Machine Learning deckt verborgene Muster und Daten in Unternehmensdaten auf und generiert einen Mehrwert für das Unternehmen. Mithilfe reduzierter Datenbewegung, AutoML-Technologie und vereinfachter Bereitstellung beschleunigt Oracle Machine Learning die Entwicklung und Bereitstellung von Machine-Learning-Modellen für Datenwissenschaftler.
Mittwoch, 20. Oktober, 12:00 Uhr ET/13:00 Uhr BRT/18:00 Uhr CEST
Steigern Sie die Produktivität von Datenwissenschaftlern und Entwicklern und verringern Sie ihre Lernkurve mit der vertrauten Open Source-basierten Notebook-Technologie Apache Zeppelin. Notebooks unterstützen SQL-, PL/SQL-, Python- und Markdown-Interpreter für Oracle Autonomous Database, sodass Nutzer bei der Entwicklung von Modellen mit der Sprache ihrer Wahl arbeiten können.
Reduzieren Sie die Zeit bis zur Bereitstellung und verwalten Sie native datenbankinterne Modelle sowie Klassifizierungs- und Regressionsmodelle im ONNX-Format außerhalb von Oracle Autonomous Database. Anwendungsentwickler verfügen über einfach zu integrierende REST-Endpunkte. Datenwissenschaftler erhalten über Oracle Machine Learning AutoML User Interface eine integrierte Modellbereitstellung.
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.
Eine No-Code-Nutzeroberfläche, die AutoML in Autonomous Database unterstützt, um sowohl die Produktivität von Datenwissenschaftlern als auch den Zugriff von Nichtfachleuten auf leistungsstarke datenbankinterne Algorithmen zur Klassifizierung und Regression zu verbessern.
Datenwissenschaftler und andere Python-Nutzer beschleunigen die Modellbildung und -ausführung, indem sie die integrierte Python-Umgebung von Oracle Autonomous Database als leistungsstarke Computerplattform nutzen. Integriertes AutoML bietet automatisierte Algorithmus- und Funktionsauswahl sowie Modelloptimierung und -auswahl. Zusammen verbessern diese Funktionen die Nutzerproduktivität, Modellgenauigkeit und Leistung.
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.
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.
R-Nutzer erhalten die Performance und Skalierbarkeit von Oracle Database für die Datenexploration, ‑aufbereitung und Machine Learning in der Sprache ihrer Wahl. Eine integrierte R-Schnittstelle ermöglicht die einfache Bereitstellung nutzerdefinierter R-Funktionen mit SQL und erleichtert die Verwendung von CRAN-Bibliotheken und -Paketen.
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.
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.
R-Nutzer erhalten die Performance und Skalierbarkeit von Oracle Database für die Datenexploration, ‑aufbereitung und Machine Learning in der Sprache ihrer Wahl. Eine integrierte R-Schnittstelle ermöglicht die einfache Bereitstellung nutzerdefinierter R-Funktionen mit SQL und erleichtert die Verwendung von CRAN-Bibliotheken und -Paketen.
Datenwissenschaftler können eine R-API mit skalierbaren nativen MLlib Spark-basierten Algorithmen für Daten von Hive, Impala und HDFS API verwenden, um die Modellentwicklung und Datenbewertung zu beschleunigen.
Eine No-Code-Nutzeroberfläche, die AutoML in Autonomous Database unterstützt, um sowohl die Produktivität von Datenwissenschaftlern als auch den Zugriff von Nichtfachleuten auf leistungsstarke datenbankinterne Algorithmen zur Klassifizierung und Regression zu verbessern.
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, wie Sie mit Python, R und SQL schneller Machine Learning-Modelle erstellen können.
So wie einige Data Warehouse-Clouds versuchen, herauszufinden, wie gut sie mit Machine Learning zusammenarbeiten, hat Oracle sich immer höhere Ziele gesetzt“, sagte Marc Staimer, Präsident von DS Consulting und Wikibon-Analyst. „Oracle Autonomous Data Warehouse enthält jetzt Auto-ML. ADW hat von Anfang an Machine Learning integriert. Aber jetzt haben sie es automatisiert, sodass jeder ADW-Kunde es ohne Fachwissen nutzen kann. Dies lässt andere Angebote vergleichsweise rudimentär und simpel erscheinen.“Marc Staimer Präsident von DS Consulting und Wikibon-Analyst
Die Verbesserungen von Oracle Autonomous Data Warehouse sind in dreierlei Hinsicht von Bedeutung. Erstens bietet die Lösung Point-and-Click-Oberflächen und Machine Learning-Automatisierung, sodass nicht-professionelle Nutzer umsetzbare Einblicke erhalten. Zweitens können dank dieser Benutzerfreundlichkeit auch KMUs mit kleinen IT-Abteilungen vom anspruchsvollen Cloud Data Warehouse von Oracle profitieren. Drittens können Nutzer mit Autonomous Data Warehouse Daten aus beliebigen Quellen, von abteilungsspezifischen Systemen über Enterprise Data Warehouses bis hin zu Data Lakes und sogar Clouds anderer Anbieter, wie AWS, Azure und Google, erfassen und verschiedene analytische Workloads ausführen. Insgesamt erhöht Oracle die Reichweite von Autonomous Data Warehouse erheblich für Nutzer, Unternehmen und den Datenzugriff auf Multi-Clouds. Dies überschreitet die Grenzen der Möglichkeiten von AWS Redshift und Snowflake und jedem anderen Cloud Data Warehouse weltweit.Richard Winter CEO und Principal Architect
Kunden auf der ganzen Welt nutzen die datenbankinternen Machine Learning-Funktionen von Oracle, um komplexe und wichtige datengesteuerte Probleme zu lösen.
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.
Datenwissenschaftler und Entwickler, die Oracle Machine Learning verwenden, sind durch die in Oracle Database integrierte Sicherheit, Verschlüsselung und den rollenbasierten Zugriff auf Nutzerdaten und Modelle geschützt.
Entwickler und das Datenanalyseteam erreichen eine sofortige Verfügbarkeit des Machine Learning-Modells mit einfachen Bereitstellungsoptionen mithilfe der SQL- und Representational State Transfer (REST)-Schnittstellen.
Datenwissenschaftler und Entwickler können Daten dort verarbeiten, wo sie sich in der Oracle Database befinden, um die Modellentwicklung und ‑bereitstellung zu vereinfachen, die Anwendungsentwicklungszeit zu verkürzen und die Datensicherheit zu verbessern.
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.
Datenwissenschaftler und Entwickler kennen die Leistungsfähigkeit von Python, und die weit verbreitete Einführung von Python ist ein Beleg für den Erfolg der Lösung. Jetzt können Python-Nutzer diese Leistungsfähigkeit erweitern, wenn sie Daten in Oracle Autonomous Database analysieren. Oracle Machine Learning for Python (OML4Py) bereitet die Python-Open-Source-Skriptsprache und -umgebung auf das Unternehmen und Big Data vor.
Vollständigen Beitrag lesenBeginnen Sie mit Oracle Cloud und greifen Sie kostenlos auf Oracle Machine Learning innerhalb von Autonomous Database zu.
Registrieren Sie sich noch heute, um am Analytics and Data Oracle User Community TechCasts teilzunehmen.
Holen Sie sich Support und lernen Sie gemeinsam von der datenbankinternen Oracle Machine Learning Groundbreakers-Community.