1. Oracle Brasil
  2. Nuvem
  3. Inteligência Artificial
  4. Machine Learning no Oracle Database

Recursos de Machine Learning no Oracle Database

Tópicos de recursos

Machine Learning no Oracle Autonomous Database

Machine Learning Notebooks

Aumente sua produtividade, seja você cientista de dados, engenheiro de dados ou desenvolvedor. O Oracle Machine Learning (OML) Notebooks oferece suporte a SQL, PL/SQL, Python, R, Conda e interpretadores de markdown, para que você possa trabalhar com a linguagem de sua preferência junto com machine learning no banco de dados e pacotes personalizados de terceiros para desenvolver soluções analíticas. Colabore com sua equipe mais ampla de ciência de dados, programe a execução automática de notebooks, visualize seus dados e versões e compare notebooks com esse ambiente de notebooks integrado.

Machine Learning Services

Reduza o tempo para implementar e gerenciar modelos nativos no banco de dados e modelos no formato ONNX no ambiente do Oracle Autonomous Database. Os desenvolvedores de aplicações usam modelos por meio de endpoints REST fáceis de integrar. Monitore seus dados e modelos no banco de dados para garantir correção e precisão contínuas. Implante modelos de forma rápida e fácil na interface do usuário do Oracle Machine Learning AutoML.

Machine Learning Monitoring

Obtenha insights sobre como os dados da sua empresa evoluem ao longo do tempo e tome medidas corretivas antes que problemas com dados tenham um impacto negativo significativo nos negócios. O monitoramento ajuda a garantir a integridade dos dados para aplicações e painéis corporativos. Identifique desvios nos dados de forma rápida e confiável e entenda colunas de dados individuais e suas interações. O monitoramento de modelos ajuda a identificar quando sua métrica de modelo, como precisão ou R-quadrado, muda consideravelmente – ou a distribuição de valores previstos se desvia muito dos valores iniciais. Isso pode sinalizar a necessidade de reconstruir ou reprojetar seu modelo. A IU de monitoramento de dados e modelos no-code fornece várias exibições e métricas para ajudar os usuários a avaliar problemas de qualidade.

Machine Learning para SQL

Simplifique e acelere a criação de modelos de machine learning no banco de dados por cientistas de dados especializados e usuários não especialistas com SQL e PL/SQL para preparação de dados e criação, avaliação e implementação de modelos.

Interface do usuário do Machine Learning AutoML

Uma interface de usuário no-code oferece suporte ao AutoML no Oracle Autonomous Database para melhorar a produtividade dos cientistas de dados e o acesso de usuários não especializados a algoritmos poderosos para classificação e regressão no banco de dados. Teste rapidamente dados, algoritmos e hiperparâmetros para exploração e descoberta mais rápidas. Implemente modelos imediatamente através de consultas SQL ou para Serviços OML como pontos de extremidade REST para integração perfeita com aplicações e pontuação em tempo real. Gere notebooks para modelos selecionados, permitindo que os usuários refinem e personalizem ainda mais os modelos nos Notebooks OML.

Machine Learning para R

Oracle Machine Learning for R (1:38)

Acelere a modelagem de machine learning usando o Oracle Autonomous Database como plataforma de computação de alto desempenho com uma interface R. Use o Oracle Machine Learning Notebooks ou seu IDE-R de preferência para desenvolver soluções escalonáveis baseadas em machine learning em R e criar ambientes Conda com pacotes de terceiros. Implemente facilmente funções R definidas pelo usuário a partir de APIs SQL e REST com dados paralelos e tarefas fornecidos pelo sistema.

Machine Learning para Python

Crie um Autonomous Database e veja uma demonstração do serviço (1:37)

Cientistas de dados e outros usuários de Python aceleram a modelagem de machine learning e a implementação de soluções usando o Oracle Autonomous Database como uma plataforma de computação de alto desempenho com uma interface Python. Use o Oracle Machine Learning Notebooks ou seu IDE Python de preferência para desenvolver soluções escalonáveis baseadas em machine learning em Python. O AutoML integrado recomenda algoritmos e recursos no banco de dados relevantes e realiza ajustes no modelo e seleção automaticamente.

Data Miner

Cientistas e analistas de dados podem usar essa interface de usuário arrastando e soltando para criar rapidamente fluxos de trabalho analíticos no SQL Developer. O desenvolvimento e o refinamento de modelos com rapidez permitem que os usuários descubram padrões, relacionamentos e insights ocultos em seus dados.

Machine Learning no Oracle Database

Machine Learning para SQL

Simplifique e acelere a criação de modelos de machine learning no banco de dados para cientistas de dados especializados e usuários não especialistas com SQL e PL/SQL para preparação de dados e criação, avaliação e implementação de modelos.

Data Miner

Cientistas e analistas de dados podem usar essa interface do usuário arrastando e soltando para criar fluxos de trabalho analíticos rapidamente. O desenvolvimento e o refinamento de modelos com rapidez permitem que os usuários descubram padrões, relacionamentos e insights ocultos em seus dados.

Machine Learning para R

Acelere a modelagem de machine learning e a implementação de soluções usando o Oracle Database como uma plataforma de computação de alto desempenho com uma interface R. Implemente facilmente funções R definidas pelo usuário a partir de APIs SQL e R com paralelismo de dados e tarefas fornecidos pelo sistema. As funções R definidas pelo usuário podem incluir funcionalidade do ecossistema do pacote R.

Machine Learning para Python

Cientistas de dados e outros usuários de Python aceleram a modelagem de machine learning e a implementação de soluções usando o Oracle Database como uma plataforma de computação de alto desempenho com uma interface Python. O AutoML integrado recomenda algoritmos e recursos no banco de dados relevantes e realiza ajustes no modelo e seleção automaticamente.

AutoML

Interface do usuário do Machine Learning AutoML

Uma interface de usuário no-code oferece suporte ao AutoML no Oracle Autonomous Database para melhorar a produtividade dos cientistas de dados e o acesso de usuários não especializados a algoritmos poderosos para classificação e regressão no banco de dados. Teste rapidamente dados, algoritmos e hiperparâmetros para exploração e descoberta mais rápidas. Implemente modelos imediatamente através de consultas SQL ou para Serviços OML como pontos de extremidade REST para integração perfeita com aplicações e pontuação em tempo real. Gere notebooks para modelos selecionados, permitindo que os usuários refinem e personalizem ainda mais os modelos nos Notebooks OML.

Machine Learning para Python

Cientistas de dados e outros usuários de Python aceleram a modelagem de machine learning e a implementação de soluções usando o Oracle Autonomous Database e o Oracle Database como uma plataforma de computação de alto desempenho com uma interface Python. O AutoML integrado recomenda algoritmos e recursos no banco de dados relevantes e realiza ajustes no modelo e seleção automaticamente. Em conjunto, esses recursos aprimoram a produtividade do usuário, a precisão do modelo e a escalabilidade.

Interfaces de usuário no-code

Interface do usuário do Machine Learning AutoML

Uma interface de usuário no-code oferece suporte ao AutoML no Oracle Autonomous Database para melhorar a produtividade dos cientistas de dados e o acesso de usuários não especializados a algoritmos poderosos para classificação e regressão no banco de dados. Teste rapidamente dados, algoritmos e hiperparâmetros para exploração e descoberta mais rápidas. Implemente modelos imediatamente através de consultas SQL ou para Serviços OML como pontos de extremidade REST para integração perfeita com aplicações e pontuação em tempo real. Gere notebooks para modelos selecionados, permitindo que os usuários refinem e personalizem ainda mais os modelos nos Notebooks OML.

Machine Learning Monitoring

Obtenha insights sobre como os dados da sua empresa evoluem ao longo do tempo e tome medidas corretivas antes que problemas com dados tenham um impacto negativo significativo nos negócios. O monitoramento ajuda a garantir a integridade dos dados para aplicações e painéis corporativos. Identifique desvios nos dados de forma rápida e confiável e entenda colunas de dados individuais e suas interações. O monitoramento de modelos ajuda a identificar quando sua métrica de modelo, como precisão ou R-quadrado, muda consideravelmente – ou a distribuição de valores previstos se desvia muito dos valores iniciais. Isso pode sinalizar a necessidade de reconstruir ou reprojetar seu modelo. A IU de monitoramento de dados e modelos no-code fornece várias exibições e métricas para ajudar os usuários a avaliar problemas de qualidade.

Data Miner

Cientistas e analistas de dados podem usar essa interface do usuário arrastando e soltando para criar fluxos de trabalho analíticos rapidamente. O desenvolvimento e o refinamento com rapidez permitem que os usuários descubram padrões, relacionamentos e insights ocultos em seus dados.