Machine Learning in Oracle Database unterstützt mithilfe von SQL-, R-, Python-, REST-, AutoML- und No-Code-Schnittstellen die Datenexploration, -vorbereitung und Machine Learning-(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.
Durch die neue KI-Vektor-Ähnlichkeitssuche in Oracle Database 23c ist die Kombination von Suchverfahren in semantischen und Geschäftsdaten möglich, um schnell und sicher hochpräzise Antworten bereitzustellen.
Verhindern Sie Datenabweichungen und überwachen Sie die Leistung Ihrer maschinellen Lernmodelle. Neue Überwachungsfunktionen in Oracle Database-Services für maschinelles Lernen warnen Sie vor Problemen mit der Qualität der Daten und des datenbankeigenen Modells.
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.
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.
Der Einsatz und die Skalierung von Modellen für maschinelles Lernen und umfassenderen Python- und R-basierten Lösungen in der Produktion ist oft eine Herausforderung. Erfahren Sie, wie Sie die Einbettung von KI und ML in Anwendungen mit maschinellem Lernen in Oracle Database vereinfachen können.
Erstellen Sie Modelle und bewerten Sie Daten schneller und im großen Maßstab, ohne Daten in separate Analyse-Engines zu extrahieren. Die Scale-Out-Architektur und die Smart Scan-Technologie von Oracle Exadata liefern schnelle Ergebnisse.
Verarbeiten Sie Daten dort, wo sie sich in der Oracle Database befinden. Dies vereinfacht die Modellerstellung und -bereitstellung, verkürzt die Zeit der Anwendungsentwicklung, verkürzt die Komplexität und verbessert die Datensicherheit.
Verbessern Sie die Produktivität von Data Scientists und ermöglichen Sie auch Laien den Zugriff auf leistungsstarke datenbankinterne Algorithmen zur Klassifizierung und Regression über eine No-Code-AutoML-Benutzeroberfläche.
Profitieren Sie von der integrierten Sicherheit, Verschlüsselung und dem rollenbasierten Zugriff von Oracle Database auf Benutzerdaten, datenbankinterne und Drittanbietermodelle sowie R-/Python-Objekte und -Skripte.
Erzielen Sie mithilfe von SQL- und REST-Schnittstellen und den einfachen Bereitstellungsoptionen eine sofortige Verfügbarkeit von ML-Modellen.
Vermeiden Sie mithilfe der integrierten Parallelität und Skalierbarkeit von Oracle Database und der einzigartigen Optimierungen für Oracle Exadata jegliche Leistungsprobleme bei der Datenvorbereitung, Modellerstellung und Datenbewertung.
Mark Hornick, Senior Director, Data Science and Machine Learning, Oracle
Wir freuen uns, Autonomous Database Select AI vorstellen zu können, eine neue Funktion, mit der Sie Ihre Daten in natürlicher Sprache abfragen können. Select AI kombiniert generative KI mit SQL, sodass Sie ohne spezielle SQL-Kenntnisse beschreiben können, was Sie wollen – deklarative Absicht. Außerdem können Sie die Datenbank die SQL-Abfrage für Sie generieren lassen.
Vollständigen Beitrag lesenMit Oracle Autonomous Data Warehouse verfügen Sie über alle notwendigen integrierten Tools zum Laden und Vorbereiten von Daten sowie zum Trainieren, Bereitstellen und Verwalten von ML-Modellen. Außerdem haben Sie die Flexibilität, andere Tools zu kombinieren, um sie optimal an die Anforderungen Ihres Unternehmens anzupassen.
Lernen Sie die Designprinzipien kennen, die mit der Erstellung einer Plattform für maschinelles Lernen und einem optimalen Implementierungspfad verbunden sind. Dieses Muster können Sie verwenden, um Plattformen für maschinelles Lernen zu erstellen, die den Anforderungen Ihrer Data-Scientist-Benutzer entsprechen.
Holen Sie sich das Framework, um Daten von Unternehmensanwendungen mit Rohdaten aus anderen Quellen anzureichern, und nutzen Sie dann ML-Modelle, um Intelligenz und prädiktive Erkenntnisse in Geschäftsprozesse einzubringen.
Entdecken Sie die Plattformtopologie, die Komponentenübersicht und die empfohlenen Best Practices für die Implementierung eines erfolgreichen Data Lakehouse auf OCI. So können Sie eine Fülle von Daten erfassen und Daten für eine Bestandstransparenz in Echtzeit aggregieren und verwalten.
Beginnen Sie mit Oracle Cloud und greifen Sie in Autonomous Database kostenlos auf Machine Learning zu.
Holen Sie sich die neuesten Nachrichten, Ereignisse und Community-Ressourcen zu Oracle Database.
Möchten Sie mehr erfahren? Kontaktieren Sie einen unserer branchenführenden Experten.