Uma plataforma de ciência de dados que melhora a produtividade com recursos incomparáveis. Crie e avalie modelos de machine learning (ML) de alta qualidade. Aumente a flexibilidade dos negócios, colocando os dados confiáveis da empresa para trabalhar rapidamente e dar suporte aos objetivos de negócios baseados em dados com implementação mais fácil de modelos de ML.
Como usar plataformas baseadas em nuvem para descobrir novos insights de negócios.
A criação de um modelo de machine learning é um processo iterativo. Neste ebook, detalhamos o processo e descrevemos como os modelos de machine learning são criados.
Explore notebooks e crie ou teste algoritmos de machine learning. Experimente o AutoML e veja os resultados de ciência de dados.
O que é ciência de dados?
Crie modelos de alta qualidade com mais rapidez e facilidade. Os recursos de machine learning automatizados examinam rapidamente os dados e recomendam os recursos de dados ideais e os melhores algoritmos. Além disso, o machine learning automatizado ajusta o modelo e explica os resultados do modelo.
Os cientistas de dados precisam acessar dados em formatos diferentes de fontes de dados diferentes, seja on-premises ou na nuvem. Use ferramentas de arrastar e soltar para preparação e integração de dados movendo-os para um data lake ou data warehouse e simplificando o acesso para os cientistas de dados.
A IA é mais confiável quando vários colaboradores cooperam de forma eficaz, e as ferramentas de machine learning fornecem explicação e avaliação dos modelos. O Oracle Security Tools e as interfaces de usuário permitem que várias funções participem de projetos e compartilhem modelos. A explicação agnóstica de modelo ajuda os cientistas de dados, analistas de negócios e executivos a terem confiança nos resultados.
Permite que cientistas de dados criem, treinem e gerenciem modelos de machine learning na Oracle Cloud usando um ecossistema de código aberto Python aprimorado pela Oracle para machine learning automatizado (AutoML), avaliação e explicação do modelo.
Crie e implemente modelos de machine learning no Oracle Autonomous Database usando algoritmos escaláveis e otimizados no banco de dados.
Comece a operar rapidamente com ambientes pré-configurados, baseados em GPU, com IDEs, notebooks e estruturas de machine learning conhecidos. Implemente facilmente com o Oracle Cloud Marketplace selecionando o formato de processamento.
Uma plataforma de ciência de dados é mais do que apenas um bom conjunto de ferramentas para construir modelos de machine learning. A plataforma de ciência de dados da Oracle inclui um conjunto completo de recursos para oferecer suporte a um pipeline de ciência de dados de ponta a ponta.
Os pesquisadores da Victoria University recorreram à Oracle Cloud para tentar prever incidentes de violência doméstica relatados nas redes sociais.
Temos o prazer de anunciar o lançamento da implementação do modelo, permitindo que os modelos de machine learning sejam servidos como endpoints HTTP, recebam solicitações e enviem respostas com as previsões do modelo em tempo real.
O machine learning automatizado (AutoML) ajuda os cientistas de dados automatizando a seleção de algoritmos e recursos, além do ajuste de modelo. Isso permite resultados mais rápidos e precisos que demandam menos tempo de processamento. O AutoML também permite que não especialistas aproveitem algoritmos de machine learning eficientes para criar modelos de melhor qualidade.
O Oracle Database inclui mais de 30 algoritmos de alto desempenho totalmente escaláveis que abrangem técnicas de machine learning comumente usadas, como detecção de anomalias, regressão, classificação, clustering e muito mais. Os dados que já estão no Oracle Database não precisam ser movidos, reduzindo a carga de trabalho de gerenciamento de dados para os cientistas de dados e permitindo que eles se concentrem na criação de modelos de produção.
Use e importe bibliotecas e estruturas de código aberto de Python e R para permitir a exploração, a transformação, a visualização de dados, e o machine learning. Estão incluídos, mas não limitados a: pandas, Dask e NumPy, dplyr para transformação, Seaborn, Plotly, Matplotlib e ggplot2 para visualização e TensorFlow, Keras e PyTorch para criação de modelos.
Implemente modelos rapidamente para acesso de aplicativos e analistas de negócios. Os modelos podem ser implementados com uma API REST em uma arquitetura de nuvem escalável e sem servidor como o Oracle Functions ou diretamente no banco de dados.
A explicação do modelo permite que especialistas e não especialistas compreendam o comportamento geral de um modelo, bem como as previsões individuais do modelo. Com a explicação do modelo e os detalhes da previsão, fica fácil entender a importância dos recursos e o que mais influencia as previsões.
Acesse dados em vários formatos (inclusive CSV, Excel e JSON), várias fontes (inclusive armazenamento de objetos, Oracle Database, MongoDB, PostgreSQL e Hadoop) e vários locais (no local, Oracle Cloud e outras nuvens).
Os cientistas de dados podem desenvolver soluções de ciência de dados e machine learning usando as linguagens mais populares, inclusive Python, R e SQL. As organizações obtêm resultados melhores e mais rápidos quando os cientistas de dados têm flexibilidade para usar as linguagens mais indicadas para tarefas específicas.
Experimente ferramentas para criar modelos de machine learning. Não há necessidade de se inscrever para uma conta na nuvem.
Consulte o feed oficial de ciência de dados da Oracle no Twitter.
Receba as últimas notícias e dicas de ciências de dados da Oracle.
Entre em contato com a equipe de vendas global da Oracle para saber mais sobre ciência de dados e machine learning da Oracle.