Ihre Suche ergab keine Treffer.
Beachten Sie die folgenden Tipps, um das Gesuchte zu finden:
Die Oracle Cloud Data Science-Plattform verfügt über sieben neue Dienste, mit dem Oracle Cloud Infrastructure Data Science-Dienst als wichtigstes Element. Oracle Cloud Infrastructure Data Science soll Unternehmen dabei helfen, Modelle für maschinelles Lernen zu erstellen, zu trainieren, zu verwalten und bereitzustellen, um die gemeinsamen Erfolge in der Zusammenarbeit bei Data Science-Projekten zu steigern. Unernehmen heutzutage hinken oftmals hinterher, wenn es um das Transformationspotenzial von Daten geht. Sie besitzen oft nicht den Zugriff, die richtigen Tools und die Fähigkeit, effektive Modelle für maschinelles Lernen bereitzustellen.
“Der Erfolg dieses Pojekts hängt davon ab, wie erfolgreich ein kontinuierlicher und immer größer werdender Fluss von Eingabedaten verwaltet werden kann und wie gut unsere KI-gestützte Lösung Daten zur Nutzung für Präzisions- und Entscheidungslandwirtschaft in großem Maßstab verarbeiten kann. Dank der Geschwindigkeit, Skalierbarkeit und Beweglichkeit der Oracle Cloud konnten wir unsere Vision in die Realität umsetzen. Mit der kürzlich hinzugefügten Oracle Cloud Infrastructure für Data Science haben sich unseren Datenwissenschaftlern neue Möglichkeiten eröffnet ihre Fähigkeiten zu nutzen, um gemeinsam Modelle für maschinelles Lernen zu erstellen, zu trainieren und bereitzustellen.”
Simcha Shore, Gründer und CEO von AgroScout
Die Oracle Cloud Data Science-Plattform umfasst sieben neue Services, die ein umfassende End-to-End-Erlebnis zur Beschleunigung und Verbesserung von Geschäftsentscheidungen bieten.
Ermöglicht Benutzern das Erstellen, Trainieren und Verwalten neuer Modelle für maschinelles Lernen in der Oracle Cloud mithilfe von Python und anderen Open-Source-Tools und -Bibliotheken, einschließlich TensorFlow, Keras und Jupyter.
Bietet leistungsstarke neue Funktionen für maschinelles Lernen, die eng in die Oracle Autonomous Database integriert sind und seit neuestem auch Unterstützung für Python ermöglicht. Durch die bevorstehende Integration mit Oracle Cloud Infrastructure für Data Science können Datenwissenschaftler Modelle entwickeln, die sowohl Open Source- als auch skalierbare datenbankinterne Algorithmen verwenden. Durch das Einbringen von Algorithmen in die Daten in der Oracle Datenbank können Datenvorbereitung und Datenbewegung beschleunigt und die Zeit bis zur Auswertung von Ergebnissen verkürzt werden.
Ermöglicht Benutzern das Erkennen, Suchen, Organisieren, Anreichern und Verfolgen von Datenbeständen in der Oracle Cloud. Das in den Oracle Cloud Infrastructure Datenkatalog integrierte Business-Glossar erleichtert das Sammeln, Auswerten und Erkennen der richtigen, vertrauenswürdigen Daten.
Bietet eine vollständige Cloudera Hadoop-Implementierung mit einer erheblich einfacheren Verwaltung als andere Hadoop-Angebote. Es beinhaltet zum Beispiel die Möglichkeit mit nur einem Klick Cluster verfügbar zu machen oder Sicherheitsmaßnahmen zu implementieren. Der Oracle Big Data-Service umfasst auch maschinelles Lernen für Spark. Unternehmen können so In-Memory-ML von Spark mit nur einem einzigen Produkt und minimaler Datenbewegung verwenden.
Aktiviert SQL-Abfragen für Daten in HDFS, Hive, Kafka, NoSQL und Object Storage. Nur Cloud SQL ermöglicht es jedem Nutzer-, Anwendungs- oder Analysetool, das mit Oracle-Datenbanken kommunizieren kann, transparent mit Daten in anderen Datenspeichern zu arbeiten. Ein wichtiger Vorteil von Cloud SQL ist die Push-Down- und Scale-Out-Verarbeitung zur Minimierung von Datenbewegungen.
Ein vollständig verwalteter Big Data-Dienst, mit dem Benutzer Apache Spark-Anwendungen ohne extra Infrastruktur ausführen können, sodass Unternehmen Big Data- und KI-Anwendungen schneller bereitstellen können. Im Gegensatz zu anderen konkurrierenden Hadoop- und Spark-Diensten enthält Oracle Cloud Infrastructure Data Flow ein einziges Display zum Überwachen aller Spark-Jobs. So können teure Aufgaben einfach identifiziert oder Fehler einfach behandelt werden.
Vorkonfigurierte, GPU-basierte Umgebungen mit gängigen IDEs, Notebooks und Frameworks, die in weniger als 15 Minuten für 30 US-Dollar pro Tag betriebsbereit sind.
Maschinelles Lernen (ML) ist eine wichtige Komponente in der Welt von Big Data. ML hilft Datenwissenschaftlern, Datenmodelle zu organisieren, zu erstellen, zu trainieren und bereitzustellen.
Unterstützende Tools und Funktionen zur Erweiterung der Möglichkeiten im Bereich der Datenwissenschaft durch Optimierung von Performance, Skalierbarkeit und Effizienz.