Aucun résultat trouvé

Votre recherche n'a donné aucun résultat.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez saisi, par exemple, essayez « application » au lieu de « logiciel ».
  • Essayez l’une des recherches les plus utilisées ci-dessous.
  • Lancez une nouvelle recherche.
Questions fréquentes

Explorez les avantages du service Oracle Cloud Infrastructure Data Science

Créez, entraînez, déployez et gérez des modèles d’apprentissage automatique, le tout sur Oracle Cloud. Les équipes de scientifiques de données peuvent facilement organiser le travail et accéder aux données et aux ressources informatiques dans un environnement collaboratif. La plateforme transforme la science des données en domaine collaboratif, extensible et puissant, créant ultimement une entreprise plus solide, propulsée par l’apprentissage automatique.

Collaboration

Collaboration

Enfin une plateforme conçue pour la science des données dans l’entreprise. Les équipes de scientifiques des données peuvent travailler ensemble dans un espace de travail collaboratif doté de fonctionnalités de contrôle et de sécurité d’accès granulaires, de centralisation et d’organisation des actifs des sciences des données, le tout de façon centralisée.

Extensibilité

Extensibilité

En tirant parti d’Oracle Cloud Infrastructure, les scientifiques des données peuvent augmenter leurs charges de travail afin de relever les plus grands défis avec les données dans leurs organisations, sans perdre de temps avec le provisionnement et la configuration.

Puissant

Puissant

Conçue pour les sciences des données modernes, Oracle Cloud Infrastructure Data Science offre les plus récents outils d’apprentissage automatique à source ouverte, agrémentés des technologies exclusives à Oracle.

Fonctions du produit

Tout ouvrir Tout fermer

Accélérer le flux de travail de la science des données

    AutoML

  • La sélection et la mise au point automatiques des algorithmes facilitent le processus d’exécution des tests en fonction de multiples configurations d’algorithmes et d’hyperparamètres. Le processus vérifie la précision des résultats et confirme la sélection de modèle et de configuration optimale pour l’utilisation. Cela permet aux scientifiques de gagner beaucoup de temps et, plus important encore, permet à tous d’obtenir les mêmes résultats que les praticiens les plus expérimentés.

    Sélection de fonctionnalités

  • La sélection automatisée des fonctionnalités de prévision simplifie la conception en identifiant automatiquement les principales fonctionnalités à partir de jeux de données plus volumineux.

    Évaluation de modèle

  • L’évaluation automatisée génère une suite complète de mesures d’évaluation et de visualisations qui conviennent pour mesurer la performance du modèle par rapport aux nouvelles données. De la sorte, le processus peut classer les modèles au fil du temps pour un comportement optimal en production. L’évaluation de modèle va au-delà du rendement brut et tient compte du comportement de base attendu. Elle a recours à un modèle de coût et fait en sorte que les différents effets des faux positifs et des faux négatifs puissent être pleinement intégrés.

    Explication de modèle

  • Oracle Cloud Infrastructure Data Science fournit une explication automatisée de la pondération relative et de l’importance des facteurs qui permettent de générer une prédiction. Oracle Cloud Infrastructure Data Science est la première mise en œuvre commerciale offrant une explication agnostique par rapport au modèle. Avec un modèle de détection des fraudes, par exemple, un scientifique des données peut expliquer quels éléments sont les plus importants facteurs de fraude afin que l’entreprise puisse modifier les processus ou mettre en œuvre des mesures de protection.

Soutien à l’équipe des sciences des données

    Projets partagés

  • Les membres de l’équipe peuvent organiser et autoriser le contrôle des versions ainsi que partager de façon fiable tout leur travail, y compris les séances de données et sur blocs-notes.

    Catalogues de modèles

  • Les membres de l’équipe peuvent partager de façon fiable les modèles déjà conçus et les artéfacts nécessaires pour les modifier et les déployer.

    Politiques de sécurité

  • Les politiques de sécurité axées sur l’équipe permettent aux utilisateurs de contrôler l’accès aux modèles, au code et aux données. Ces politiques sont entièrement intégrés à Oracle Cloud Infrastructure Identity and Access Management.

    Reproductibilité et vérifiabilité

  • La fonctionnalité de reproductibilité et de vérifiabilité permet à l’entreprise de faire le suivi de tous les actifs pertinents. De la sorte, tous les modèles peuvent être reproduits et vérifiés, même si les membres de l’équipe quittent l’entreprise.

Prise en charge des sources ouvertes

    Séances sur blocs-notes

  • Les séances sur blocs-notes intégrées de JudyterLab, hébergées dans le nuage, permettent aux équipes de créer et d’entraîner des modèles à l’aide de Python.

    Outils de visualisation

  • Utilisez des outils de visualisation à source ouverte, comme Plotly, Matplotlib et Bokeh, pour visualiser et explorer les données.

    Cadres d’apprentissage automatique à source ouverte

  • Lancez des séances sur blocs-notes avec des cadres d’apprentissage automatique populaires comme TensorFlow, Jupityter, Dask, Keras, XGboost et scikit-learn, ou fournissez vos propres trousses.

Accès aux données et aux calculs

    Accès aux données

  • Tirez parti des données dans le stockage d’objets en nuage d’Oracle ou dans toute autre source de données sur un nuage ou sur place.

    Calcul en libre-service évolutif

  • Exécutez de petits ou de grands calculs sur Oracle Cloud Infrastructure pour des analyses de toutes tailles.

    Développement de modèle de bout en bout

  • Concevez, entraînez et déployez des modèles sur la solution à haute performance Oracle Cloud Infrastructure.