Oracle Cloud Infrastructure (OCI) Data Science est une plateforme entièrement gérée destinée aux équipes de data scientists pour créer, former, déployer et gérer des modèles de machine learning (ML) à l'aide de Python et d'outils open source. Utiliser un environnement basé sur JupyterLab pour expérimenter et développer des modèles. Adapter la formation aux modèles avec des GPU NVIDIA et une formation distribuée. Mettez les modèles en production et maintenez-les en bonne santé grâce aux fonctionnalités des opérations de machine learning (MLOps), telles que les pipelines automatisés, les déploiements de modèles et la surveillance des modèles.
Oracle s'associe à xAI pour intégrer des modèles Grok à OCI
Déployez, affinez et évaluez des modèles de base avec OCI Data Science AI Quick Actions
Parcourez notre catalogue d'ateliers pratiques pour découvrir les fonctionnalités d'OCI Data Science.
Un essai gratuit d'Oracle Cloud vous permet d'accéder à OCI Data Science avec 300 USD de crédit cloud gratuit.
OCI Data Science est un service géré complet conçu pour rationaliser le développement, le déploiement et l'opérationnalisation des modèles d'IA et de machine learning. Les fonctionnalités clés incluent des blocs-notes Jupyter pour l'expérimentation, des outils MLOps évolutifs pour le déploiement et la surveillance de modèles, ainsi que la prise en charge intégrée des grands modèles de langage (LLM) via Hugging Face et d'autres frameworks.
Grâce à des outils robustes pour la collaboration, la détection des anomalies et les prévisions, OCI Data Science permet aux équipes de fournir des informations exploitables de manière efficace et sécurisée.
Identifier les facteurs de risque et prédire le risque de réadmission des patients après leur sortie en créant un modèle prédictif. Utiliser les données, telles que les antécédents médicaux du patient, son état de santé, les facteurs environnementaux et les tendances médicales historiques, pour construire un modèle plus solide qui aide à fournir les meilleurs soins à un coût moindre.
Utiliser des techniques de régression sur les données pour prédire les dépenses futures des clients. Examinez les transactions passées et combinez les données historiques des clients avec des données sur les tendances, les niveaux de revenus, voire des facteurs tels que la météo, pour construire des modèles de ML qui déterminent s'il faut créer des campagnes marketing pour conserver les clients actuels ou en acquérir de nouveaux.
Créez des modèles de détection d'anomalies à partir de données de capteurs pour détecter les pannes d'équipement avant qu'elles ne deviennent un problème plus grave ou utilisez des modèles de prévision pour prévoir la fin de vie des pièces et des machines. Augmenter le temps de fonctionnement des véhicules et des machines grâce au machine learning et à la surveillance des paramètres d'exploitation.
Prévenir la fraude et les délits financiers grâce à la science des données. Construire un modèle de machine learning capable d'identifier les événements anormaux en temps réel, notamment les montants frauduleux ou les types de transactions inhabituels.
Accéder à des workflows automatisés pour la construction de modèles. Faciliter l'exploitation du ML grâce à des tâches réutilisables et à une orchestration de bout en bout du cycle de vie du ML. Exécutez des workloads distribués et à haute performance en accédant à des GPU à moindre coût.
Découvrir le meilleur du ML sur Oracle grâce à des partenariats majeurs, comme Anaconda. Apporter des modèles, des données et du code dans le format dont vous avez besoin.
Bénéficiez d'un traitement de premier plan pour les partenariats de ML stratégiques. Les data scientists d'Oracle se consacrent à la réussite de votre entreprise.
Découvrez comment les données sont stockées, utilisées et analysées par un système de santé pour suivre le parcours d'un patient, du diagnostic au traitement en passant par la guérison.
Utilisez ce modèle pour créer des plateformes de machine learning conçues pour les data scientists.
Déployez rapidement une architecture pour gérer en toute sécurité de grandes quantités de données source afin de créer des modèles prédictifs et de les exploiter dans des applications développées rapidement.
Enrichissez les données des applications d'entreprise avec des données brutes provenant d'autres sources et utilisez des modèles de machine learning pour apporter des analyses et des analyses prédictives dans les processus métier.