ميزات تعلّم الآلة في Oracle AI Database
التعلم الآلي في Oracle Autonomous AI Database
أدلة التعلم الآلي
يمكنك زيادة إنتاجيتك، سواء كنت عالم بيانات أو مهندس بيانات أو مطورًا. تدعم Oracle Machine Learning Notebooks لغات SQL وPL/SQL وPython وR وConda ومُفسري markdown، حتى تتمكن من العمل باستخدام لغتك المفضلة إلى جانب التعلُّم الآلي المُضمن في قاعدة البيانات وحزم الجهات الخارجية المُخصصة لتطوير الحلول التحليلية. يمكنك التعاون مع فريق علم البيانات الأوسع لديك وجدولة دفاتر الملاحظات لتشغيلها تلقائيًا وتمثيل بياناتك بصورة مرئية وإصدار دفاتر الملاحظات ومقارنتها ببيئة دفاتر الملاحظات المُدمجة هذه.
- Oالوثائق الأساسية المتعلقة بـ Oracle Machine Learning Notebooks
- استخدام Oracle Machine Learning Notebooks مع وثائق قاعدة بيانات الذكاء الاصطناعي الذاتية
خدمات التعلم الآلي
قلل من الوقت اللازم لنشر النماذج الأصلية وإدارتها داخل قاعدة البيانات ونماذج تنسيق Open Neural Network Exchange (ONNX) في بيئة Oracle Autonomous AI Database. يستخدم مطورو التطبيقات النماذج من خلال نقاط انتهاء REST سهلة التكامل. راقب بياناتك والنماذج داخل قاعدة البيانات للمساعدة في ضمان السلامة والدقة المتواصلة. انشر النماذج بسرعة وسهولة من خلال واجهات مستخدم Oracle Machine Learning AutoML وواجهة المستخدم للنماذج، وادعم الجوانب الرئيسية لمتطلبات MLOps الخاصة بك.
- واجهة برمجة تطبيقات REST لخدمات Oracle Machine Learning
- وثائق خدمات Oracle Machine Learning
- وثائق مراقبة البيانات
- وثائق مراقبة نموذج التعلم الآلي
- العمل باستخدام وظيفة النص المعرفي
- أمثلة في مستودع GitHub
مراقبة التعلُّم الآلي
احصل على رؤى حول طريقة تطور بيانات مؤسستك بمرور الوقت واتخاذ الإجراءات التصحيحية في أقرب وقت ممكن لتجنب مشكلات البيانات التي قد يكون لها تأثير سلبي كبير على المؤسسة. تساعدك مراقبة البيانات على ضمان تكامل البيانات لتطبيقات المؤسسة ولوحات المعلومات لديك. حدد انحراف البيانات بسرعة وموثوقية وتفهم أعمدة البيانات الفردية وتفاعلاتها. تساعد مراقبة النماذج على تحديد الوقت الذي يتغير فيه مقياس النموذج، مثل الدقة أو مُعامل R-squared، بشكل كبير — أو عندما ينحرف توزيع القيم المتوقعة كثيرًا عن القيم الأولية. قد يشير هذا إلى الحاجة إلى إعادة إنشاء نموذجك أو إعادة تصميمه. توفر واجهة مستخدم مراقبة النماذج والبيانات دون تعليمات برمجية تصورات ومقاييس متعددة لمساعدتك على تقييم مشكلات الجودة.
- الوثائق الرئيسية حول مراقبة Oracle Machine Learning
- وثائق مراقبة بيانات Oracle Machine Learning
- وثائق مراقبة نماذج Oracle Machine Learning
التعلم الآلي لـ SQL
يمكنك تبسيط إنشاء نماذج التعلُّم الآلي داخل قاعدة البيانات وتسريع العملية بواسطة علماء البيانات والمستخدمين غير الخبراء باستخدام SQL وPL/SQL لإعداد البيانات وإنشاء النماذج وتقييمها ونشرها.
واجهة مستخدم Machine Learning AutoML
تدعم واجهة مستخدم دون تعليمات برمجية AutoML على Oracle Autonomous AI Database لزيادة إنتاجية عالم البيانات ووصول المستخدمين غير الخبراء إلى خوارزميات قوية في قاعدة البيانات للتصنيف والانحدار. يمكنك إجراء تجارب سريعة باستخدام البيانات والخوارزميات والمعلمات الفائقة للاستكشاف بشكل أسرع. يمكنك نشر النماذج على الفور من خلال استعلامات SQL أو إلى Oracle Machine Learning Services باعتبارها نقاط نهاية REST لتحقيق التكامل السلس باستخدام التطبيقات والتسجيل في الوقت الفعلي. يمكنك إنشاء دفاتر ملاحظات للنماذج المُحدّدة، مما يسمح للمستخدمين بتحسين النماذج وتخصيصها على نحوٍ أكبر داخل Oracle Machine Learning Notebooks.
التعلم الآلي للغة R
تسريع نمذجة التعلم الآلي باستخدام Oracle Autonomous AI Database كمنصة حوسبة عالية الأداء مع واجهة R. يمكنك استخدام Oracle Machine Learning Notebooks أو R integrated development environment (IDE) المُفضل لديك لتطوير حلول قابلة للتوسع وقائمة على التعلُّم الآلي بلغة R وإنشاء بيئات Conda باستخدام حزم الجهات الخارجية. نشر وظائف R المُحددة بواسطة المستخدم بسهولة من واجهات برمجة تطبيقات SQL وREST باستخدام توازي البيانات المقدمة بواسطة النظام وتوازي المهام.
التعلم الآلي لـ Python
يعمل علماء البيانات ومستخدمو Python الآخرين على تسريع نمذجة التعلم الآلي ونشر الحلول باستخدام Oracle Autonomous AI Database كمنصة حوسبة عالية الأداء مع واجهة Python. استخدم Oracle Machine Learning Notebooks أو Python IDE المُفضلة لديك لتطوير حلول قابلة للتوسع وقائمة على التعلُّم الآلي بلغة Python، تلك المتاحة من Linux وWindows. استخدم AutoML المُدمج الذي يوصي بالخوارزميات والميزات ذات الصلة الموجودة في قاعدة البيانات ويضبط النموذج ويحدده تلقائيًا. قم بتحويل نماذج التضمين من تنسيق Hugging Face إلى ONNX للاستخدام مع وقت تشغيل ONNX داخل قاعدة البيانات.
التنقيب عن البيانات
يمكن لعلماء البيانات ومحللي البيانات استخدام واجهة المستخدم هذه السحب والإفلات لإنشاء مهام سير العمل التحليلية بسرعة داخل Oracle SQL Developer. يتيح تطوير النماذج وتنقيحها السريع للمستخدمين اكتشاف الأنماط والعلاقات والرؤى المخفية في بياناتهم.
تعلم الآلة في Oracle AI Database
التعلم الآلي لـ SQL
يمكنك تبسيط إنشاء نماذج التعلُّم الآلي داخل قاعدة البيانات وتسريع العملية بواسطة علماء البيانات والمستخدمين غير الخبراء باستخدام SQL وPL/SQL لإعداد البيانات وإنشاء النماذج وتقييمها ونشرها.
التنقيب عن البيانات
يمكن لعلماء البيانات ومحللي البيانات استخدام واجهة المستخدم هذه السحب والإفلات لإنشاء مهام سير العمل التحليلية بسرعة داخل Oracle SQL Developer. يتيح تطوير النماذج وتنقيحها السريع للمستخدمين اكتشاف الأنماط والعلاقات والرؤى المخفية في بياناتهم.
التعلم الآلي للغة R
تسريع نمذجة التعلم الآلي باستخدام Oracle AI Database كمنصة حوسبة عالية الأداء مع واجهة R. نشر وظائف R المُحددة بواسطة المستخدم بسهولة من واجهات برمجة تطبيقات SQL وR باستخدام توازي البيانات المقدمة بواسطة النظام وتوازي المهام. يمكن أن تتضمن وظائف R المحددة بواسطة المستخدم وظائف من النظام البيئي لحزمة R.
- تثبيت Oracle Machine Learning لـ R
- موجز فني (PDF)
- وثائق Oracle Machine Learning للغة R
- GitHub المستودع
التعلم الآلي لـ Python
تسريع نمذجة التعلم الآلي ونشر الحلول باستخدام Oracle AI Database باعتبارها منصة حوسبة عالية الأداء مع واجهة Python. استخدم لغة Python IDE المُفضلة لديك لتطوير حلول قابلة للتوسع قائمة على التعلم الآلي في Python، والمتاحة من Linux وWindows. استخدم AutoML المُدمج الذي يوصي بالخوارزميات والميزات ذات الصلة الموجودة في قاعدة البيانات ويضبط النموذج ويحدده تلقائيًا. نشر دوال Python المُحددة بواسطة المستخدم بسهولة من واجهات برمجة تطبيقات SQL وPython باستخدام توازي البيانات المقدمة بواسطة النظام وتوازي المهام. يمكن أن تشتمل دوال Python المحددة بواسطة المستخدم على دوال من النظام البيئي لحزمة Python. قم بتحويل نماذج التضمين من تنسيق Hugging Face إلى ONNX للاستخدام مع وقت تشغيل ONNX داخل قاعدة البيانات.
التعلم الآلي المؤتمت (AutoML)
واجهة مستخدم Machine Learning AutoML
تدعم واجهة مستخدم دون تعليمات برمجية AutoML على Oracle Autonomous AI Database لزيادة إنتاجية عالم البيانات ووصول المستخدمين غير الخبراء إلى خوارزميات قوية في قاعدة البيانات للتصنيف والانحدار. يمكنك إجراء تجارب سريعة باستخدام البيانات والخوارزميات والمعلمات الفائقة للاستكشاف بشكل أسرع. يمكنك نشر النماذج على الفور من خلال استعلامات SQL أو إلى Oracle Machine Learning Services باعتبارها نقاط نهاية REST لتحقيق التكامل السلس باستخدام التطبيقات والتسجيل في الوقت الفعلي. يمكنك إنشاء دفاتر ملاحظات للنماذج المُحدّدة، مما يسمح للمستخدمين بتحسين النماذج وتخصيصها على نحوٍ أكبر داخل Oracle Machine Learning Notebooks.
التعلم الآلي لـ Python
يعمل علماء البيانات ومستخدمو Python الآخرين على تسريع نمذجة التعلم الآلي ونشر الحلول باستخدام Oracle Autonomous AI Database وOracle AI Database باعتبارها منصة حوسبة عالية الأداء مع واجهة Python. يوصي AutoML المُدمج بالخوارزميات والميزات ذات الصلة الموجودة في قاعدة البيانات ويضبط النموذج ويحدده تلقائيًا. تعمل هذه الإمكانات معًا على تحسين إنتاجية المستخدم ودقة النموذج وقابلية التوسع.
واجهات مستخدم بدون تعليمات برمجية
واجهة مستخدم Machine Learning AutoML
تدعم واجهة مستخدم دون تعليمات برمجية AutoML على Oracle Autonomous AI Database لزيادة إنتاجية عالم البيانات ووصول المستخدمين غير الخبراء إلى خوارزميات قوية في قاعدة البيانات للتصنيف والانحدار. يمكنك إجراء تجارب سريعة باستخدام البيانات والخوارزميات والمعلمات الفائقة للاستكشاف بشكل أسرع. يمكنك نشر النماذج على الفور من خلال استعلامات SQL أو إلى Oracle Machine Learning Services باعتبارها نقاط نهاية REST لتحقيق التكامل السلس باستخدام التطبيقات والتسجيل في الوقت الفعلي. يمكنك إنشاء دفاتر ملاحظات للنماذج المُحدّدة، مما يسمح للمستخدمين بتحسين النماذج وتخصيصها على نحوٍ أكبر داخل Oracle Machine Learning Notebooks.
مراقبة التعلُّم الآلي
احصل على رؤى حول طريقة تطور بيانات مؤسستك بمرور الوقت واتخاذ الإجراءات التصحيحية في أقرب وقت ممكن لتجنب مشكلات البيانات التي قد يكون لها تأثير سلبي كبير على المؤسسة. تساعدك مراقبة البيانات على ضمان تكامل البيانات لتطبيقات المؤسسة ولوحات المعلومات. حدد انحراف البيانات بسرعة وموثوقية وتفهم أعمدة البيانات الفردية وتفاعلاتها. تساعد مراقبة النماذج على تحديد الوقت الذي يتغير فيه مقياس النموذج، مثل الدقة أو مُعامل R-squared، بشكل كبير — أو عندما ينحرف توزيع القيم المتوقعة كثيرًا عن القيم الأولية. قد يشير هذا إلى الحاجة إلى إعادة إنشاء نموذجك أو إعادة تصميمه. توفر واجهة مستخدم مراقبة النماذج والبيانات دون تعليمات برمجية تصورات ومقاييس متعددة لمساعدة المُستخدمين في تقييم مشكلات الجودة.
- الوثائق الرئيسية حول مراقبة Oracle Machine Learning
- وثائق مراقبة بيانات Oracle Machine Learning
- وثائق مراقبة نماذج Oracle Machine Learning
التنقيب عن البيانات
يمكن لعلماء البيانات ومحللي البيانات استخدام واجهة المستخدم هذه السحب والإفلات لإنشاء مهام سير العمل التحليلية بسرعة داخل Oracle SQL Developer. يتيح تطوير النماذج وتنقيحها السريع للمستخدمين اكتشاف الأنماط والعلاقات والرؤى المخفية في بياناتهم.