Es tut uns leid. Wir konnten keine Übereinstimmung für Ihre Suche finden.

Beachten Sie die folgenden Tipps, um das Gesuchte zu finden:

  • Prüfen Sie die Schreibweise des Suchbegriffs.
  • Verwenden Sie Synonyme für das eingegebene Stichwort, z. B. „Anwendung“ statt „Software“.
  • Beginnen Sie eine neue Suche.
Kontaktieren Sie uns Bei Oracle Cloud anmelden

Virtuelle Maschinen für Data Science

Um mit der sprunghafen Zunahme von Geschäftsdaten, angefangen von Kundendaten bis zum Internet of Things, Schritt halten zu können, muss Datenwissenschaftlern die Flexibilität gegeben werden, Datenmodelle schnell analysieren und erstellen zu können. Aber die durch die Anschaffung neuer Hardware zur Deckung vorübergehender Nachfragespitzen oder des Bedarfs zu Spitzenzeiten entstehenden Kapitalkosten und der damit verbundene Zeitaufwand, können beträchtlich sein.

Oracle Cloud Infrastructure Virtual Machines (VMs) für Data Science bieten vorkonfigurierte Umgebungen, die es Ihnen ermöglichen, Datenmodelle zu erstellen und so schneller geschäftlichen Nutzen für Ihr Unternehmen zu erzielen. Diese auf der Oracle Cloud Infrastructure basierenden VMs bieten überragende Leistung, Sicherheit und Kontrolle. Sie können Ihre Rechenressourcen nach Bedarf anhand der automatischen Compute-Skalierung erweitern und die Kosten unter Kontrolle halten, indem Sie Compute-Instanzen stoppen, wenn sie nicht benötigt werden.

Zu den Rechneroptionen, die für dieses VM-Image geeignet sind gehört eine virtuelle Maschine mit einer NVIDIA-GPU, mit vorinstallierten integrierten Entwicklungsumgebungen (IDEs), Notebooks und Frameworks, die in weniger als 15 Minuten einsatzbereit sein kann. Oracle Cloud Infrastructure VMs für Data Science umfassen grundlegende Beispieldaten und Code zum Testen und Erkunden.

Ein wichtiger Mobilfunkanbieter nutzt eine auf Oracle Cloud Infrastructure basierende KI-Lösung zur Leistungsverbesserung

Ein großer Mobilnetzbetreiber bietet mit Erfolg Millionen von Benutzern einen KI-gesteuerten virtuellen Sprachassistenten in mehreren Sprachen. Die Umgebung verwendet ein Cluster mit 2 Knoten mit jeweils 8 GPUs, der als ein Cluster mit 16 GPUs und 768 GB Speicher in jedem Knoten verbunden ist, wodurch sich die Anlernzeit des Modells erheblich verkürzt.

Die Anzahl der trainierbaren Parameter der Lösung beträgt 100 Millionen. Diese Parameter werden in jeder Iteration optimiert. Als Ergebnis kann unter anderem eine 2,4-fache Steigerung der Verarbeitungsleistung von Sprache zu Text und eine um 30 bis 50 Prozent schnellere Verarbeitungsleistung von Sprache zu Sprache, sowie die schnellere Schulung der Modelle verzeichnet werden.

Anwendungsfälle

Die vorkonfigurierte Umgebung von Oracle für Deep Learning eignet sich in vielen Branchen für eine Vielzahl von Anwendungen.

  • Natural Language Processing

  • Bilderkennung und Klassifizierung

  • Betrugserkennung für Finanzdienstleistungen

  • REs für Online-Einzelhändler

  • Risikomanagement