Menü Kontaktieren Sie uns Bei Oracle Cloud anmelden

Machine Learning in Oracle Database

Machine Learning in Oracle Database unterstützt mithilfe von SQL-, R-, Python-, REST-, AutoML- und No-Code-Schnittstellen die Datenexploration, -vorbereitung und ML-Modellierung in großem Maßstab. Es enthält mehr als 30 leistungsstarke datenbankinterne Algorithmen, die Modelle für den sofortigen Einsatz in Anwendungen erstellen. Dadurch, dass die Daten in der Datenbank verbleiben, können Unternehmen ihre Gesamtarchitektur vereinfachen und die Datensynchronisierung und -sicherheit gewährleisten. Außerdem können Data Scientists und anderen Datenexperten Modelle schnell erstellen, indem Schlüsselelemente des Machine Learning-Lebenszyklus vereinfacht und automatisiert werden.

Erfahren Sie, wie Sie mit Python, R, und SQL schneller Machine Learning-Modelle erstellen können.

Workshop starten

Machine Learning in Oracle Database erkunden
Erfahren Sie, wie Machine Learning in Oracle Database Data Scientists, Datenanalysten und Anwendungsentwicklern ermöglicht, einen größeren Mehrwert aus ihren Daten zu schöpfen.

Technischen Kurzüberblick lesen
Benutzerdefinierte Python- und R-Packages von Drittanbietern in Autonomous Database verwenden
Nutzen Sie umfassendere Python-und R-Package-Ökosysteme auf Oracle Autonomous Database in Oracle Machine Learning Notebooks. Führen Sie benutzerdefinierte Funktionen mit Paketfunktionen von Drittanbietern in Engines aus, die von der Oracle Database-Umgebung erzeugt und verwaltet werden.

Blog lesen
Mit Oracle Machine Learning for R können Sie R in großem Umfang auf Datenbankdaten anwenden
Erforschen, transformieren und analysieren Sie Daten schneller und in größerem Umfang, während Sie die vertraute R-Syntax und -Semantik verwenden und die Vorteile der Oracle Database als Hochleistungs-Rechenumgebung nutzen.

Blog lesen
AutoML – Hype vs. Nutzen
Nutzen Sie automatisiertes maschinelles Lernen optimal, indem Sie zwischen dem Hype und dem tatsächlichen Nutzen unterscheiden, den es für das Unternehmen bringt. Sehen Sie sich Beispiele und Demonstrationen für den Einsatz von Oracle AutoML in Ihren Projekten an.

Aufzeichnung ansehen (28:27)

Erstellen Sie hochleistungsfähige Machine Learning-Modelle in Oracle Database

Machine Learning in Autonomous Database

Oracle Machine Learning Notebooks

Steigern Sie die Produktivität von Data Scientists und Entwicklern und verkürzen Sie ihre Lernkurve mit vertrauter, Open-Source-basierter Apache Zeppelin-Notebook-Technologie. Notebooks unterstützen SQL-, PL-/SQL-, Python-, R- und Markdown-Interpreter für Oracle Autonomous Database, sodass Benutzer bei der Entwicklung von Analyselösungen in der Sprache ihrer Wahl arbeiten können.

Oracle Machine Learning Services

Reduzieren Sie die Zeit für die Bereitstellung und Verwaltung nativer In-Database-Modelle und Modelle im ONNX-Format in der Oracle Autonomous Database-Umgebung. Anwendungsentwickler verwenden Modelle über einfach zu integrierende REST-Endpunkte. Stellen Sie Modelle schnell und einfach über die AutoML-Benutzeroberfläche von Oracle Machine Learning bereit.

Oracle Machine Learning für SQL

Vereinfachen und beschleunigen Sie die Erstellung von Machine Learning-Modellen für professionelle und nicht professionelle Datenwissenschaftler unter Verwendung von SQL und PL/SQL für die Datenaufbereitung sowie die Entwicklung, Bewertung und Bereitstellung.

Oracle Machine Learning – AutoML-Benutzeroberfläche

Eine No-Code-Benutzeroberfläche, die AutoML auf Oracle Autonomous Database unterstützt, um sowohl die Produktivität von Data Scientists als auch den Zugriff von Laien auf leistungsstarke datenbankinterne Algorithmen zur Klassifizierung und Regression zu verbessern.

Wie KI die Feinsteinstellung von Machine Learning-Modellen vereinfachen kann

Oracle Machine Learning für R

Beschleunigen Sie die Modellierung des maschinellen Lernens mit Oracle Autonomous Database als High Performance Computing-Plattform mit einer R-Schnittstelle. Verwenden Sie Oracle Machine Learning Notebooks mit R-, Python- und SQL-Interpretern, um auf maschinellem Lernen basierende Lösungen zu entwickeln. Stellen Sie problemlos benutzerdefinierte R-Funktionen aus SQL und REST-APIs mit daten- und aufgabenparallelen Optionen bereit.

Oracle Machine Learning for Python

Data Scientists und andere Python-Benutzer beschleunigen die Modellierung von maschinellem Lernen und die Bereitstellung von Lösungen, indem sie Oracle Autonomous Database als leistungsstarke Computing-Plattform mit einer Python-Schnittstelle einsetzen. Das integrierte automatisierte maschinelle Lernen (AutoML) empfiehlt relevante Algorithmen und Funktionen für jedes Modell und führt eine automatische Modelloptimierung durch. Zusammen verbessern diese Funktionen die Nutzerproduktivität, Modellgenauigkeit und Skalierbarkeit.

GitHub-Repository

Oracle Data Miner

Datenwissenschaftler und Datenanalysten können diese Drag-and-Drop-Nutzeroberfläche nutzen, um schnell analytische Workflows zu erstellen. Durch die schnelle Modellentwicklung und -verfeinerung können Nutzer verborgene Muster, Beziehungen und Daten in ihren Daten entdecken.

Machine learning in Oracle Database und Cloud-Datenbankservices

Oracle Machine Learning für SQL

Vereinfachen und beschleunigen Sie die Erstellung von Machine Learning-Modellen für Datenwissenschaftler und Citizen Data Scientists unter Verwendung von SQL und PL/SQL für die Datenaufbereitung sowie die Entwicklung, Bewertung und Bereitstellung.

Oracle Data Miner

Oracle Machine Learning für R

Beschleunigen Sie die Modellierung und Bereitstellung von Lösungen für das maschinelle Lernen, indem Sie Oracle Database als leistungsstarke Computing-Plattform mit einer R-Schnittstelle einsetzen. Stellen Sie problemlos benutzerdefinierte R-Funktionen aus SQL und R-APIs mit daten- und aufgabenparallelen Optionen bereit. Benutzerdefinierte R-Funktionen können Funktionen aus dem R-Paket-Ökosystem enthalten.

Oracle Machine Learning for Python

GitHub-Repository

AutoML in Oracle Database

Oracle Machine Learning – AutoML-Benutzeroberfläche

Wie KI die Feinsteinstellung von Machine Learning-Modellen vereinfachen kann

Oracle Machine Learning for Python

GitHub-Repository

No-Code-Benutzeroberflächen für Machine Learning in Oracle Database

Oracle Machine Learning – AutoML-Benutzeroberfläche

Wie KI die Feinsteinstellung von Machine Learning-Modellen vereinfachen kann

Oracle Data Miner

Datenwissenschaftler und Datenanalysten können diese Drag-and-Drop-Nutzeroberfläche nutzen, um schnell analytische Workflows zu erstellen. Durch die schnelle Entwicklung und Verfeinerung können Nutzer verborgene Muster, Beziehungen und Daten in ihren Daten entdecken.

Erfahren Sie, was Top-Analysten über uns sagen

Die Enterprise Strategy Group findet, dass die Autonomous Data Warehouse-Verbesserungen von Oracle „die Einfachheit demokratisieren“

Enterprise Strategy Group-Blog lesen

OMDIA: Oracle ist der einzige Anbieter – Bericht

OMDIA: Oracle ist der einzige Anbieter, bei dem Kunden wählen können, welche Cloud-Services On-Premises und in der Public Cloud ausgeführt werden sollen

OMDIA-Bericht lesen (PDF)

Alle Kundenerfolge anzeigen

Machine Learning in Oracle Database – Kundenerfolge

Kunden auf der ganzen Welt nutzen die datenbankinternen Machine Learning-Funktionen von Oracle, um komplexe und wichtige datengesteuerte Probleme zu lösen.

UK NHS spart 1,6 Milliarden Pfund und bietet mit Machine Learning in Oracle Database eine bessere persönliche Betreuung.

Video ansehen (2:09)

Erfolgsgeschichte lesen

Vorteile

Datenbankinterne Modellentwicklung und Datenbewertung

Datenwissenschaftler und -entwickler erstellen Modelle und bewerten Daten schneller und in großem Maßstab, ohne die Daten in separate Analyse-Engines extrahieren zu müssen. Die Scale-Out-Architektur und die Smart Scan-Technologie von Oracle Exadata liefern schnelle Ergebnisse.
Sicherheit

Data Scientists und Entwickler, die maschinelles Lernen in Oracle Database verwenden, sind durch integrierte Sicherheit, Verschlüsselung und rollenbasierten Zugriff auf Benutzerdaten und -modelle geschützt.
Schnelle Unternehmensbereitstellungen

Entwickler und das Datenanalyseteam erreichen eine sofortige Verfügbarkeit des Machine Learning-Modells mit einfachen Bereitstellungsoptionen mithilfe der SQL- und Representational State Transfer (REST)-Schnittstellen.
Keine Datenverschiebungen

Data Scientists und Entwickler verarbeiten Daten dort, wo sie sich in der Oracle Database befinden. Dies vereinfacht die Modellerstellung und -bereitstellung, verkürzt die Zeit der Anwendungsentwicklung und verbessert die Datensicherheit.
Datenverarbeitung mit hoher Leistung

Datenwissenschaftler können Probleme mit Performance während der Datenaufbereitung, Modellentwicklung und Datenbewertung mithilfe der integrierten Parallelität und Skalierbarkeit von Oracle Database vermeiden und besondere Optimierungen für Oracle Exadata vornehmen.

4. April 2022

Ankündigung der eingebetteten Python-Ausführungs-SQL-API für Autonomous Database von Oracle Machine Learning

Mark Hornick, Senior Director, Data Science and Machine Learning, Oracle

Wir freuen uns, die Verfügbarkeit einer SQL-API für Oracle Machine Learning for Python mit der eingebetteten Python-Ausführung auf Oracle Autonomous Database bekannt zu geben. Als wir Anfang letzten Jahres Oracle Machine Learning for Python auf Oracle Autonomous Database ankündigten, unterstützte Oracle Machine Learning for Python erstmals eine REST-API für die eingebettete Python-Ausführung. Diese neue Schnittstelle ermöglicht jetzt den SQL-Zugriff auf diese leistungsstarke Funktion.

Vollständigen Beitrag lesen