Não foi possível encontrar uma correspondência para sua pesquisa.

Sugerimos que você tente o seguinte para ajudar a encontrar o que procura:

  • Verifique a ortografia da sua pesquisa por palavra-chave.
  • Use sinônimos para a palavra-chave digitada; por exemplo, tente “aplicativo” em vez de “software.”
  • Inicie uma nova pesquisa.
Entre em Contato Faça login na Oracle Cloud

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.

O ciclo de vida dos modelos de machine learning

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.

Resposta rápida da Gartner: qual é o verdadeiro retorno sobre investimentos em IA?

Descubra como desenvolver um modelo de investimento estratégico para dimensionar a IA. Este relatório da Gartner descreve recomendações para a combinação certa de investimentos em IA e fornece uma fórmula para calcular o ROI.

IDC: Transformação de negócios empresariais

A inteligência artificial está se tornando rapidamente integrada entre as funções de negócios. A IDC explora as melhores práticas e recomendações para a IA empresarial.

Medical research
As pesquisas de atividade do CMRI podem ser finalizas até 6x mais rápidas com a ajuda da Oracle AI
Parceria
Acesse o repositório da Anaconda - sem custos por meio da OCI
Tecnologia em esporte
O Seattle Sounders FC constrói modelos de dados para melhorar o desempenho
Assistência médica
O DSP ajuda o Instituto Nacional de Pesquisa em Saúde a melhorar a jornada clínica
Assistência médica
A Prosperdtx melhora o tratamento dos pacientes usando a ciência de dados para planos de saúde digitais
Educação
Os pesquisadores da Universidade de Oxford preveem o pagamento durante a carreira com a Oracle Cloud

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.

Terça-feira, 18 de outubro de 2022

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

Blogs em destaque

Exibir tudo