutreiben. IBM wird der Mannequin Context Protocol (MCP)-Group Property der Enterprise-Klasse zur Verfügung stellen, darunter Greatest-Apply-Leitfäden, Referenzarchitekturen und Open-Supply-Instruments, die auf der Grundlage der Erfahrung von IBM bei der Bereitstellung von KI in Tausenden von Consumer-Umgebungen entwickelt wurden.

IBM prüft Pläne, Claude im Rahmen eines Produktintegrationsansatzes in weitere IBM-Produkte zu integrieren. Gemeinsam gestalten IBM und Anthropic die Zukunft der Unternehmens-KI, die Entwicklern mehr Möglichkeiten gibt, die Transformation vorantreibt und einen langfristigen Mehrwert für Kunden und die Gesellschaft bietet.

NEW YORK, 7. Okt. 2025 – Cockroach Labs, das Unternehmen hinter der verteilten SQL-Datenbank CockroachDB, gab heute eine OEM-Partnerschaft mit IBM bekannt, um CockroachDB PostgreSQL für IBM auf den Markt zu bringen.

Diese Zusammenarbeit bietet Unternehmen einen zuverlässigen Weg zur Modernisierung geschäftskritischer Anwendungen mit einer Cloud-nativen PostgreSQL-Datenbank, die für Aktiv-Aktiv-Geschäftskontinuität in Hybridumgebungen – einschließlich IBM LinuxONE, Linux on Z, Energy Programs und Purple Hat OpenShift – sowie in großen öffentlichen Clouds und anderen verteilten Plattformen entwickelt wurde.

Seit Jahrzehnten unterstützt IBM Unternehmen dabei, geschäftskritische Workloads zuverlässig und skalierbar auszuführen. Db2 für z/OS bleibt der Goldstandard für Transaktionsintegrität auf IBM Z und unterstützt Branchen, in denen Ausfallzeiten keine Choice sind. Aber die Anforderungen der Unternehmen entwickeln sich weiter. Unternehmen erstellen containerisierte Anwendungen auf Kubernetes, nutzen Hybrid-Clouds für mehr Flexibilität und bereiten sich auf eine KI-gesteuerte Zukunft vor, in der belastbare Daten in Echtzeit nicht optionally available, sondern unerlässlich sind.

„Der Weg zur Modernisierung kann nicht warten. Unternehmen stehen heute unter einem beispiellosen Druck, stets verfügbare Erlebnisse bereitzustellen, strenge Compliance-Requirements einzuhalten und Echtzeitdaten für die KI freizugeben“, sagte Spencer Kimball, CEO und Mitbegründer von Cockroach Labs. „Durch unsere Partnerschaft mit IBM kombinieren wir die cloudnative, verteilte Architektur von CockroachDB mit der Belastbarkeit und Sicherheit der Unternehmensplattformen von IBM – und sorgen so für Belastbarkeit, Skalierbarkeit und KI-Bereitschaft in den Umgebungen, in denen sie bereits ihre wichtigsten Systeme betreiben.“

CockroachDB wurde speziell entwickelt, um die Herausforderungen bei der Ausführung relationaler Workloads in Cloud-nativen Umgebungen zu lösen. Durch die Kombination von PostgreSQL-Kompatibilität mit einer verteilten Architektur bietet CockroachDB:

• Ständige Verfügbarkeit über Zonen, Regionen oder Clouds hinweg
• Sicherheit auf Unternehmensniveau mit Verschlüsselung und Compliance, verbessert durch den quantensicheren Schutz von IBM LinuxONE
• Elastische Skalierung ohne Neuarchitektur
• Geopartitionierung für Datenlokalität und globale Einhaltung gesetzlicher Vorschriften

Für IBM bedeutet die Integration von CockroachDB, Unternehmen eine zuverlässige Möglichkeit zur Modernisierung ohne Kompromisse zu bieten und ihre s390x-fähigen Kernsysteme auf IBM Z und LinuxONE mit der Flexibilität von IBM Energy Programs, Purple Hat OpenShift und IBM Cloud zu verbinden.

„Unsere Partnerschaft mit Cockroach Labs bringt verteilte SQL-Innovationen direkt in die Hybrid-Cloud- und Unternehmensplattformen von IBM“, sagte Martin Oberhofer, Vice President und Distinguished Engineer bei IBM. „Durch die Kombination der Cloud-nativen Ausfallsicherheit von CockroachDB mit den bewährten Technologien von IBM wie LinuxONE und Linux on Z bieten wir unseren Kunden einen Modernisierungspfad, der mit PostgreSQL vertraut ist und dennoch für die Zukunft ausgelegt ist. Gemeinsam ermöglichen wir Unternehmen, geschäftskritische Workloads mit Sicherheit, Effizienz und der im KI-Zeitalter geforderten Skalierbarkeit auszuführen.“

Diese OEM-Vereinbarung erweitert die Datenführerschaft von IBM auf allen Plattformen:

• LinuxONE und IBM Z: Kombination von CockroachDBs verteiltem SQL mit der umfassenden Verschlüsselung von LinuxONE, KI-gestützten Telum-Prozessoren und Energieeffizienz.
• Purple Hat OpenShift: Nahtloser Kubernetes-nativer Betrieb, der die Portabilität über Hybrid- und Multi-Cloud-Umgebungen hinweg ermöglicht.
• IBM Cloud & Energy Programs: Eine konsistente Grundlage für Unternehmen, die geschäftskritische Anwendungen modernisieren und gleichzeitig Governance und Kontrolle beibehalten.

Zusammengenommen bieten diese Funktionen Unternehmen einen Modernisierungspfad, der vertraut wirkt – mit PostgreSQL auf der Entwicklerebene – und dennoch zukunftssicher ist, mit der Belastbarkeit und Skalierbarkeit, die für Workloads der KI-Ära erforderlich sind.

Der IBM + CockroachDB OEM bietet Unternehmen einen modernen Weg nach vorn und ermöglicht ihnen den Wechsel zu Cloud-nativen und Kubernetes-Umgebungen, ohne Kernanwendungen neu schreiben zu müssen. CockroachDB ist auf ständige Ausfallsicherheit ausgelegt und bietet standardmäßig verteilte Skalierung und null RPO, jetzt vollständig unterstützt auf den vertrauenswürdigsten Plattformen von IBM.

Es ist auch für KI konzipiert. Mit Echtzeit-CDC-Streaming in watsonx.knowledge und Unterstützung für pgvector unterstützt CockroachDB sowohl Transaktions- als auch Vektor-Workloads – was es splendid für KI-Anwendungsfälle wie Retrieval-Augmented Technology (RAG) macht.

Durch die Konsolidierung fragmentierter Workloads auf CockroachDB auf IBM LinuxONE können Unternehmen Abläufe vereinfachen, Risiken reduzieren und mit Zuversicht modernisieren – und das alles ohne Kompromisse bei Leistung, Compliance oder Kontrolle.

IBM -Forscher haben zusammen mit ETH Zürich eine neue Klasse von enthüllt Analog Basis -Modelle (AFMs) Entwickelt, um die Lücke zwischen großen Sprachmodellen (LLMs) und) und zu überbrücken Analog In-Reminiscence Computing (AIMC) {Hardware}. AIMC hat seit langem einen radikalen Effizienzsprung versprochen-modellige Modelle mit einer Milliarde Parametern in einem Fußabdruck, der für eingebettete oder Kantengeräte klein genug ist-droht den dichten nichtflüchtigen Speicher (NVM), der Speicher und Berechnung kombiniert. Die Achilles-Ferse der Technologie warfare jedoch Rauschen: Die Durchführung von Matrixvektor-Multiplikationen direkt in NVM-Geräten ergibt nicht deterministische Fehler, die off-the-Shelf-Modelle verkrüppelten.

Warum ist analoges Laptop für LLMs von Bedeutung?

Im Gegensatz zu GPUs oder TPUs, die Daten zwischen Speicher- und Berechnungseinheiten übertragen, führt AIMC Matrix-Vektor-Multiplikationen direkt in Speicherarrays durch. Dieses Design beseitigt den von Neumann -Engpass und liefert large Verbesserungen des Durchsatz- und Stromversorgungseffizienz. Frühere Studien zeigten, dass das Kombinieren von AIMC mit 3D NVM Und Expertenmischung (MOE) Architekturen könnten grundsätzlich Billionen-Parameter-Modelle für Kompaktbeschleuniger unterstützen. Dies könnte die KI von Basis-Scale-KI für Geräte weit über die Datenzentren übereinstimmen.

Was macht aus Analoges In-Reminiscence-Computing (AIMC) in der Praxis so schwer zu verwenden?

Die größte Barriere ist Lärm. AIMC -Berechnungen leiden unter Variabilität der Geräte, DAC/ADC -Quantisierung und Laufzeitschwankungen, die die Modellgenauigkeit abbauen. Im Gegensatz zur Quantisierung von GPUs – wo Fehler deterministisch und überschaubar sind – ist ein Alalog -Rauschen stochastisch und unvorhersehbar. Frühere Untersuchungen fanden Möglichkeiten, kleine Netzwerke wie CNNs und RNNs (<100m -Parameter) anzupassen, um ein solches Rauschen zu tolerieren, aber LLMs mit Milliarden von Parametern brachen konsistent unter AIMC -Einschränkungen ab.

Wie befassen sich analoge Fundamentmodelle mit dem Rauschproblem?

Das IBM -Group führt vor Analoge Fundamentmodelledie {Hardware}-bewusstes Coaching integrieren, um LLMs für die analoge Ausführung vorzubereiten. Ihre Pipeline verwendet:

• Geräuschinjektion Während des Trainings zur Simulation von AIMC -Zufälligkeit.
• Iteratives Gewichtsausschnitt Verteilungen innerhalb von Gerätegrenzen zu stabilisieren.
• Gelernte statische Eingangs-/Ausgangsquantisierungsbereiche ausgerichtet mit echten {Hardware} -Einschränkungen.
• Destillation von vorgeborenen LLMs Verwendung von 20B -Token von synthetischen Daten.

Diese Methoden, implementiert mit Aihwkit leuchtenderlauben Modelle wie PHI-3-Mini-4K-Instruktur Und LAMA-3.2-1B-ISTRUCT aufrechterhalten Leistung vergleichbar mit gewichtsquantisierter 4-Bit / Aktivierung 8-Bit-Basislinien unter analogem Rauschen. Bei Bewertungen über Argumentation und sachliche Benchmarks übertraf AFMs sowohl das quantisierungsbewusste Coaching (QAT) als auch die Quantisierung nach dem Coaching (Spinquant).

Funktionieren diese Modelle nur für analoge {Hardware}?

Nein. Ein unerwartetes Ergebnis ist, dass AFMs auch stark abschneiden Digitale {Hardware} mit niedriger Präzision. Da AFMs geschult sind, um Geräusche und Ausschnitte zu tolerieren, verarbeiten sie eine einfache Quantisierung nach dem Coaching mit rund-zu-nearsten (RTN) besser als vorhandene Methoden. Dies macht sie nicht nur für AIMC -Beschleuniger, sondern auch für {Hardware} für digitale Inferenz von Rohstoffen nützlich.

Kann Leistungsleistung mit mehr Berechnung zum Inferenzzeit skalieren?

Ja. Die Forscher getestet TEST-Zeit-Berechnungskalierung Im Math-500-Benchmark generieren Sie mehrere Antworten professional Abfrage und wählen Sie das Beste über ein Belohnungsmodell aus. AFMs zeigten ein besseres Skalierungsverhalten als QAT -Modelle, wobei Genauigkeitslücken schrumpfen, da mehr Inferenzberechnung zugewiesen wurde. Dies steht im Einklang mit den Stärken von AIMC-einer Low-Energy-Inferenz mit hohem Durchsatz und nicht dem Coaching.

Wie wirkt es sich auf die Zukunft der analogen In-Reminiscence Computing (AIMC) aus?

Das Forschungsteam bietet die erste systematische Demonstration, dass große LLMs ohne katastrophalen Genauigkeitsverlust an AIMC -{Hardware} angepasst werden können. Während das Coaching von AFMs ressourcenlastig ist und die Überlegungsaufgaben wie GSM8K immer noch Genauigkeitslücken zeigen, sind die Ergebnisse ein Meilenstein. Die Kombination von Energieeffizienz, Robustheit gegenüber Rauschen und Kreuzkompatibilität mit digitaler {Hardware} macht AFMs zu einer vielversprechenden Richtung für skalierende Fundamentmodelle jenseits der GPU -Grenzen.

Zusammenfassung

Die Einführung von analogen Grundmodellen ist ein kritischer Meilenstein für die Skalierung von LLMs über die Grenzen digitaler Beschleuniger hinaus. Indem das Forschungsteam die Modelle für das unvorhersehbare Rauschen des analogen In-Reminiscence-Computing sturdy machen, zeigt es, dass AIMC von einem theoretischen Versprechen auf eine praktische Plattform wechseln kann. Während die Schulungskosten hoch bleiben und die Benchmarks der Begründung weiterhin Lücken aufweisen, schafft diese Arbeit einen Weg zu energieeffizienten großen Modellen, die auf kompakten {Hardware} laufen

---

Schauen Sie sich das an PAPIER Und Github -Seite. Fühlen Sie sich frei, unsere zu überprüfen Github -Seite für Tutorials, Codes und Notizbücher. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser Publication.

Beaverton, Ore. – Datavault Ai Inc. (NASDAQ: DVLT) hat heute die erweiterte Kommerzialisierung seiner AI -Agenten angekündigt – DataScore und Datavalue – erstellt mit IBM Watsonx.ai.

IBM verpflichtet sich auch über mehrere Jahre hinweg KI -Engineering und technischen Help, um Datavault zu unterstützen, seine Angebote zu erweitern und zu beschleunigen. Die Integration soll Kunden helfen, ihre Unternehmensmodellierung, Risikobewertung und Preisstrategien in den Bereichen lokale Umgebungen, Cloud- und Hybridumgebungen zu optimieren.

Datavault AI ist ein Platin -Companion im IBM -Companion Plus -Programm mit Pläne zur Zusammenarbeit mit Bereitstellungen, Exams und Entwicklung, um die Akzeptanz von KI in wichtigen Branchen wie Finanzen, Gesundheitswesen, Sport, Unterhaltung und Regierung zu beschleunigen.

Die mit Watsonx.ai erstellte Lösung von Datavault soll Kunden helfen, ihre Unternehmensmodellierung, Risikobewertung und Preisstrategien in den Bereichen lokale Umgebungen, Cloud- und Hybridumgebungen zu rationalisieren. Als Platinum-IBM-Companion wird Datavault AI mit dem Vertriebs- und Companion-Netzwerk von IBM zusammenarbeiten, um das Kundenbindung und das Purchase-in von Datavault zu beschleunigen.

Nathaniel Bradley, CEO von Datavault AI, kommentierte: „Wir glauben, dass dies ein strategischer Wendepunkt für Datavault AI ist und einen erheblichen Meilenstein in unserem Kommerzialisierungs-Roadmap auf Unternehmensmaßstäben markiert. Durch die Integration von IBM Watsonx.ai auf technischer Ebene und in enger Zusammenarbeit mit IBM, wir haben unsere Datenmonet-Plattform world skaliert.“

Diese Zusammenarbeit wird durch IBM weiter gestärkt, die KI -Ingenieure und Entwicklungsexpertise bereitstellt, um den Wert von Watsonx.ai innerhalb von DataScore & Datavalue zu beschleunigen, um den Wert für Datavault -Kunden zu verbessern.

Biz Dziarmaga, Leiter der AI-Partnerschaften von Americas AI bei IBM, kommentierte: „Wenn wir unsere Ressourcen zur Unterstützung von Datavaults Mission mitbringen, werden die Datenmonetarisierung vorantreiben, die Unternehmen aller Größen nutzen können. Die Nutzung von IBM-Plattformen mit DATAVAULT-Innovationen zeigt einen zwanghaften Wert für das Worldwide. Ein skalierbarer Weg zur Datenmonetisierung. “

Laut McKinsey & Firm wird Generative AI voraussichtlich zwischen 2,6 Billionen US -Greenback und 4,4 Billionen US -Greenback professional Jahr hinzufügen¹ In den wichtigsten Geschäftsanwendungen hinweg, was die KI-gesteuerte Automatisierung zu einer der bedeutendsten Investitionsgrenzen in der Unternehmenstechnologie macht.

Datavault AI hat ein vollständig integriertes KI-angetriebenes Ökosystem entwickelt, das Organisationen helfen soll, ihre Datenvermögen über seine drei Flaggschiff-AI-Agenten zu monetarisieren:

Knowledge Vault Financial institution: Eine KI-Engine mit Internet 3.0, die Unternehmensdaten in strukturierte, handelbare Vermögenswerte umwandelt. Derzeit wird mit IBM gebaut, es wird voraussichtlich im Oktober 2025 veröffentlicht.

DataScore: Ein patentiertes KI-gesteuerter Bewertungs- und Risikoanalyse-Instrument, das die Datenqualität bewertet und die Einhaltung von DSGVO, CCPA und anderen regulatorischen Requirements sicherstellt.

DATAVALUE: Eine patentierte KI-gesteuerte Preismotorin, die Unternehmensdaten reale finanzielle Bewertungen zuweist und neue Liquiditäts- und Handelsmöglichkeiten erzeugt.

Darüber hinaus wird die patentierte Knowledge Vault Internet 3.0 -Plattform von Datavault AI durch die ausgefüllten Integrationen verbessert, wodurch sichere, konforme und skalierbare Datenmonetisierung in den Branchen ermöglicht. Die Plattform entwickelt sich weiter mit Fortschritten bei der Datenindexierung, Wahrnehmungs- und Monetarisierungsfunktionen.

Armonk, NY – Bei der jährlichen Assume -Veranstaltung des Unternehmens stellte IBM neue Hybrid -Technologien für die Skalierung von Enterprise AI vor -, mit der Unternehmen KI -Agenten mit eigenen Unternehmensdaten aufbauen können.

IBM schätzt, dass bis 2028 über 1 Milliarde Apps auftreten werden, wodurch die Unternehmen über zunehmend fragmentiertere Umgebungen unter Druck gesetzt werden. Dies erfordert Integration, Orchestrierung und Datenbereitschaft.

Das Unternehmen sagte eine neue IBM CEO -Studie zeigt, dass die Geschäftsführer erwarten, dass die Wachstumsrate von KI -Investitionen in den nächsten zwei Jahren mehr als verdoppelt wird. Ihr Investitionstempo hat jedoch zu getrennten Technologien geführt – und nur 25 Prozent der KI -Initiativen haben den erwarteten ROI erreicht, sagte IBM. IBM kombiniert Hybridtechnologien, Agentenfähigkeiten und Unterstützung von IBM Consulting, um Unternehmen zu helfen, KI zu operationalisieren.

„Die Ära des KI-Experimentierens ist vorbei. Der heutige Wettbewerbsvorteil ergibt sich aus der speziell gebauten KI-Integration, die messbare Geschäftsergebnisse vorantreibt“ Arvind KrishnaVorsitzender und CEO, IBM. „IBM rüstet Unternehmen mit hybriden Technologien aus, die die Komplexität senken und produktionsbereitete KI-Implementierungen beschleunigen.“

Bauen Sie AI -Agenten in Watsonx orchestrieren, die mit 80 leitenden Geschäftsanwendungen arbeiten

KI -Agenten verlagern sich von KI, die mit Ihnen zu Systemen unterhält, die für Sie arbeiten, und doch viele Unternehmen werden Schwierigkeiten haben, sie in verschiedenen Umgebungen, Apps und Daten zu integrieren. IBM bietet eine umfassende Suite von Unternehmensfunktionen in Watsonx orchestrieren, um Unternehmen zu helfen, sie in die Tat umzusetzen. Das Portfolio enthält:

• Erstellen Sie in weniger als fünf Minuten mit Tooling, die die Integration, Anpassung und Bereitstellung von Agenten, die auf jedem Framework aufgebaut sind-von No-Code-Instruments für jede Artwork von Benutzern.¹
• Vorgefertigte Area-Agenten spezialisiert auf Bereiche wie Personalabteilung, Vertrieb und Beschaffung-mit Versorgungsunternehmen für einfachere Aktionen wie Webforschung und Berechnungen.²
• Integration mit 80 führenden Unternehmensanwendungen von Anbietern wie Adobe, AWS, Microsoft, Oracle, Salesforce Agentforce, SAP, Servicenow und Workday.
• Agentorchestrierung zur Übertragung der Multi-Agent-, Multi-Software-Koordination, die zur Bekämpfung komplexer Projekte wie Planungsworkflows und Routingaufgaben für die richtigen KI-Instruments zwischen Anbietern erforderlich ist.
  Agentenbeobachtbarkeit für Leistungsüberwachung, Leitplanken, Modelloptimierung und Governance über den gesamten Agentenlebenszyklus.³

IBM führt auch den neuen Agentenkatalog in Watsonx Orchestrate ein⁴ So vereinfachten Sie den Zugang zu 150 Agenten und vorgefertigten Instruments sowohl von IBM als auch von seinem breiten Ökosystem der Associate, zu denen Field, MasterCard, Oracle, Salesforce, Servicenow, Symplistic.ai, 11x und mehr gehören. Zum Beispiel wird der Katalog einen Vertriebsmitglied zum Entdecken und Importieren von potenziellen Kunden enthalten und in der Agentforce von Salesforce und einem Gesprächs -HR -Agenten zur Verfügung stehen, das in Slack eingebettet werden kann.

Forrester TEI projiziert 176% ROI über drei Jahre durch Automatisierung der Integration von Apps, APIs, Ereignissen und mehr über Hybrid -Cloud

Wenn sich die Annahme von KI beschleunigt, bleibt die Integration eine große Herausforderung. Die meisten Unternehmen stützen sich auf ein Patchwork von APIs, Apps und Systemen, die sich in den Umgebungen auf Prem- und Multi-Cloud-Umgebungen ausbreiten-viele davon wurden nicht für die Zusammenarbeit aufgebaut.

IBM führt die Hybridintegration von WebMethods ein⁵eine Lösung der nächsten Technology, die starre Workflows durch intelligente und agentengesteuerte Automatisierung ersetzt. Es hilft den Benutzern, die Ausbreitung von Integrationen über Apps, APIs, B2B -Associate, Ereignisse, Gateways und Dateiübertragungen in Hybrid -Cloud -Umgebungen zu verwalten.

Ein unabhängiger Forrester Consulting Whole Financial Influence (TEI) Studie ( fand heraus⁶:

• 176% ROI, plus nicht quantifizierte Vorteile wie Benutzerfreundlichkeit, reduzierte Schulungskosten und verbesserte Sichtbarkeit und Sicherheitshaltung
• 40% Reduzierung der Ausfallzeiten
• 33% Zeiteinsparungen bei komplexen Projekten
• 67% Zeiteinsparungen bei einfachen Projekten

Dies ergänzt das breitere Automatisierungsportfolio von IBM, das die Anwendungsentwicklung und -integration, die Infrastrukturautomatisierung und das Technologie -Unternehmensmanagement umfasst. Integrationen mit Hashicorp – einschließlich Terraform für die Bereitstellung von Infrastrukturen und Tresor für das Geheimnismanagement – werden die Automatisierung in hybriden Umgebungen verbessern, um sichere Konfiguration, konsistente Durchsetzung der Richtlinien und skalierbare Vorgänge zu unterstützen. Instruments wie IBM Live performance Resilience Haltung sowie Watsonx- und Crimson Hat -Technologien bieten Organisationen eine intelligente, einheitliche Möglichkeit, Operationen zu verwalten und KI über hybride Wolken hinweg zu beschleunigen.

Entsperren unstrukturierter Daten für generative KI

Unstrukturierte Daten – in Verträgen, Tabellen und Präsentationen begraben – sind eine der wertvollsten, aber nicht genutzten Ressourcen im Unternehmen. IBM entwickelt Watsonx.knowledge, um Organisationen dabei zu helfen, diese Daten zu aktivieren, um eine genauere und effektivere KI zu fördern.⁷

Das neue Watsonx.Knowledge wird ein offenes Daten -Lakehouse mit Datengewebungsfunktionen wie Datenlinienverfolgung und Governance zusammenbringen, um Kunden dabei zu helfen, Daten über Silos, Formate und Wolken hinweg zu vereinen, zu regieren und zu aktivieren. Enterprises können ihre KI -Apps und Agenten mit ihren unstrukturierten Daten mit Watsonx.knowledge verbinden, die zeigen, dass Exams zu 40% genauer als herkömmlicher Lappen führen können.⁸

IBM führt auch die Integration von Watsonx.Knowledge ein, ein Einstellungswerkzeug zum Orchestrieren von Daten über Formate und Pipelines sowie Watsonx.Knowledge Intelligence, die mit AI-betriebenen Technologie tiefe Einsichten aus unstrukturierten Daten entziehen.⁹ Sie werden als eigenständige Produkte erhältlich sein, wobei ausgewählte Funktionen auch über Watsonx.knowledge erhältlich sind – Maximierung der Kundenauswahl und Modularität.

Um diese Produkte zu ergänzen, kündigte IBM kürzlich seine Absicht an, DataStax zu erwerben, was sich bei der Nutzung unstrukturierter Daten für generative KI auszeichnet. Mit DataStax können Purchasers auf zusätzliche Vektor -Suchfunktionen zugreifen. Darüber hinaus wird Watsonx heute als API -Anbieter in den Lama -Stack von Meta integriert und die Fähigkeit der Unternehmen verbessert, generative KI im Maßstab und mit Offenheit im Kern einzusetzen.

Die neue CAS-Funktion (Content material-Award-Speicher) von IBM ist jetzt als Service für IBM Fusion erhältlich, wobei die IBM-Speicherskala in 3q unterstützt wird. Dies bietet eine fortlaufende kontextbezogene Verarbeitung unstrukturierter Daten, um extrahierte Informationen für RAG-Anwendungen für schnellere Zeit-zu-Inferenzierung leicht zur Verfügung zu stellen.

Infrastruktur für die KI -Skala

IBM startet IBM Linuxone 5, seine sicherste und leistungsstärkste Linux -Plattform für Daten, Anwendungen und vertrauenswürdige KI – mit der Möglichkeit, bis zu 450 Milliarden AI -Inferenzvorgänge professional Tag zu verarbeiten.¹⁰ Zu den Innovationen von IBM Linuxone 5 gehören:

• IBMs hochmodernes KI-Beschleunigern, darunter der Telum II-AI-Prozessor von IBM und den IBM Spyre Accelerator (verfügbar 4Q 2025 über PCIe-Karte), um generative und hochvolumige AI-Anwendungen wie Transaktionsarbeitslokale zu ermöglichen.
• Fortgeschrittene Sicherheitsangebote mit vertraulichen Containern, um Kunden dabei zu helfen, ihre Daten und neue Integrationen mit der wegweisenden quantensicheren Verschlüsselungstechnologie von IBM zu schützen, um quantumfähige Cybersicherheitsangriffe zu beheben.
• Signifikante Kostensenkungen und Stromverbrauch, bewegende Cloud-native Workloads von einer verglichenen X86-Lösung zu einem IBM Linuxone 5, das dieselben Softwareprodukte ausführt, können bis zu 44% für die Gesamtbesitzkosten über 5 Jahre sparen.¹¹

IBM hat außerdem seine Zusammenarbeit von GPU-, Accelerator- und Speicherkooperationen mit AMD, CoreWeave, Intel und NVIDIA erweitert, um neue Lösungen für rechenintensive Workloads und AI-verbesserte Daten bereitzustellen.

¹ Geplante Verfügbarkeit für Agent Builder -Funktionen in Juni 2025
² HR -Agent jetzt allgemein verfügbar. Geplante Verfügbarkeit von Vertriebs- und Beschaffungsagenten in Juni 2025.
³ Geplante Verfügbarkeit für Beobachtbarkeitsfunktionen der Agenten Juni 2025
⁴ Geplante Verfügbarkeit für Agentenkatalog Juni 2025
⁵ Geplante Verfügbarkeit für WebMethods Hybrid -Integration in Juni 2025
⁶ Forrester Consulting, The Whole Financial Influence von IBM WebMethods, einer von Forrester Consulting im Auftrag von IBM, 2024 durchgeführten Studie, die durchgeführt wurde
⁷ Geplante Verfügbarkeit für neue Watsonx.knowledge in Juni 2025
⁸ Basierend auf IBM-internen Exams im Vergleich der Antwortkorrektheit von AI-Modellausgaben unter Verwendung von Watsonx.Knowledge Premium Version-Abrufschicht mit Vektor-RAG auf drei gemeinsamen Anwendungsfällen mit IBM-proprietären Datensätzen unter Verwendung derselben Auswahl ausgewählter OpenSource-Warenausführungen, Beurteilung und Einbettungsmodelle und zusätzlichen Variablen. Die Ergebnisse können variieren.
⁹ Geplante Verfügbarkeit für Watsonx.integration und Watsonx.Knowledge Intelligence in Juni 2025.
¹⁰ Die Leistungsergebnis wird aus IBM -internen Exams extrapoliert, die auf IBM Techniques {Hardware} von Maschinentyp 9175 ausgeführt werden. Der Benchmark wurde mit 1 Thread ausgeführt, der lokale Inferenzvorgänge unter Verwendung eines LSTM -basierten Synthetiks ausführte Kreditkartenbetrug Erkennungsmodell zur Nutzung des integrierten Beschleunigers für AI. Eine Chargengröße von 160 wurde verwendet. IBM Techniques {Hardware} -Konfiguration: 1 LPAR Ausführen von Crimson Hat Enterprise Linux 9.4 mit 6 Kernen (SMT), 128 GB Speicher. Die Ergebnisse können variieren.
¹¹ IBM interne Leistungstests für die Kernkonsolidierungsstudie zielten auf einen Vergleich der folgenden Server ab. IBM Machine Typ 9175 MAX 136 System, das aus drei CPC -Schubladen besteht, die 136 konfigurierbare Prozessoreinheiten und sechs E/A -Schubladen enthalten, um sowohl das Netzwerk als auch den externen Speicher zu unterstützen. Die X86 -Lösung verwendete einen im Handel erhältlichen Enterprise -Server mit zwei Intel Xeon Platinum 8592+ -Prozessoren der 5. Technology, 64 Kerne professional CPU. Beide Lösungen hatten Zugriff auf denselben Speicher. Die Ergebnisse können variieren. Die Testergebnisse wurden zu einer typischen, vollständigen Kundin-IT-Lösung extrapoliert, die voneinander isoliert von der Produktion und Nichtproduktion IT-Umgebungen enthält. TCO umfasste Software program-, {Hardware}-, Energie-, Netzwerk-, Rechenzentrumsposition und Arbeitskosten. Auf der IBM Z17 -Seite erfordert die vollständige Lösung ein IBM Z17 Typ 9175 Max 136, und auf der x86 -Seite erfordert die vollständige IT -Lösung 23 verglichene Server.

IBM arbeitet mit Oracle zusammen, um Watsonx, IBMs Portfolio von AI -Produkten, in die Oracle Cloud -Infrastruktur zu bringen. Die Nutzung der nativen KI-Dienste von OCI soll „eine neue Ära multiagentischer, kI-gesteuerter Produktivität und Effizienz im gesamten Unternehmen anfuhren“, so die Unternehmen.

„AI liefert den wirkungsvollsten Wert, wenn sie in einem gesamten Unternehmen nahtlos funktioniert“, sagte Greg Pavlik, Govt Vice President, KI und Knowledge Administration Companies und Oracle Cloud Infrastructure. „IBM und Oracle arbeiten seit Jahrzehnten dazu bei, den Kundenerfolg zu fördern, und unsere erweiterte Partnerschaft bietet Kunden neue Möglichkeiten, um ihre Geschäfte mit KI zu verändern.“

Entwickelt, um Agenten für Multi-Agent-, Multi-System-Geschäftsprozesse zu erstellen und zu verwalten und sowohl Oracle- als auch Nicht-Oracle-Anwendungen und Datenquellen zu erstrecken. Watsonx orchestrieren AI -Agentenangebote für OCI im Juli erhältlich.

Dieser Multi-Agent Oracle AI Agent Studio für Fusionsanwendungensowie oci generative KI -Agenten und andere KI -Dienste von OCI. Es erweitert das Ökosystem um Oracle Fusion-Anwendungen, um weitere Funktionen für Drittanbieter und benutzerdefinierte Anwendungen und Datenquellen zu ermöglichen.

Die ersten Anwendungsfälle, die behandelt werden, befinden sich in den Humanressourcen. Die Watsonx -Orchestrate -Agenten führen eine KI -Abschluss für OCI durch, mit denen viele Kunden ihre Daten, KI und andere Anwendungen hosten.

IBM -Agenten, die in Watsonx orchestrieren, orchestrieren Sie OpenShift für Crimson Hat Oci, einschließlich der Regionen für öffentliche, souveräne, Regierung und Oracle -Legierung, um die Anforderungen der regulatorischen und Datenschutzbekämpfung zu ermöglichen. Die Agenten können auch lokale oder in mehrfach loud-Umgebungen für echte Hybrid-Cloud-Funktionen gehostet werden.

Oracle beabsichtigt, dass Oracle die IBM Granite-Familie von KI-Modellen über die OCI-Datenwissenschaft über KI-Schnellaktionen zur Verfügung stellt. Die Open-Supply-Granitmodelle sollen in OCI in der zweiten Hälfte dieses Jahres als zwischengespeicherter LLM erhältlich sein, um den Granitzugriff zu rationalisieren.

„Durch die Integration unserer KI in Oracles Angebote können Unternehmen die KI -Agenten in ihrem Unternehmen problemlos einsetzen und verwalten“, sagte Kareem Yusuf Ph.D, Senior Vice President, Ecosystem, Strategic Companions & Initiatives, IBM. „Unsere Zusammenarbeit mit Oracle zeigt, wie IBM und unsere Accomplice Kunden einen nahtlosen und flexiblen Weg zur Skalierung von KI bieten.“

Oracle und IBM planen auch, die IBM Envizi ESG Suite auf OCI zur Verfügung zu stellen, wobei eine erste Veröffentlichung in Saudi -Arabien innerhalb der nächsten 12 Monate erwartet wird. IBM ENVIZI ist eine Unternehmenslösung für die Nachhaltigkeit, die die Erfassung, Verwaltung und Berichterstattung über Umwelt-, Sozial- und Governance -Daten (ESG) automatisiert.

Watsonx.ai von IBM ist nun für OCI zertifiziert, sodass Kunden ihre branchenführende Skalierbarkeit und Leistung für Naked-Steel- und Digital Machine-Instanzen mit den Vorteilen der Crimson Hat OpenShift nutzen können. Watsonx.ai ist ein Entwicklerstudio für Unternehmensqualität zum Aufbau, Laufen und Verwalten von AI-Anwendungen. Wenn Sie Watsonx.ai an OCI bringen, können Organisationen AI -Dienste auf OCI entwickeln, wo sie möglicherweise bereits Anwendungen und Daten haben, und sie mit einer Sammlung der APIs, Instruments, Modelle und Laufzeiten in ihre Anwendung der Wahl einsetzen.

IBM führt vor Erweiterte Beratungsdienste Um Kunden dabei zu helfen, die Unternehmensstrategie in Unternehmensergebnisse zu verwandeln, können Sie die Verwendung von AI-Agenten auf mehreren Plattformen ermöglichen, um Finish-to-Finish-Geschäftsprozesse zu verändern. IBM Consulting nutzt tiefe Technologie- und Branchenkompetenz und hilft den Kunden, ihr Agenten -Ökosystem zu organisieren, indem sie KI -Agenten integrieren, aufbauen und skalieren, darunter einheimische AI ​​-Agenten von Watsonx orchestrieren AI -Agenten und Agenten aus dem gesamten IBM -Accomplice -Ökosystem. IBM Consulting wird den Kunden auch beraten, wie sich AI -Agenten auf Unternehmensmodelle und die Belegschaft auswirken, einschließlich Änderungsmanagement und Ermöglichung neuer Arbeitsweisen. IBM-Berater bringen ein tiefes Know-how bei der Veränderung von Kerngeschäftsprozessen wie HR und Lieferkette sowie Funktionen in seiner KI-angetriebenen Lieferplattform IBM Consulting Benefit ein, um den Wert schnell zu liefern.

IBM Consulting bietet neue Dienste an, die KI-angetriebene Vermögenswerte und Methoden nutzen, um Oracle-Kunden zu helfen, ihre Workloads von lokalen virtuellen Maschinen bis hin zur OpenShift-Virtualisierung auf Oci Naked Steel Cloud zu migrieren. Dieser Service hilft den Kunden, ihre Infrastruktur zu migrieren und zu modernisieren, während sie mit der bewährten Virtualisierung der OpenShift -Containerplattform auf OCI eingesetzt werden, um eine versatile Infrastruktur für Legacy -Anwendungen sowie KI- und Hybrid -Multicloud -Workloads bereitzustellen.

IBM bringt ein tiefes Know-how in der Geschäftsveränderung mit OCI- und Oracle Fusion Cloud-Anwendungen mit, die von einer 38-jährigen strategischen Partnerschaft über Technologie und Dienstleistungen unterstützt werden, Tausende von Beratern, die über die Kern-Oracle-Technologien zertifiziert sind, und die Akquisitionen von Oracle-Beratungsunternehmen Accelalpha und Software Softwar Expertise LLC.

Orakel Und IBM beabsichtigen auch, in ausgewählten Märkten einen gemeinsamen Ansatz für den Markt zu steuern, um den Kunden diese neuen Dienstleistungen und Funktionen zu vermitteln.

„Agenten werden zu einem wichtigen strategischen Vorteil für Organisationen, um den Betrieb zu optimieren und bessere Kunden- und Mitarbeitererfahrungen zu bieten“, sagte Ritu Jyoti, Common Supervisor und Gruppenvice President von IDC. „Die fortgeschrittensten Agenten von heute sind in der Lage, über verschiedene Systeme und Prozesse hinweg zu interagieren, größere Produktivität zu entfesseln und eine breitere Einführung zu fördern. Der Agenten -KI -Ansatz IBM nimmt mit Oracle ein führendes Beispiel dafür, wie die Fähigkeit, Agent -Workflows über Systeme hinweg zu orchestrieren, erhebliche Vorteile vorantreiben, die Funktionsweise von Arbeiten und das Entsperren von Wachstum und Innovation entspannen können.“

Armonk, NY, 26. Februar 2025 – IBM (NYSE: IBM) gab heute Ergänzungen zu seinem Granit -Portfolio von großsprachigen Modellen bekannt, die eine kleine, effiziente Unternehmens -KI liefern sollen.

Die neuen Granit 3.2 -Modelle umfassen:

• Ein neues Imaginative and prescient Language Mannequin (VLM) für Dokumentenverständnisaufgaben, von denen IBM die Leistung zeigt, die dem von signifikant größeren Modellen übereinstimmt oder übersteigt – Lama 3.2 11b und Pixtral 12b – Auf Enterprise Benchmarks Docvqa, Chartqa, AI2D und Ocrbench¹. Zusätzlich zu den Schulungsdaten verwendete IBM seine eigene Open-Supply Docling -Toolkit Um 85 Millionen PDFs zu verarbeiten und 26 Millionen synthetische Fragen-Antwortenpaare zu erzeugen, um die Fähigkeit des VLM zu verbessern, komplexe dokument-fahre störende Workflows zu bewältigen, so das Unternehmen.
• Fähigkeiten der Kette der Gedanken für verstärktes Denken in der 3.2 2B Und 8b Modelle, mit der Möglichkeit, das Denken ein- oder auszuschalten, um die Effizienz zu optimieren. Mit dieser Fähigkeit die 8b Das Modell erzielt zweistellige Verbesserungen des Vorgängers in Anweisungen, die Benchmarks wie Arenahard und Alpaca Eval ohne Sicherheit oder Leistung an anderer Stelle beeinträchtigen². Mit der Verwendung von Neuartige Inferenz -Skalierungsmethodender Granit 3.2 8b Modell kann kalibriert werden, um mit der Leistung viel größerer Modelle wie Claude 3.5 Sonett oder GPT-4O in den Benchmarks von Mathematik wie Aime2024 und MATH500 mithalten zu können³Sagte IBM.
• Verkleinerte Größenoptionen für Granit-Guardian-Sicherheitsmodelle, die die Leistung früherer Granit 3.1-Wächtermodelle bei einer Größe von 30 Prozent aufrechterhalten. Die 3.2 -Modelle führen auch eine neue Funktion namens verbalisiertes Vertrauen ein, dass IBM laut IBM eine nuanciertere Risikobewertung anbietet, die Unklarheiten bei der Sicherheitsüberwachung anerkennt.

Das Unternehmen sagte, dass Granite 3.2 -Modelle im Rahmen der zulässigen Apache 2.0 -Lizenz für das Umarmungsgesicht erhältlich sind. Ausgewählte Modelle sind heute auf IBM Watsonx.ai, Ollama, Replicate und LM Studio erhältlich und werden in RHEL AI 1.5 in Kürze erwartet.

IBM sagte, seine Strategie zur Bereitstellung kleinerer, spezialisierter KI -Modelle für Unternehmen zeigt weiterhin die Wirksamkeit beim Check mit dem Granit 3.1 8b Modell, das kürzlich hohe Noten für Genauigkeit in der gibt Salesforce LLM Benchmark für CRM.

Die Granite Mannequin -Familie wird von einem Ökosystem von Partnern unterstützt, darunter Softwareunternehmen, die die LLMs in ihre Technologien einbetten. „Bei CrushBank haben wir aus erster Hand gesehen, wie die offenen, effizienten KI-Modelle von IBM für Enterprise KI einen echten Wert bieten, der das richtige Gleichgewicht zwischen Leistung, Kosteneffizienz und Skalierbarkeit bietet“ David TanCTO, CrushBank. „Granite 3.2 nimmt es mit neuen Argumentationsfunktionen weiter und wir freuen uns, sie beim Aufbau neuer Agentenlösungen zu erkunden.“

Laut IBM ist Granite 3.2 ein wichtiger Schritt in der Entwicklung des Portfolios und der Strategie von IBM zur Bereitstellung einer kleinen, praktischen KI für Unternehmen.

„Während die Argumentationskette für Denkansätze leistungsfähig sind, erfordern sie eine erhebliche Rechenleistung, die für jede Aufgabe nicht erforderlich ist“, sagte das Unternehmen in seiner Ankündigung. „Deshalb hat IBM die Fähigkeit eingeführt, die Denkkette programmgesteuert oder auszuschalten. Für einfachere Aufgaben kann das Modell ohne Argumentation arbeiten, um unnötige Rechenaufwand zu reduzieren. Zusätzlich haben andere Argumentationstechniken wie Inferenzskalierung gezeigt, dass der Granit 3.2 8b Das Modell kann mit der Leistung viel größerer Modelle für Normal -Benchmarks von Normal -Mathematik -Argumenten übereinstimmen oder überschreiten. Entwicklungsmethoden wie Inferenzskalierung bleiben ein wesentlicher Schwerpunkt für IBM -Forschungsteams. “⁴

Neben Granite 3.2 Anweisungen, Seh- und Leitplanken veröffentlicht IBM die nächste Technology seiner TTM -Modelle (TinyTimemixer) (Sub 10 m Parameter) mit Funktionen für längerfristige Prognosen bis zu zwei Jahre in der Zukunft. Diese sorgen für leistungsstarke Instrumente in der langfristigen Trendanalyse, einschließlich Finanz- und Ökonomie-Traits, Prognose für die Nachfrage nach Lieferketten und saisonaler Bestandsplanung im Einzelhandel.

„In der nächsten Ära der KI geht es um Effizienz, Integration und reale Auswirkungen-bei der Unternehmen leistungsstarke Ergebnisse erzielen können, ohne dass es sich Sriram RaghavanVP, IBM AI -Forschung. „Die neuesten Granitentwicklungen von IBM konzentrieren sich auf offene Lösungen, die einen weiteren Schritt nach vorne zeigen, um KI für moderne Unternehmen zugänglicher, kostengünstiger und wertvoller zu machen.“

Einführung

Information Science ist ein schnell wachsendes Technologiefeld, das die Entscheidungsfindung in Unternehmen verändert. Um in diesem Bereich Fuß zu fassen, benötigen Sie die richtigen Fähigkeiten. Glücklicherweise bieten High-Institutionen wie Harvard und IBM kostenlose On-line-Kurse an. Diese Kurse decken alles von der grundlegenden Programmierung bis hin zum fortgeschrittenen maschinellen Lernen ab. In diesem Artikel haben wir einige der besten kostenlosen Kurse von Harvard und IBM aufgelistet. Sie eignen sich hervorragend für Anfänger und Fortgeschrittene, die ihre datenwissenschaftlichen Fähigkeiten verbessern möchten.

Kostenlose Harvard-Kurse

1. Einführung in die Programmierung mit Scratch

Harvards CS50 Einführung in die Programmierung mit Scratch ist ein großartiger Ausgangspunkt für alle, die keinerlei Programmiererfahrung haben. Es verwendet Scratch, eine visuelle Programmiersprache, in der Sie Code durch Ziehen und Ablegen grafischer Blöcke erstellen – excellent für Anfänger.

Kursübersicht

• Funktionen: Anweisungen, die bestimmte Aufgaben ausführen.
• Rückgabewerte: Von Funktionen bereitgestellte Ergebnisse.
• Bedingungen: Logik, die entscheidet, ob Aktionen ausgeführt werden sollen.
• Schleifen: Wiederholen Sie bestimmte Aktionen.
• Variablen: Informationen speichern.

Kursfunktionen

• Hilft Ihnen beim Erstellen von Animationen, Spielen und interaktiver Kunst.
• Bereitet Sie auf fortgeschrittene Programmierung in Sprachen wie Java und Python vor.

Anmeldedetails

• Kostenloser Kurs mit der Choice, ein Zertifikat für 299 $ zu erhalten.
• Teil des umfassenderen CS50-Lehrplans von Harvard.

Schauen Sie sich diese kostenlosen Harvard Information Science-Kurse an Hier.

2. Einführung in die künstliche Intelligenz mit Python

Dieser Kurs befasst sich mit künstlicher Intelligenz (KI) und maschinellem Lernen (ML) mit Python. Es richtet sich an diejenigen, die KI praktisch ausprobieren möchten.

Kursübersicht

• Graphsuchalgorithmen: Durch Datenstrukturen navigieren.
• Verstärkungslernen: Erfahren Sie, wie Agenten Entscheidungen auf der Grundlage von Belohnungen und Strafen treffen.
• Prinzipien des maschinellen Lernens: Entdecken Sie Techniken, die Systemen helfen, aus Daten zu lernen.
• Entwerfen intelligenter Systeme: Lernen Sie, Systeme zu bauen, die denken und lernen.

Kursfunktionen

• Verstehen Sie KI-Konzepte und -Algorithmen.
• Beherrschen Sie Python für KI.
• Arbeiten Sie an Bibliotheken für maschinelles Lernen und entwerfen Sie intelligente Systeme.

Anmeldedetails

• Der Kurs bietet auch ein verifiziertes Zertifikat für 299 $.

Weitere Einzelheiten zu diesen kostenlosen Information-Science-Kursen in Harvard finden Sie hier Hier.

3. Einführung in Information Science mit Python

Dieser Kurs konzentriert sich auf die Vermittlung praktischer Fähigkeiten in der Datenwissenschaft mit Python. Es vermittelt Ihnen praktische Erfahrung bei der Lösung realer Probleme.

Lernergebnis

• Codierung in Python für Statistik und Modellierung.
• Arbeiten mit Bibliotheken wie Pandas, NumPy und Matplotlib.
• Ausführen von Modellen für maschinelles Lernen wie lineare Regression und Klassifizierungsmodelle.

Anmeldedetails

• Ein Zertifikat ist für 299 $ erhältlich.

klicken Sie hier um diesen kostenlosen Information-Science-Kurs von Harvard zu erkunden.

4. Maschinelles Lernen und KI mit Python

In diesem Kurs tauchen Sie tiefer in die Techniken des maschinellen Lernens und ihre Anwendungen ein.

Lernergebnis

• Erstellen und bewerten Sie Modelle für maschinelles Lernen.
• Verstehen Sie Entscheidungsbäume, Zufallswälder und Gradient Boosting.
• Identifizieren und reduzieren Sie Datenverzerrungen in Modellen für maschinelles Lernen.

Anmeldedetails

• Die Zertifikatsoption ist für 299 $ erhältlich.

Hier finden Sie alle Particulars zu diesen Kursen Hier.

5. Datenwissenschaft: Visualisierung

In diesem Kurs werden die Grundlagen einer effektiven Datenvisualisierung mithilfe der Programmiersprache R und des Pakets ggplot2 vermittelt. Sie lernen, datengesteuerte Erkenntnisse durch visuelle Darstellungen zu vermitteln.

Lernergebnis

• Erstellen Sie benutzerdefinierte Diagramme.
• Analysieren Sie reale Daten aus den Bereichen Gesundheit, Wirtschaft und Infektionskrankheiten.
• Lernen Sie, Fehler in gängigen Visualisierungen zu erkennen.

Anmeldedetails

• Zertifikat für 219 $ erhältlich.

Entdecken Sie diese Kurse Hier.

6. Datenwissenschaft: Wahrscheinlichkeit

Der Kurs „Information Science: Chance“ von Harvard vermittelt ein umfassendes Verständnis der Wahrscheinlichkeitstheorie und ihrer Bedeutung in der Datenwissenschaft.

Lernergebnis

• Verstehen Sie Zufallsvariablen, Unabhängigkeit und erwartete Werte.
• Führen Sie Monte-Carlo-Simulationen durch.
• Verwenden Sie den zentralen Grenzwertsatz in der Datenanalyse.

Anmeldedetails

• Holen Sie sich ein Zertifikat für 149 $.

klicken Sie hier um diesen kostenlosen Information-Science-Kurs von Harvard zu erkunden.

7. Information Science: Inferenz und Modellierung

In diesem Kurs werden statistische Schlussfolgerungen und Modellierungstechniken behandelt, wobei Wahlprognosen häufig als Fallstudie dienen.

Schlüsselthemen

• Schätzungen, Fehlermargen und Konfidenzintervalle.
• Bayesianische Modellierungstechniken.
• Aggregieren von Daten für eine bessere Genauigkeit.

Anmeldedetails

• Ein Zertifikat ist für 149 $ erhältlich.

klicken Sie hier um diesen kostenlosen Kurs der Harvard College zu erkunden.

8. Information Science: Streit

Information-Wrangling ist für jedes Information-Science-Projekt unerlässlich. In diesem Kurs lernen Sie, Daten mit R zu bereinigen und für die Analyse vorzubereiten.

Lernergebnis

• Importieren und bereinigen Sie Daten aus verschiedenen Quellen.
• Verwenden Sie Tidyverse-Instruments zur Datenbearbeitung.
• Führen Sie Internet Scraping durch.

Anmeldedetails

• Ein Zertifikat ist für 149 $ erhältlich.

klicken Sie hier um diesen kostenlosen Datenwissenschaftskurs der Harvard College zu erkunden.

9. Datenwissenschaft: Maschinelles Lernen

Dieser Kurs bietet eine Einführung in Konzepte des maschinellen Lernens und konzentriert sich auf die Erstellung von Vorhersagemodellen.

Lernergebnisse

• Wenden Sie Algorithmen für maschinelles Lernen an.
• Führen Sie eine Kreuzvalidierung durch.
• Erstellen Sie ein Filmempfehlungssystem.

Anmeldedetails

• Zertifikat für 149 $ erhältlich.

Sie können diesen kostenlosen Kurs erkunden Hier.

10. Information Science: Lineare Regression

Die lineare Regression ist eine grundlegende statistische Methode. In diesem Kurs erfahren Sie, wie Sie sie zur Analyse realer Daten verwenden.

Lernergebnis

• Verstehen Sie die lineare Regressionstheorie.
• Implementieren Sie die lineare Regression in R.
• Bewerten Sie die Modellleistung und treffen Sie Vorhersagen.

Anmeldedetails

• Zertifikat für 149 $ erhältlich.

Einzelheiten zu diesem kostenlosen Datenwissenschaftskurs der Harvard College finden Sie hier Hier.

Kostenlose IBM-Kurse

1. Was ist Information Science?

Dieser Kurs bietet eine umfassende Einführung in das Gebiet der Datenwissenschaft und behandelt deren Kernprinzipien.

Lernergebnis

• Verstehen Sie, was Information Science ist.
• Erkennen Sie seine branchenübergreifende Bedeutung.
• Machen Sie sich mit den wichtigsten Werkzeugen und Techniken vertraut.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

2. Daten mit Python analysieren

Lernen Sie, Daten mithilfe von Python-Bibliotheken wie Pandas und Matplotlib zu analysieren und zu visualisieren.

Lernergebnis

• Bearbeiten Sie Daten mit Python.
• Führen Sie Datenbereinigungsaufgaben durch.
• Erstellen Sie Visualisierungen, um Erkenntnisse zu gewinnen.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

3. Python für Datenwissenschaft, KI und Entwicklung

Dieser Kurs ist eine umfassende Einführung in die Verwendung von Python für Datenwissenschafts- und KI-Anwendungen.

Lernergebnis

• Verwendung von Python zur Datenmanipulation.
• Implementierung von Algorithmen für maschinelles Lernen.
• Erstellen effektiver Datenvisualisierungen.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

4. Python-Grundlagen für Information Science

Dieser für Anfänger konzipierte Kurs führt in die Python-Programmierung ein, mit Schwerpunkt auf datenwissenschaftlichen Anwendungen.

Lernergebnis

• Verstehen Sie die Syntax und Datentypen von Python.
• Verwenden Sie Python zur Datenanalyse.
• Implementieren Sie grundlegende Information-Science-Techniken mithilfe beliebter Bibliotheken.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

5. Datenanalyse mit Python

In diesem Kurs beherrschen Sie die Grundlagen der Datenanalyse mit Python.

Lernergebnis

• Manipulieren Sie Daten mit Pandas.
• Führen Sie eine explorative Datenanalyse durch.
• Nutzen Sie Visualisierungen, um Ergebnisse zu kommunizieren.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

6. Schlussstein der angewandten Datenwissenschaft

Dieser Abschlusskurs ermöglicht es den Lernenden, ihre datenwissenschaftlichen Fähigkeiten in einem realen Projekt anzuwenden.

Lernergebnis

• Schließen Sie ein vollständiges Information-Science-Projekt von Anfang bis Ende ab.
• Wenden Sie verschiedene Werkzeuge und Techniken an, um komplexe Probleme zu lösen.
• Kommunizieren Sie Ergebnisse durch Visualisierungen und Berichte.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

7. Daten mit Python visualisieren

Erfahren Sie, wie Sie mithilfe von Python-Bibliotheken wie Matplotlib und Seaborn effektive Datenvisualisierungen erstellen.

Lernergebnis

• Verstehen Sie die Prinzipien der Datenvisualisierung.
• Erstellen Sie verschiedene Arten von Visualisierungen.
• Visuelle Daten interpretieren.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

8. IBM Information Analyst Capstone-Projekt

In diesem Abschlusskurs können Sie Ihre Datenanalysefähigkeiten anhand eines praktischen Projekts unter Beweis stellen.

Lernergebnis

• Führen Sie eine vollständige Datenanalyse durch.
• Erstellen Sie Visualisierungen, um Erkenntnisse effektiv zu kommunizieren.
• Entwickeln Sie ein vollständiges Datenanalyseprojekt und lösen Sie reale Probleme.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

9. Einführung in die Datenanalyse

Dieser Kurs gibt einen Überblick über die Datenanalyse und ihre wesentlichen Konzepte.

Sie lernen Folgendes:

• Verstehen Sie die wichtigsten Begriffe der Datenanalyse.
• Wenden Sie Analysetechniken an.
• Interpretieren Sie Dateneinblicke und kommunizieren Sie Ergebnisse effektiv.

klicken Sie hier um diesen kostenlosen IBM Information Science-Kurs kennenzulernen.

Hilfreiche Ressourcen zum Grasp Information Science

Abschluss

Egal, ob Sie ein absoluter Anfänger sind oder Ihre Kenntnisse im Bereich Datenwissenschaft vertiefen möchten, diese kostenlosen Kurse von Harvard und IBM können wirklich hilfreich sein. Wählen Sie additionally den Kurs, der Ihren Zielen entspricht, und beginnen Sie noch heute Ihre Reise in die Datenwissenschaft!

Viel Spaß beim Lernen!

Bild vom Autor | Canva

Sie sind wahrscheinlich in Ihrer Rolle und fragen sich, wie Sie Ihre Fähigkeiten mit dem neuen Increase der generativen KI verbessern können. Nun, keine Sorge, das Crew von KDnuggets hat alles für Sie. Der KI-Bereich entwickelt sich schneller, als wir blinzeln können – insbesondere die generative KI.

Viele von uns nutzen generative KI in ihren täglichen Arbeitsabläufen und auch privat. Wenn Sie jedoch daran interessiert sind, wie Sie Ihre Fähigkeiten verbessern, generative KI nutzen und vor allem das Gefühl haben können, dass Ihr Arbeitsplatz nicht gefährdet ist, sollten Sie sich am besten darüber informieren.

In diesem Weblog gehe ich auf eine Reihe von Spezialisierungskursen zur generativen KI für bestimmte Berufe ein.

Generative KI für Datenanalysten

Hyperlink: Generative KI für Datenanalysten

Die Artwork und Weise, wie Organisationen Entscheidungen mithilfe generativer KI treffen, nimmt zu. Daher liegt es in Ihrer Verantwortung als Datenanalyst, zu verstehen, wie die generative KI-Datenanalyse Ihre Organisation verbessern kann.

In diesem von IBM angebotenen Spezialisierungskurs lernen Sie reale Anwendungsfälle generativer KI sowie beliebte Modelle und Instruments generativer KI für die Generierung von Textual content, Code, Bildern, Audio und Video kennen. Sie vertiefen sich in Konzepte des generativen KI-Immediate-Engineerings, verwenden Immediate-Techniken wie Zero-Shot und Few-Shot und erkunden verschiedene Immediate-Engineering-Ansätze und Instruments wie IBM Watson, Immediate Lab, Spellbook und Mud.

Anschließend erweitern Sie Ihr Wissen, indem Sie die Bausteine ​​und Basismodelle der generativen KI, wie GPT, DALL-E und IBM Watson Studio, sowie die ethischen Implikationen, Überlegungen und Herausforderungen bei der Verwendung generativer KI in verschiedenen Branchen verstehen.

Generative KI für die Cybersicherheit

Hyperlink: Generative KI für die Cybersicherheit

Ich glaube, dass Cybersicherheit nicht so viel Aufmerksamkeit bekommt, wie sie verdient. Sie sind die Masterminds hinter der Absicherung einer Organisation, um sicherzustellen, dass sie effektiv arbeiten kann. Als Cybersicherheitsexperte ist das Erlernen generativer KI-Fähigkeiten ein wesentlicher Bestandteil Ihres täglichen Werkzeugkastens.

In diesem Spezialisierungskurs von IBM lernen Sie zunächst den Unterschied zwischen generativer KI und diskriminativer KI. Anschließend tauchen Sie ein und erkunden reale Anwendungsfälle generativer KI und entdecken beliebte Modelle generativer KI. Sie werden sich auch mit technischen Konzepten generativer KI befassen. Und nicht zuletzt lernen Sie die grundlegenden Konzepte der Verwendung generativer KI für die Cybersicherheit kennen und erfahren, wie Sie Techniken generativer KI auf reale Szenarien anwenden, darunter UBEA, Bedrohungsinformationen, Berichtszusammenfassung und Playbooks, und deren Auswirkungen und Schwachstellen bewerten.

Generative KI für Dateningenieure

Hyperlink: Generative KI für Dateningenieure

Als Dateningenieur drehen sich Ihre Aufgaben und Verantwortlichkeiten um die effiziente Datenerfassung, -generierung, -transformation und -speicherung. Mithilfe von generativem A können Sie Instruments verwenden, die jede der Datentechnikaufgaben in einer ETL-Pipeline effizienter, effektiver und komfortabler gestalten können.

Dieser IBM-Spezialisierungskurs richtet sich nicht nur an Dateningenieure, sondern an alle, die sich für den Einsatz generativer KI im Daten-Engineering interessieren. In drei Kursen im eigenen Tempo lernen Sie zunächst die Unterschiede zwischen generativer und diskriminativer KI kennen. Sie vertiefen sich in reale Anwendungsfälle generativer KI und erkunden beliebte Modelle und Instruments generativer KI für die Generierung von Textual content, Code, Bildern, Audio und Video. Und nicht zuletzt lernen Sie Immediate-Techniken wie Zero-Shot und Few-Shot kennen und erkunden verschiedene Immediate-Engineering-Ansätze und häufig verwendete Immediate-Engineering-Instruments wie IBM Watsonx, Immediate Lab, Spellbook und Mud.

Generative KI für Softwareentwickler

Hyperlink: Generative KI für Softwareentwickler

Heutzutage können Sie als Softwareentwickler von dieser revolutionären Technologie der generativen KI in vielerlei Hinsicht profitieren, zum Beispiel durch das Schreiben von qualitativ hochwertigem Code mit weniger Fehlern. Generative KI für Softwareentwickler steigert nachweislich deren allgemeine Effektivität und Effizienz – was generative KI zu einer unverzichtbaren und unverzichtbaren Fähigkeit für Softwareentwickler macht.

Dieser IBM-Spezialisierungskurs richtet sich an Personen im Softwareentwicklungssektor, die die Leistungsfähigkeit generativer KI in ihrem täglichen Arbeitsablauf nutzen möchten. Er richtet sich jedoch nicht nur an Softwareentwickler, sondern auch an bestehende und angehende Webentwickler, Entwickler mobiler Apps, Frontend-Entwickler, Backend-Entwickler, Full-Stack-Entwickler, DevOps-Experten und Website Reliability Engineers (SREs).

In dieser Spezialisierung beginnen Sie mit den Grundlagen der generativen KI, einschließlich ihrer Verwendungsmöglichkeiten, Modelle und Instruments zur Generierung von Textual content, Code, Bildern, Audio und Video. Fahren Sie mit dem Immediate Engineering fort und erkunden Sie verschiedene Immediate-Engineering-Ansätze und Immediate-Engineering-Instruments, darunter IBM Watsonx, Immediate Lab, Spellbook und Mud.

Generative KI für Produktmanager

Hyperlink: Generative KI für Produktmanager

Benötigen Sie Unterstützung bei der Entwicklung, Markteinführung und Auslieferung Ihrer Produkte? Als Produktmanager können Sie generative KI nutzen, um einige Ihrer Aufgaben abzugeben. Ob es sich um die Automatisierung von Aufgaben oder die Personalisierung der Benutzererfahrung handelt, generative KI kann bei Design und Entwicklung in der Produktpipeline helfen.

Diese IBM-Spezialisierung hilft Produktmanagern, egal ob sie neu oder erfahren sind, sich mit generativer KI vertraut zu machen und Erkenntnisse darüber zu gewinnen, wie sie diese Technologie zu ihrem Vorteil nutzen können. Sie lernen zunächst, wie man generative KI von diskriminativer KI unterscheidet, und vertiefen sich dann in reale Anwendungsfälle generativer KI und erkunden beliebte Modelle generativer KI.

Anschließend beherrschen Sie generative KI-Immediate-Engineering-Konzepte für reale Geschäftsanwendungen. Erfahren Sie mehr über Immediate-Techniken wie Zero-Shot und Few-Shot, verschiedene Immediate-Engineering-Ansätze und Instruments wie IBM Watsonx und Spellbook. Zu guter Letzt erkunden Sie spezifische generative KI-Techniken und -Prozesse, mit denen Produktmanager bessere Produkte in kürzerer Zeit liefern können.

Einpacken

5 verschiedene Spezialisierungskurse für 5 verschiedene Berufe. Obwohl der Inhalt dieser Spezialisierungskurse sehr ähnlich ist, liegt der Hauptunterschied darin, wie sie auf die jeweilige Berufsbezeichnung zugeschnitten sind, um sicherzustellen, dass Sie als Lernender den größtmöglichen Nutzen daraus ziehen und ihn in Ihrem täglichen Arbeitsablauf anwenden können.

Nisha Arya ist Datenwissenschaftlerin, freiberufliche technische Redakteurin und Redakteurin und Group-Managerin für KDnuggets. Sie ist besonders daran interessiert, Karriereberatung oder Tutorials für die Datenwissenschaft sowie theoriebasiertes Wissen rund um die Datenwissenschaft bereitzustellen. Nisha deckt ein breites Themenspektrum ab und möchte die verschiedenen Möglichkeiten erkunden, wie künstliche Intelligenz die Langlebigkeit des menschlichen Lebens verbessern kann. Als eifrige Lernerin möchte Nisha ihr technisches Wissen und ihre Schreibfähigkeiten erweitern und gleichzeitig anderen helfen, Anleitung zu geben.