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

Oracle Cloud Infrastructure (OCI) Data Science

Oracle Cloud Infrastructure Data Science aide les data scientists à créer, former, déployer et gérer rapidement des modèles de machine learning.

Obtenez un aperçu rapide d'OCI Data Science.

Oracle Cloud Infrastructure Data Science

Infrastructures d’apprentissage automatique open source

Des dizaines d'outils et d'infrastructures open source populaires sont inclus pour offrir familiarité et polyvalence aux data scientists. Créez des modèles de machine learning avec TensorFlow et PyTorch, ou ajoutez d'autres infrastructures de votre choix.

Interface JupyterLab

Les environnements de bloc-notes JupyterLab intégrés et hébergés dans le Cloud permettent aux équipes de data scientists de créer et de former des modèles avec une interface utilisateur familière.

Outils de visualisation des données

Les outils de visualisation open source populaires tels que Plotly, Matplotlib et Bokeh aident les data scientists à visualiser et à explorer les données.

Accès aux données et exploration

La bibliothèque Accelerated Data Science d'Oracle est une bibliothèque Python qui contient un ensemble complet de connexions de données, permettant aux data scientists d'accéder aux données de nombreux magasins de données différents et de les utiliser pour produire de meilleurs modèles.

Automated Machine Learning (AutoML)

La bibliothèque Accelerated Data Science prend en charge l'AutoML d'Oracle, ainsi que des outils open source tels que H2O 3 et auto-sklearn. AutoML d'Oracle offre une sélection automatique des fonctionnalités, un échantillonnage adaptatif et une sélection automatique d'algorithmes. Ces fonctionnalités, ainsi que le réglage des hyperparamètres, génèrent en fin de compte un candidat modèle précis, ce qui fait gagner un temps considérable au data scientist.

Évaluation du modèle

L'évaluation automatisée génère une suite complète d'indicateurs clés et de visualisations d'évaluation pour mesurer les performances du modèle par rapport à de nouvelles données et comparer les candidats modèles pour permettre au data scientist de produire plus facilement un modèle de haute qualité.

Explication du modèle

L'explication du modèle Accelerated Data Science comprend des explications globales et locales pour aider à expliquer le comportement global d'un modèle, ainsi que des prédictions de modèle spécifiques. Pour les consommateurs de modèles, les explications automatisées indépendantes du modèle améliorent la compréhension et la confiance, répondent aux besoins réglementaires et augmentent la vitesse d'adoption du machine learning.

Oracle Functions

Déployez facilement des modèles de data science en tant qu'Oracle Functions, une architecture hautement évolutive, à la demande et sans serveur sur Oracle Cloud Infrastructure qui simplifie le déploiement pour les data scientists et les administrateurs d'infrastructure.

Catalogues de modèles

Les membres de l'équipe utilisent le catalogue de modèles pour conserver et partager des modèles de machine learning terminés et les artefacts nécessaires pour les reproduire, les tester et les déployer.

Reproductibilité et auditabilité

Les environnements Conda et les fonctionnalités de catalogue de modèles permettent aux organisations de reproduire le code de modèle d'origine, la bibliothèque et les dépendances du jeu de données de formation. Cela permet aux data scientists de reformer, reproduire et auditer les modèles de machine learning.

Collaboration d'équipe data science

Projets partagés

Les membres de l'équipe utilisent des projets pour organiser, activer le contrôle de version et partager de manière fiable tout leur travail, y compris les sessions de données et de bloc-notes.

Politiques de sécurité

Les politiques de sécurité basées sur l'équipe permettent aux utilisateurs d'inclure des membres d'équipe dans les projets. Ces politiques contrôlent l'accès aux modèles, au code et aux données pour faciliter la collaboration, mais aussi pour protéger le travail. Les contrôles de sécurité sont entièrement intégrés à Oracle Cloud Infrastructure Identity and Access Management.

Contrôle de version

Les utilisateurs se connectent au référentiel Git de leur organisation pour préserver et récupérer le travail de machine learning.

Accès aux données flexible

Toute source de données dans n'importe quel Cloud ou sur site peut être consultée et utilisée par les data scientists pour créer des modèles de machine learning offrant plus de fonctionnalités de données potentielles, menant à de meilleurs modèles.

Calcul et stockage en libre accès et à la demande

Les utilisateurs sélectionnent la quantité de ressources de calcul et de stockage dont ils ont besoin pour s'attaquer à des projets de toute taille sans se soucier du provisionnement ou de la maintenance de l'infrastructure.

Matériel puissant, y compris les unités de traitement graphique (GPU)

Les data scientists peuvent créer et former des modèles de deep learning en beaucoup moins de temps à l'aide de GPU dans les sessions sur ordinateur portable. Oracle Cloud Infrastructure Data Science prend en charge les GPU NVIDIA P100 et V100.

Logo de l’Université de Victoria

L’Université de Victoria accélère la recherche avec Oracle Cloud Infrastructure Data Science

Les chercheurs de l’Université de Victoria se sont tournés vers Oracle Cloud pour tenter de prévoir les incidents de violence domestique rapportés sur les réseaux sociaux.

Principaux avantages

  • Les outils open source offrent familiarité et productivité aux data scientists

    Utilisez Python, le langage le plus populaire pour la data science, avec JupyterLab et plus de 300 bibliothèques et infrastructures open source, notamment Dask, scikit-learn et XGBoost. Sinon, personnalisez l'environnement pour une flexibilité ultime.

  • La boîte à outils d'Oracle accélère la création de modèles

    Accélérez la création de modèles grâce à l'automatisation à partir de la bibliothèque Oracle Accelerated Data Science, ce qui facilite la préparation des données. Puis, sélectionnez et réglez le meilleur algorithme avec AutoML, le tout résultant en des modèles de meilleure qualité.

    Machine learning plus rapide

  • L'infrastructure simplifiée améliore la productivité des utilisateurs et réduit les coûts de gestion

    Permettez aux utilisateurs de choisir et de modifier la quantité de calcul et de stockage nécessaires pour les environnements de développement sur ordinateur portable. Le provisionnement est automatisé.

    L'explication du modèle améliore la confiance dans les résultats

    Améliorez la confiance et la compréhension des modèles en montrant comment les données influencent les résultats des modèles. Les experts et les non-experts utilisent l'explication du modèle pour comprendre et valider ce qui a amené un modèle à renvoyer un résultat particulier et à identifier les biais cachés.

    Regardez cette vidéo sur la data science accélérée

    Déployez rapidement des modèles évolutifs

    Déployez rapidement des modèles dans le Cloud sur une plateforme entièrement gérée qui s'adapte automatiquement à la demande.

Tarification

Sessions de bloc-notes sur la data science

Produit
Prix unitaire
Indicateur
Calcul - Machine virtuelle standard - E2

OCPU par heure
Calcul - Machine virtuelle standard - X7

OCPU par heure
VM.GPU2.1 (NVIDIA P100)

GPU par heure
VM.GPU3.x (NVIDIA V100 Tensor Core - 16 Go)

GPU par heure
Stockage Block Volume

Capacité de stockage en Go/mois
Unités de performance Block Volume

Unités de performance par Go/mois (10 VPU à $0.017 pour des performances équilibrées)

Modèles de data science

Produit
Prix unitaire
Indicateur
Object Storage - Stockage

Capacité de stockage en Go/mois

Documentation

documentation

Apprenez à connaître le service Cloud data science

Une visite interactive de l'interface utilisateur.

Cloud Learning

En savoir plus sur la data science

En savoir plus sur l'utilisation d'Oracle Cloud Infrastructure Data Science.

Produits associés

Oracle Machine Learning

Créer des modèles de machine learning dans la base de données

Intégration des données Oracle Cloud Infrastructure

Combinez et transformez facilement les données pour la data science et les analytiques

Oracle Cloud Infrastructure Data Catalog

Recherchez et gérez les données à l'aide d'un inventaire organisé des actifs de données dans toute l'entreprise

Oracle Cloud Infrastructure Data Flow

Exécutez les applications Apache Spark sans infrastructure à déployer ou à gérer avec ce service Big Data entièrement géré

Pour commencer


Visite guidée de produit

Découvrez l’interface utilisateur avec cette visite interactive.


Atelier pratique

Découvrez le produit en direct, gratuitement.


Lettre d’information

Découvrez-en plus dans la newsletter IA et data science.