HeatWave AutoML

Oracle HeatWave AutoML bietet integriertes, automatisiertes und sicheres maschinelles Lernen (ML) und unterstützt Sie beim Erstellen, Trainieren und Erklären von ML-Modellen ohne ML-Fachwissen, Datenverschiebung oder zusätzliche Kosten. Es ist auf Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) und Microsoft Azure verfügbar.

Sehen Sie sich die Aufzeichnung der Keynote von Chief Corporate Architect Edward Screven auf der Oracle CloudWorld an: „Generative KI-Anwendungen erstellen – integriert und automatisiert mit HeatWave GenAI“.

Was spricht für HeatWave AutoML?

  • Schnellere Anwendungsentwicklung mit integriertem ML

    Eliminieren Sie komplexe und zeitaufwändige Datenübertragungen zu einem separaten ML-Service mit integriertem ML. ML-Training, -Inferenz und -Erklärungen lassen sich problemlos auf Daten anwenden, die entweder in der MySQL-Datenbank oder im Objektspeicher gespeichert sind.

  • Demokratisierung des maschinellen Lernens

    Automatisieren Sie den ML-Lebenszyklus, einschließlich der Auswahl von Algorithmen, intelligenter Datenstichproben für das Modelltraining, der Auswahl von Merkmalen und der Hyperparameteroptimierung. Keine ML-Kenntnisse erforderlich.

  • Förderung der Datensicherheit

    Speichern Sie Ihre Daten in einem Datenmanagementsystem mit einer einzigen Sicherheitskonfiguration und zentralisierten Zugriffskontrollen. Alle Mitteilungen werden authentifiziert und verschlüsselt.

  • Genauere Ergebnisse zu geringeren Kosten

    Trainieren Sie ML-Modelle schneller, sodass Sie Modelle häufiger neu trainieren und genauere Ergebnisse erzielen können.

Wesentliche Features von HeatWave AutoML

Umfassende ML-Funktionen

HeatWave AutoML unterstützt Aufgaben der Anomalieerkennung, Prognose, Klassifizierung, Regression und Recommendation Engine, einschließlich in Textspalten.

Integrierte Recommendation Engine

Durch die Berücksichtigung sowohl impliziten Feedbacks (z. B. frühere Einkäufe und Browsing-Verhalten) als auch expliziten Feedbacks (z. B. Bewertungen und Likes) kann das HeatWave AutoML-Empfehlungssystem beispielsweise dabei helfen, personalisierte Vorschläge für den nächsten Einkauf zu generieren.

Erklärbare ML-Modelle

Alle von HeatWave AutoML trainierten Modelle sind erklärbar. HeatWave AutoML liefert Vorhersagen mit einer Erklärung der Ergebnisse und unterstützt Sie mit Vertrauen, Fairness und der Einhaltung von Vorschriften.

Erkennung von Datendrift

Die Erkennung von Datendrift hilft Analysten dabei, festzustellen, wann Modelle neu trainiert werden müssen, indem sie die Unterschiede zwischen den für das Training verwendeten Daten und neu eingehenden Daten erkennt.

Interaktive Konsole

Die interaktive Konsole ermöglicht es Geschäftsanalysten, ML-Modelle über eine visuelle Benutzeroberfläche zu erstellen, zu trainieren, auszuführen und zu erklären – SQL-Befehle oder Programmierkenntnisse sind nicht erforderlich. Sie können außerdem ganz einfach hypothetische Szenarien durchspielen, um Geschäftsannahmen zu bewerten.

Integriert in gängige Tools

HeatWave AutoML ist in beliebte Notebooks wie Jupyter und Apache Zeppelin integriert.

HeatWave AutoML – Kundenerfolge

Anwendungsfälle für HeatWave AutoML

Business Analysts und Entwickler ohne ML-Kenntnisse können HeatWave AutoML verwenden, um die Abwanderung von Kunden vorherzusagen. Der Lebenszyklus von ML ist automatisiert. Die Daten verlassen die Datenbank nicht, wodurch Sicherheitsrisiken reduziert werden. Einmal erstellt, kann das Modell die Wahrscheinlichkeit einer Kundenabwanderung vorhersagen.


Diagramm zur Vorhersage der Kundenabwanderung, Beschreibung unten:

Der Benutzer gibt an, dass sein Anwendungsfall wie folgt lautet: „Ich muss die Kundenabwanderung vorhersagen können.“ Er oder sie kann dann ganz einfach die HeatWave AutoML-Automatisierung nutzen, um ein Klassifizierungsmodell für maschinelles Lernen zu erstellen, das in diesem Fall angemessen ist. Anschließend kann der Benutzer das ML-Modell verwenden, indem er beispielsweise fragt: „Wie wahrscheinlich ist es, dass dieser Kunde abwandert?“ und die Antwort „Die Wahrscheinlichkeit, dass dieser Kunde abwandert, liegt bei 72 %“ erhält.



Business Analysts und Entwickler ohne ML-Kenntnisse können HeatWave AutoML nutzen, um betrügerische Transaktionen aufzudecken. Der Lebenszyklus von ML ist automatisiert. Die Daten verlassen die Datenbank nicht, wodurch Sicherheitsrisiken reduziert werden. Einmal erstellt, kann das Modell die Wahrscheinlichkeit von Betrugsfällen im Zusammenhang mit Transaktionen vorhersagen.


Diagramm zur Erkennung betrügerischer Transaktionen, Beschreibung unten:

Der Benutzer gibt seinen Anwendungsfall wie folgt an: „Ich muss potenziell betrügerische Transaktionen erkennen.“ Er oder sie kann dann ganz einfach die HeatWave AutoML-Automatisierung nutzen, um ein Modell für die Anomalieerkennung per maschinellem Lernen zu erstellen, das in diesem Fall geeignet ist. Anschließend kann der Benutzer das ML-Modell verwenden, indem er beispielsweise fragt: „Welche dieser Transaktionen sind wahrscheinlich betrügerisch?“ Darauf erhält er die Antwort: „Hier sind die Transaktionen, die als potenziell betrügerisch identifiziert wurden, mit den zugehörigen Wahrscheinlichkeiten.“



Entwickler können Anwendungen erstellen, die die kombinierte Leistung des integrierten ML und der generativen KI in HeatWave nutzen, um personalisierte Empfehlungen bereitzustellen. In diesem Beispiel verwendet die Anwendung das HeatWave AutoML-Empfehlungssystem, um Restaurants auf der Grundlage der Vorlieben des Benutzers oder seiner früheren Bestellungen zu empfehlen. Mit HeatWave Vector Store kann die Anwendung zusätzlich die Speisekarten von Restaurants im PDF-Format durchsuchen, um bestimmte Gerichte vorzuschlagen und dem Kunden einen größeren Nutzen zu bieten.


RAG verbessert mit ML-Diagramm, Beschreibung unten:

Ein Benutzer fragt im HeatWave Chat: „Welche veganen Gerichte schlägst du mir heute vor?“. Zunächst schlägt das HeatWave AutoML-Empfehlungssystem eine Liste von Restaurants vor, die auf den früheren Bestellungen des Benutzers basieren. Dann liefert HeatWave Vector Store dem LLM eine erweiterte Eingabeaufforderung, die auf den Speisekarten der Restaurants basiert, die darin gespeichert sind. Das LLM kann dann eine personalisierte Empfehlung von Gerichten in natürlicher Sprache erstellen.



Das sagen führende Branchenanalysten über HeatWave AutoML

  • Constellation Research-Logo

    „HeatWave setzt maschinelles Lernen richtig ein. Durch die kosteneffiziente und automatisierte Anwendung von ML auf die Daten mit HeatWave AutoML beschleunigt HeatWave die Einführung von ML.“

    Holger Mueller
    Vice President and Principal Analyst bei Constellation Research
  • The Futurum Group-Logo

    „Das datenbankinterne HeatWave AutoML lässt Redshift ML in Bezug auf Technik, Leistung und Kosten wie ein Relikt aus der Vergangenheit aussehen.“

    Ron Westfall
    Senior Analyst and Research Director, The Futurum Group
  • Moor Insights & Strategy-Logo

    „Ich glaube, dass die in HeatWave AutoML integrierte Automatisierung die Nutzung für Kunden spürbar vereinfachen und ML über den Bereich der Data Scientists hinaus erweitern wird.“

    Matt Kimball
    Vice President und Principal Analyst, Moor Insights & Strategy
  • Enterprise Strategy Group-Logo

    „Mit HeatWave AutoML wird maschinelles Lernen demokratisiert. Es ist schnell, verwendet aktuelle Daten und kostet weniger als andere Cloud-Datenbankdienste.“

    Mike Leone
    Practice Director, Data Analytics and AI, Enterprise Strategy Group

Weitere Informationen zu anderen HeatWave-Lösungen für Ihre verschiedenen Workloads

Erste Schritte mit HeatWave AutoML

Dokumentation

Rufen Sie einfach die Dokumentation auf, um mit HeatWave AutoML zu beginnen.

Mit schrittweiser Anleitung lernen

Erleben Sie HeatWave AutoML in Ihrem eigenen Tempo mit Schritt-für-Schritt-Anleitungen.

Erste Schritte mit HeatWave AutoML

Hier lernen Sie, wie Sie mit HeatWave AutoML ein prädiktives ML-Modell erstellen.

Diese Übung starten


Erstellen Sie eine Anwendung für Filmempfehlungen mit HeatWave AutoML

Erstellen Sie MovieHub, eine fiktive Film-Streaming-Anwendung, die mithilfe von HeatWave AutoML personalisierte Filmempfehlungen liefert.

Diese Übung starten

Kostenloser HeatWave AutoML-Workshop

Fordern Sie einen kostenlosen, von Experten geleiteten Workshop an, um HeatWave AutoML zu evaluieren oder sich damit vertraut zu machen.

HeatWave AutoML kostenlos testen

Melden Sie sich für eine kostenlose Testversion von HeatWave AutoML an. Diese bietet einen zeitlich unbegrenzten Zugang zu kostenlosen Ressourcen.

Vertrieb kontaktieren

Möchten Sie mehr über HeatWave AutoML erfahren? Einer unserer Experten wird Ihnen gerne helfen.