خدمة علوم البيانات
تُعد Oracle Cloud Infrastructure (OCI) Data Science منصة مُدارة بالكامل لفرق من علماء البيانات لإنشاء نماذج التعلم الآلي والتدريب عليها ونشرها وإدارتها باستخدام Python والأدوات مفتوحة المصدر. استخدم بيئة مستندة إلى JupyterLab لتجربة النماذج وتطويرها. توسيع نطاق تدريب النماذج باستخدام وحدات معالجة الرسومات NVIDIA والتدريب الموزَّع. إنتاج النماذج والحفاظ على سلامتها باستخدام إمكانات MLOps، مثل المسارات المؤتمتة وعمليات نشر النماذج ومراقبة النماذج.
يعد بناء نموذج التعلم الآلي عملية تكرارية. تعرّف على كل خطوة، بدءًا من جمع البيانات وحتى نشر النماذج ومراقبتها.
اكتشف كيفية تطوير نموذج استثمار استراتيجي لتوسيع نطاق الذكاء الاصطناعي. يوضح تقرير Gartner هذا التوصيات الخاصة بالمزيج الصحيح من الاستثمار في الذكاء الاصطناعي ويوفر صيغة لحساب العائد على الاستثمار.
أصبح الذكاء الاصطناعي متكاملًا بشكل سريع عبر وظائف الأعمال. تستكشف IDC أفضل الممارسات والتوصيات الخاصة بالذكاء الاصطناعي للمؤسسات.
لماذا علوم بيانات OCI؟
-
علوم البيانات عالية الأداء
تمتع بإمكانية الوصول إلى عمليات سير العمل المؤتمتة لإنشاء النماذج. تشغيل التعلم الآلي بسهولة أكبر باستخدام الوظائف القابلة لإعادة الاستخدام والتنسيق الشامل لدورة حياة التعلم الآلي. تشغيل أحمال العمل الموزَّعة عالية الأداء مع الوصول إلى وحدات معالجة الرسومات (GPU) الأقل تكلفة.
-
منصة مفتوحة
توقع أفضل ما في التعلم الآلي على Oracle من خلال الشراكات الرئيسة، مثل Anaconda. اجلب النماذج والبيانات والرموز بالتنسيق الذي تحتاجه.
-
أفضل دعم في فئته
استفد من معالجة النقاط البيضاء لشراكات التعلم الآلي الاستراتيجية. لدى Oracle علماء بيانات بين موظفيها، مكرسين لضمان نجاح مؤسستك.
الشراكات وقصص نجاح عملاء علم البيانات
حالات استخدام علوم البيانات
-
الرعاية الصحية: مخاطر إعادة إدخال المريض
تحديد عوامل الخطر وتوقع مخاطر إعادة إدخال المريض بعد خروجه من خلال إنشاء نموذج تنبئي. استخدم البيانات، مثل التاريخ الطبي للمريض والظروف الصحية والعوامل البيئية والاتجاهات الطبية التاريخية، لإنشاء نموذج أقوى يساعد على توفير أفضل رعاية بتكلفة أقل.
-
البيع بالتجزئة: توقُّع قيمة بقاء العميل
استخدام تقنيات الانحدار في البيانات للتنبؤ بإنفاق العملاء في المستقبل. دراسة المعاملات السابقة ودمج بيانات العملاء التاريخية مع المزيد من البيانات حول الاتجاهات ومستويات الدخل—حتى العوامل مثل الطقس—لإنشاء نماذج التعلم الآلي التي تحدد إذا كان سيتم إنشاء حملات تسويقية للحفاظ على العملاء الحاليين أو لاكتساب عملاء جُدد.
-
التصنيع: الصيانة التنبؤية
إنشاء نماذج الكشف عن أوجه الخلل من بيانات المستشعر لتسجيل أعطال المعدات قبل أن تصبح مشكلة أكثر حدة أو استخدم نماذج التقدير للتنبؤ بنهاية العمر الافتراضي لقطع الغيار والآلات. زيادة وقت تشغيل المركبات والآلات من خلال مقاييس عمليات التعلم الآلي والمراقبة.
الإدارة المالية: اكتشاف الاحتيال
منع الاحتيال والجرائم المالية باستخدام علوم البيانات. إنشاء نموذج تعلم آلي يمكنها تحديد الأحداث الشاذة في الوقت الفعلي، بما في ذلك المبالغ الوهمية أو أنواع المعاملات غير العادية.
الحصول على نماذج التعلم الآلي للإنتاج وأكثر من ذلك باستخدام MLOps في OCI
تسفي كيسار، كبير مديري المنتجات الرئيسين
تُمثل نماذج التدريب لإنشاء تنبؤات دقيقة مهمة معقدة وتتطلب خبرة واسعة في مجال علوم البيانات. مع ذلك، حتى بعد بناء النموذج، لم تنته الرحلة. لديك مهمة أخرى مهمة للقيام بها: الوصول إلى النموذج لإنشاء تنبؤات حول البيانات الجديدة في الحياة الحقيقية، وتثسمى غالبا"تصنيع النماذج". تتسم هذه المهمة بقدر من التعقيد مثل إنشاء النموذج. في الواقع، ربما تكون قد قرأت مقالات عن النسبة المئوية المذهلة لمشروعات الذكاء الاصطناعي التي تفشل عند محاولة النشر في الإنتاج.
اقرأ المنشور الكامل