Data Science Service
A Oracle Cloud Infrastructure (OCI) Data Science é uma plataforma totalmente gerenciada para que equipes de cientistas de dados criem, treinem, implantem e gerenciem modelos de aprendizado de máquina usando o Python e ferramentas de código-fonte aberto. Use um ambiente baseado em JupyterLab para experimentar e desenvolver modelos. Amplie o treinamento do modelo com GPUs NVIDIA e treinamento distribuído. Leve os modelos para a produção e mantenha-os íntegros com os recursos de MLOps, como pipelines automatizados, implantações de modelos e monitoramento de modelos.
A criação de um modelo de machine learning é um processo iterativo. Aprenda todos os passos dessa jornada, desde a coleta de dados, passando pela implementação de modelos até chegar no monitoramento.
Descubra como desenvolver um modelo de investimento estratégico para dimensionar a IA. Esse relatório do Gartner descreve recomendações para a combinação certa de investimentos em IA e fornece uma fórmula para calcular o ROI.
A inteligência artificial está se tornando rapidamente integrada em todas as funções corporativas. A IDC explora as melhores práticas e recomendações para IA corporativa.
O que é ciência de dados da OCI?
-
Ciência de dados de alto desempenho
Obtenha acesso a fluxos de trabalho automatizados para criação de modelos. Operacionalize o aprendizado de máquina facilmente com jobs reutilizáveis e orquestração de ponta a ponta para o ciclo de vida do AM. Execute cargas de trabalho distribuídas de alto desempenho com acesso a GPUs de menor custo.
-
Plataforma aberta
Espere o melhor do AM na Oracle por meio de grandes parcerias, como Anaconda. Traga modelos, dados e código no formato necessário.
-
Melhor suporte da categoria
Beneficie-se do tratamento superior para parcerias estratégicas de AM. A Oracle tem cientistas de dados na equipe, dedicados a garantir o sucesso da sua organização.
Sucessos e parcerias de clientes de ciência de dados
Casos de uso da ciência de dados
-
Saúde: Risco de readmissão do paciente
Identificar fatores de risco e prever o risco de readmissão do paciente após a alta, criando um modelo preditivo. Use dados, como histórico médico do paciente, condições de saúde, fatores ambientais e tendências médicas históricas, para criar um modelo mais forte que ajude a fornecer o melhor atendimento a um custo menor.
-
Varejo: preveja o valor da vida útil do cliente
Use técnicas de regressão de dados para prever gastos futuros com clientes. Examine transações passadas e combine dados históricos de clientes com mais dados sobre tendências, níveis de receita (até fatores como o clima) para criar modelos de AM que determinam se você deve criar campanhas de marketing para manter clientes atuais ou adquirir novos clientes.
-
Manufatura: manutenção preditiva
Crie modelos de detecção de anomalias a partir de dados de sensor para detectar falhas no equipamento antes que elas se tornem um problema mais grave ou use modelos de previsão para prever o fim da vida útil de peças e máquinas. Aumente o período de disponibilidade de veículos e máquinas por meio de métricas de aprendizado de máquina e monitoramento das operações.
Finanças: Detecção de fraude
Evite fraudes e crimes financeiros com ciência de dados. Crie um modelo de aprendizado de máquina que possa identificar eventos anômalos em tempo real, incluindo valores fraudulentos ou tipos incomuns de transações.
Obtendo modelos de aprendizado de máquina para produção e além com MLOps na OCI
Tzvi Keisar, Gerente Sênior de Produtos, Oracle
Modelos de treinamento para gerar previsões precisas são uma tarefa complexa que requer ampla experiência no campo da ciência de dados. No entanto, mesmo após a construção do modelo, a jornada não acabou. Você tem outra tarefa importante a ser executada: obter o modelo para gerar previsões sobre novos dados na vida real, geralmente chamado de "producionalização de modelo". Essa tarefa é tão complexa quanto criar o modelo. Na verdade, você pode ter lido artigos sobre a porcentagem impressionante de projetos de IA que falharam ao tentar implantar na produção.
Leia a publicação completa