IBM® Machine Learning for z/OS(MLz)는 IBM® Z에서 실행되는 엔터프라이즈 머신 러닝 솔루션입니다. 웹 사용자 인터페이스(UI), 다양한 API, 웹 관리 대시보드를 제공하며, 모델 개발 및 배포, 사용자 관리 및 시스템 관리를 위한 강력하고 사용하기 쉬운 도구 제품군이 포함되어 있습니다.
머신 러닝 및 딥 러닝 모델을 z/OS 애플리케이션에 도입하여 대규모로 실시간 비즈니스 인사이트를 제공합니다. 모델을 쉽게 가져오고, 배포하고, 모니터링하여 모든 트랜잭션에서 가치를 창출하고, 운영 SLA를 유지하면서 기업의 새로운 성과를 이끌어냅니다.
유연성을 높이기 위해 Machine Learning for z/OS에는 다음과 같은 두 가지 에디션이 포함되어 있습니다.
- IBM Machine Learning for IBM z/OS Enterprise Edition: 향상된 스코어링 성능, 새 버전의 Spark 및 Python 머신 러닝 런타임과 같은 많은 사용 편의성 향상 기능을 제공하며 GUI 안내 구성 도구 등이 포함되어 있습니다.
- IBM Machine Learning for IBM z/OS Core Edition: IBM Z의 온라인 스코어링 기능을 포함하여 머신 러닝 운영을 위한 REST-API 기반 필수 서비스를 제공하는 WMLz의 경량 버전입니다.
모든 IBM MLz 에디션은 독립형 솔루션으로 실행하거나 확장 가능한 플랫폼으로 엔터프라이즈 AI 기능에 통합할 수 있습니다.
MLz에서 기본적으로 액세스할 수 있는 AI 추론에 대한 시각화된 설명
MLz Core
MLz Enterprise
IBM® z16 및 Telum AIU의 성능을 극대화하세요. 각각 딥 러닝 모델을 사용하는 거래 중 사기 탐지 추론 작업을 통해 6ms의 응답 시간1으로 초당 최대 228,000건의 z/OS CICS 신용 카드 거래를 처리합니다.
추론 요청과 함께 애플리케이션을 같은 위치에 배치하면 네트워크 대기 시간으로 인한 지연을 최소화할 수 있습니다. 평균 네트워크 대기 시간이 60ms인 비교 x86 클라우드 서버에 동일한 추론 요청을 보내는 것과 대비하여 최대 20배 더 낮은 응답 시간과 최대 19배 더 높은 처리량을 제공합니다.2
설명 가능성과 같은 신뢰할 수 있는 AI 기능을 활용하고 모델의 드리프트, 공정성 또는 편향 감지 및 견고성을 실시간으로 모니터링하여 미션 크리티컬 워크로드를 위한 AI 모델을 z/OS에서 자신 있게 개발하고 배포할 수 있습니다.
버전 3.1 업데이트를 통해 MLz는 Enterprise Edition과 Core Edition이라는 두 가지 새로운 제품을 도입하여 클라이언트와 솔루션 제공업체에 더 많은 유연성을 제공합니다.
향상된 스코어링 성능, 새 버전의 Spark 및 Python 머신 러닝 런타임을 제공하며 GUI 안내 구성 도구 등이 포함된 Enhanced 에디션입니다.
IBM Z의 온라인 스코어링 기능을 포함하여 머신 러닝 운영을 위한 REST-API 기반의 필수 서비스를 제공하는 WMLz의 경량 버전입니다.
GUI 구성
UI(모델 관리 및 배포용, 관리자 대시보드)
리포지토리 데이터베이스(기본 제공 및 Db2 for z/OS)
AI 모델 트레이닝 도구(통합 Jupyter Notebook)
Spark ML 런타임
Python ML 런타임
SparkML 및 PMML 스코어링 런타임
Python 및 ONNX 스코어링 런타임
추론 서비스 – RESTful 인터페이스
추론 서비스 – 기본 인터페이스
통합된 거래 내 스코어링(CICS 및 IMS 앱)
Machine Learning for z/OS는 IBM 독점 기술과 오픈 소스 기술을 모두 사용하며 필수 하드웨어 및 소프트웨어가 필요합니다.
- z16, z15, z14, z13 또는 zEnterprise EC12 시스템
- z/OS 3.1, 2.5 또는 2.4
- IBM 64-bit SDK for z/OS Java Technology Edition 버전 8 SR7, 11.0.17 이상
- IBM WebSphere Application Server for z/OS Liberty 버전 22.0.0.9 이상
- Db2 for z/OS 이상 버전(Db2 for z/OS를 리포지토리 메타데이터 데이터베이스로 선택한 경우에만 해당)
메인프레임의 장점과 클라우드의 혁신을 활용합니다.
로그 및 메트릭 데이터 모두에서 이상 징후를 감지하여 운영 문제를 식별하고 비용이 많이 드는 인시던트를 방지합니다.
오늘날의 AI 및 ML 워크로드를 지원하는 관련 오픈 소스 소프트웨어 라이브러리에 액세스하세요.
보안이 강화되고 확장 가능한 운영 체제를 활용하여 미션 크리티컬 애플리케이션을 실행합니다.
성능과 비즈니스 결과를 개선하는 동시에 가용성, 보안 및 복원력을 개선합니다.
IBM Z의 제어 및 보안 하에 실시간 인사이트를 위한 고속 데이터 분석을 확보하세요.
AI가 유용성을 높이고 운영 성능을 개선하며 IBM® Db2® 시스템의 상태를 유지하는 방법을 알아보세요.
각주
1 면책 조항: 성능 결과는 IBM z16에서 추론 작업을 통해 CICS 신용 카드 거래 워크로드를 실행하는 IBM 내부 테스트에서 추정됩니다. 6개의 CP와 256GB의 메모리로 구성된 z/OS V2R4 LPAR이 사용되었습니다. 추론은 WebSphere Application Server Liberty 21.0.0.12에서 실행되는 Machine Learning for z/OS 2.4에서 합성 신용 카드 사기 탐지 모델(https://github.com/IBM/ai-on-z-fraud-Detection)과 Integrated Accelerator for AI를 사용하여 수행되었습니다. 8개의 추론 작업 크기로 Machine Learning for z/OS에서 서버 측 일괄 처리가 활성화되었습니다. 벤치마크는 추론 작업을 수행하는 48개의 스레드로 실행되었습니다. 결과는 200CP와 40TB 스토리지로 완전히 구성된 IBM z16을 나타냅니다. 결과는 경우에 따라 다를 수 있습니다.
2 고지 사항: 성능 결과는 IBM z16에서 실행되는 거래 중 사기 탐지 기능을 갖춘 IBM 내부 CICS OLTP 신용 카드 워크로드를 기반으로 합니다. 측정은 Integrated Accelerator for AI를 사용하거나 사용하지 않고 수행되었습니다. 12개의 CP와 24개의 zIIP 및 256GB 메모리로 구성된 z/OS V2R4 LPAR이 사용되었습니다. 추론은 WebSphere Application Server Liberty 21.0.0.12에서 실행되는 Machine Learning for z/OS 2.4에서 합성 신용 카드 사기 탐지 모델(https://github.com/IBM/ai-on-z-fraud-detection)을 사용하여 수행되었습니다. 8개의 추론 작업 크기로 Machine Learning for z/OS에서 서버 측 일괄 처리가 활성화되었습니다. 결과는 경우에 따라 다를 수 있습니다.