Menu Nous contacter Se connecter à Oracle Cloud

Le machine learning dans Oracle Database

Machine Learning in Oracle Database prend en charge l'exploration, la préparation et la modélisation par machine learning des données à l'échelle via des interfaces SQL, R, Python, REST, de machine learning automatique (AutoML) et no code. Cette solution inclut plus de 30 algorithmes haute performance dans la base de données, qui produisent des modèles pour une utilisation immédiate dans les applications. En conservant les données dans la base de données, les organisations peuvent simplifier leur architecture globale et maintenir la sécurité et la synchronisation des données. Cela permet aux data scientists et aux autres professionnels des données de créer rapidement des modèles en simplifiant et en automatisant les éléments clés du cycle de vie de l'apprentissage automatique.

Découvrez comment créer plus rapidement des modèles de machine learning avec Python, R, et SQL.

Commencer un atelier

En savoir plus sur Machine Learning in Oracle Database
Découvrez comment Machine Learning in Oracle Database permet aux data scientists, aux analystes de données et aux développeurs d'applications de tirer une plus grande valeur des données de leur entreprise.

Lire la fiche technique
Utiliser des paquets R et Python tiers personnalisés sur Autonomous Database
Exploitez des écosystèmes de paquets Python et R plus larges sur Oracle Autonomous Database dans Oracle Machine Learning Notebooks. Exécutez des fonctions définies par l'utilisateur avec des fonctionnalités de paquets tiers dans des moteurs générés et gérés par l'environnement Oracle Database.

Lire le blog
Exécuter R à l'échelle sur les données de bases de données avec Oracle Machine Learning for R
Explorez, transformez et analysez les données plus rapidement et à l'échelle, tout en utilisant la syntaxe et la sémantique connus de R et en tirant parti d'Oracle Database en tant qu'environnement de calcul haute performance.

Lire le blog
AutoML : battage médiatique vs valeur ajoutée
Tirez le meilleur parti du machine learning automatisé en faisant la part des choses entre le battage médiatique qu'il connaît et la valeur qu'il apporte vraiment à l'entreprise. Accédez à des exemples et des démonstrations pour savoir comment utiliser Oracle AutoML dans vos projets.

Regarder l'enregistrement (28:27)

Créez des modèles de machine learning hautes performances dans Oracle Database

Machine Learning dans Autonomous Database

Oracle Machine Learning Notebooks

Augmentez la productivité des data scientists et des développeurs et réduisez leur courbe d’apprentissage grâce à la technologie de notebook Apache Zeppelin, basée sur une source ouverte et familière. Les notebooks prennent en charge les interpréteurs SQL, PL/SQL, Python, R et Markdown pour Oracle Autonomous Database afin que les utilisateurs puissent travailler avec le langage de leur choix lors du développement de solutions d'analyse.

Oracle Machine Learning Services

Réduisez le temps de déploiement et de gestion des modèles natifs dans la base de données et des modèles au format ONNX dans l'environnement Oracle Autonomous Database. Les développeurs d'applications utilisent des modèles grâce à des terminaux REST faciles à intégrer. Déployez des modèles rapidement et facilement à partir de l'interface utilisateur AutoML d'Oracle Machine Learning.

Oracle Machine Learning for SQL

Simplifiez et accélérez la création de modèles de machine learning pour les data scientists, experts ou non, en utilisant des langages SQL et PL/SQL familiers pour la préparation des données, la création de modèles, l’évaluation et le déploiement.

Interface utilisateur d’Oracle Machine Learning AutoML

Une interface utilisateur sans code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non-experts aux puissants algorithmes de classification et de régression de la base de données.

Comment l’IA peut rendre moins pénible le réglage des modèles de machine learning

Oracle Machine Learning for R

Accélérez la modélisation du machine learning avec Oracle Autonomous Database en tant que plateforme de calcul haute performances avec une interface R. Utilisez Oracle Machine Learning Notebooks avec des interpréteurs R, Python et SQL pour développer des solutions basées sur le machine learning. Déployez facilement des fonctions R définies par l'utilisateur à partir d'API SQL et REST avec des options parallèles aux données et aux tâches.

Oracle Machine Learning for Python

Les data scientists et autres utilisateurs de Python accélèrent la modélisation de l'apprentissage automatique et le déploiement de solutions en utilisant Oracle Autonomous Database comme une plate-forme de calcul haute performance avec une interface Python. L'apprentissage automatique intégré (AutoML) recommande des algorithmes et des fonctionnalités pertinents pour chaque modèle et effectue un réglage automatisé du modèle. Ensemble, ces fonctionnalités améliorent la productivité des utilisateurs, la précision des modèles et l'évolutivité.

Référentiel GitHub

Oracle Data Miner

Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le raffinement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.

L'apprentissage automatique dans Oracle Database et dans les services de base de données cloud

Oracle Machine Learning for SQL

Simplifiez et accélérez la création de modèles de machine learning pour les data scientists et les data scientists citoyens, en utilisant des langages SQL et PL/SQL familiers pour la préparation des données, la création de modèles, l’évaluation et le déploiement.

Oracle Data Miner

Oracle Machine Learning for R

Accélérez la modélisation de l'apprentissage automatique et le déploiement de solution en utilisant Oracle Database comme plate-forme de calcul haute performance avec une interface R. Déployez facilement des fonctions R définies par l'utilisateur à partir d'API SQL et R avec des options parallèles aux données et aux tâches. Les fonctions R définies par l'utilisateur peuvent inclure des fonctionnalités issues de l'écosystème de packages R.

Oracle Machine Learning for Python

Référentiel GitHub

AutoML dans Oracle Database

Interface utilisateur d’Oracle Machine Learning AutoML

Comment l’IA peut rendre moins pénible le réglage des modèles de machine learning

Oracle Machine Learning for Python

Référentiel GitHub

Interfaces utilisateur sans code pour l'apprentissage automatique dans Oracle Database

Interface utilisateur d’Oracle Machine Learning AutoML

Comment l’IA peut rendre moins pénible le réglage des modèles de machine learning

Oracle Data Miner

Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le raffinement rapides permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.

Découvrez ce que les meilleurs analystes du secteur d’activité pensent de nous

Enterprise Strategy Group estime que les améliorations apportées à Oracle Autonomous Data Warehouse « démocratisent la simplicité ».

Lire le blog Enterprise Strategy Group

Rapport OMDIA : Oracle est le seul fournisseur

OMDIA : Oracle est le seul fournisseur permettant aux clients de choisir les services cloud à exécuter sur site et dans le cloud public

Lire le rapport OMDIA (PDF)

Découvrir tous les témoignages clients

Machine Learning dans Oracle Database - Témoignages client

Des clients du monde entier tirent parti des capacités de machine learning en base de données d’Oracle pour résoudre des problèmes complexes et importants liés aux données.

La NHS au Royaume-Uni économise 1,6 milliard de livres sterling et offre de meilleurs soins personnalisés avec l'apprentissage automatique d'Oracle Database.

Regarder la vidéo (2:09)

Lire le témoignage

Avantages

Création de modèles dans la base de données et scoring des données

Les data scientists et les développeurs élaborent des modèles et évaluent les données plus rapidement et à grande échelle, sans avoir à extraire les données vers des moteurs d’analyse distincts. L’architecture évolutive d’Oracle Exadata et la technologie Smart Scan fournissent des résultats rapides.
Sécurité

Les data scientists et les développeurs qui utilisent Machine Learning d'Oracle Database sont protégés avec la sécurité intégrée, le chiffrement et l’accès basé sur les rôles pour les données utilisateur et les modèles.
Déploiements rapides en entreprise

Les développeurs et l’équipe élargie de la data science obtiennent une disponibilité immédiate du modèle de machine learning grâce à des options de déploiement faciles utilisant des interfaces SQL et REST.
Pas de mouvement de données

Les data scientists et les développeurs traitent les données là où elles résident dans Oracle Database. Cela simplifie la création et le déploiement de modèles, réduit le temps de développement des applications et améliore la sécurité des données.
Calcul informatique haute performance

Les data scientists évitent les problèmes de performances lors de la préparation des données, de la création de modèles et du scoring de données en utilisant le parallélisme et l’évolutivité intégrés d’Oracle Database, avec des optimisations uniques pour Oracle Exadata.

4 avril 2022

Annonce de l'API SQL d'exécution Python intégrée pour Autonomous Database provenant d'Oracle Machine Learning

Mark Hornick, directeur principal, science des données et apprentissage automatique, Oracle

Nous sommes heureux d'annoncer la disponibilité d'une API SQL pour Oracle Machine Learning l'exécution Python intégrée sur Oracle Autonomous Database. Lorsque nous avons annoncé Oracle Machine Learning for Python sur Oracle Autonomous Database au début de l'année dernière, à l'origine, Oracle Machine Learning for Python prenait en charge une API REST pour l'exécution Python intégrée. Cette nouvelle interface permet désormais à SQL d'accéder à cette puissante fonctionnalité.

Lire la suite de l'article