IA e AM
O Oracle Analytics incorpora IA/ML em toda a plataforma, atendendo a usuários de todos os níveis de habilidade, dos usuários aos desenvolvedores. Vá além dos recursos integrados de IA/ML com o Oracle Database Machine Learning e o OCI AI Services para abranger uma gama mais ampla de casos de uso.
Inteligência artificial e machine learning para análise
O Oracle Analytics integra inteligência artificial, IA generativa e machine learning em todos os aspectos do processo de análise, desde os dados até a decisão, para melhorar a produtividade do usuário e fornecer melhores insights orientados por análises para dar suporte a todas as funções. Expanda os recursos integrados com serviços adicionais da Oracle Cloud Infrastructure (OCI) para se aprofundar ainda mais nos casos de uso de IA/ML.
Machine learning para usuários comerciais
Use análises avançadas com um clique para exibir previsões, tendências, clusters e linhas de referência rápidas. Os usuários podem personalizar o intervalo de previsão e o tipo de modelo dos algoritmos incorporados para melhor se adequar aos dados e ao caso de uso de negócios.
Com apenas alguns cliques e sem codificação, você pode usar o recurso Explicar para examinar o conjunto de dados e identificar motivadores de negócios significativos, insights contextuais e anomalias de dados. Escolha os visuais e achados do Explain para começar uma nova história ou painel.
O recurso Auto Insights examina conjuntos de dados e usa ML para criar automaticamente insights visuais com todas as métricas e atributos disponíveis. Isso pode levar a conexões e padrões não descobertos nos dados que, de outra forma, não seriam considerados. Com um clique, o Oracle Analytics exibirá uma série de visualizações com descrições detalhadas que podem ser facilmente adicionadas à tela do projeto. Todos os cálculos usados para obter os insights são transparentes e editáveis.
Use os recursos Explicar e Auto Insights para iniciar seus projetos com insights orientados por análise e com base em ML, evitando a síndrome da tela em branco e resultados tendenciosos.
Linguagem natural
Use o processamento de linguagem natural (NLP) com tecnologia de IA e a geração de linguagem natural (NLG) com as respostas criadas por IA generativa, para interagir e entender melhor as análises. Simplesmente use palavras-chave faladas ou digitadas em linguagem natural para consultar qualquer informação dos conjuntos de dados e da camada semântica do Oracle Analytics, sem a necessidade de entender onde os dados residem ou a composição do conjunto de dados. Renderize automaticamente as visualizações no contexto à medida que a consulta estiver sendo criada.
O NLG cria narrativas textuais inteligentes de visualizações que, por padrão, são conectadas ao vivo à fonte de dados e interagem com outros objetos de dados na tela, como visualizações e filtros. O detalhe da narrativa tem sete níveis selecionáveis, e a descrição pode ser definida como "tendência" ou "detalhamento". As narrativas textuais estão disponíveis em vários idiomas. Com o aplicativo móvel, você pode converter pastas de trabalho de análises em narrativas faladas, como podcasts.
Machine learning para cientistas de dados
Durante a preparação de dados, você pode usar o editor de fluxo de dados para escolher previsão numérica, multiclassificadores, classificadores binários ou modelos de clusterização usando diferentes algoritmos incorporados. Esses algoritmos de ML podem ser personalizados, treinados, configurados e publicados para ampla comunidade de usuários das análises. Depois que os modelos são publicados, eles podem ser aplicados a novos conjuntos de dados corporativos ou pessoais.
Os modelos treinados na Oracle Analytics Cloud podem ser verificados quanto à qualidade e precisão. Por exemplo, esse classificador binário Naïve Bayes foi treinado com dados de atrito, e a qualidade do algoritmo é avaliada em relação aos valores verdadeiros conhecidos dos dados de teste.
Expansão com o Oracle Database ML
Tenha acesso à profundidade e a sofisticação do Machine Learning no Oracle Database, parte do Oracle Autonomous Database. O Machine Learning no Oracle Database oferece uma plataforma centralizada para desenvolver, testar e publicar modelos de ML usando SQL, R, Python, REST e AutoML. Ele oferece aos usuários corporativos a flexibilidade de utilizar abordagens de autoatendimento ao preparar seus dados. Os modelos publicados podem ser registrados na Oracle Analytics Cloud para que populações de negócios mais amplas acessem e executem com seus próprios conjuntos de dados.
Você pode usar o recurso AutoML no Oracle Database em um fluxo de dados do Oracle Analytics Cloud. Ele analisará seu conjunto de dados, selecionará automaticamente o algoritmo de ML mais preciso e criará um novo modelo de ML. Isso simplifica o processo, permitindo que os usuários criem modelos precisos sem experiência em machine learning.
Desenvolvimento com os serviços de IA da OCI
A Oracle Analytics Cloud se integra ao OCI AI Services, incluindo OCI Vision e OCI Document Understanding. Essas integrações ampliam os recursos incorporados existentes de machine learning do Oracle Analytics Cloud para oferecer suporte a uma gama ainda mais ampla de casos de uso de negócios. Use modelos pré-treinados ou projete, refine e implemente modelos personalizados e registre-os no Oracle Analytics Cloud para que os profissionais de negócios possam acessá-los diretamente.
A OCI Vision traz o poder da análise de imagem de IA para os painéis do Oracle Analytics Cloud. Imagine usar dados de câmeras de segurança para acompanhar automaticamente a ocupação do estacionamento ou monitorar o tráfego de clientes nas lojas. O OCI Vision analisa imagens e traduz as informações visuais em insights, permitindo que os empresários contem as histórias dos dados com base no que pode ser visto.
Com o OCI Document Understanding, você pode aplicar modelos de IA a documentos, como arquivos JPEG e PDF, e extrair valores-chave e o respectivo contexto. Isso ajuda você a desbloquear informações de documentos para gerar insights adicionais, mesmo que as informações não tenham sido registradas em um banco de dados central.
Essas abordagens dinâmicas e de autoatendimento reduzem a dependência dos usuários corporativos em relação à equipe de ciência de dados para a execução rotineira e repetitiva de modelos e entrega de resultados. Os usuários corporativos podem programar e executar modelos de forma independente, permitindo que os especialistas em ciência de dados se concentrem em tarefas mais estratégicas.