Machine Learning in Oracle Database prend en charge l'exploration, la préparation et la modélisation par machine learning des données à l'échelle via des interfaces SQL, R, Python, REST, de machine learning automatique (AutoML) et no code. Cette solution inclut plus de 30 algorithmes à hautes performances dans la base de données, qui produisent des modèles prêts à une utilisation immédiate dans les applications. En conservant les données dans la base de données, les organisations peuvent simplifier leur architecture globale et maintenir la sécurité et la synchronisation des données. Cela permet aux data scientists et aux autres professionnels des données de créer rapidement des modèles en simplifiant et en automatisant les éléments clés du cycle de vie de l'apprentissage automatique.
Évitez la dérive des données et surveillez les performances de vos modèles de machine learning. Les nouvelles fonctionnalités de surveillance du machine learning dans les services Oracle Database vous alertent en cas de problème de qualité des données et du modèle natif dans la base de données.
Exploitez des écosystèmes de paquets Python et R plus larges sur Oracle Autonomous Database dans Oracle Machine Learning Notebooks. Exécutez des fonctions définies par l'utilisateur avec des fonctionnalités de paquets tiers dans des moteurs générés et gérés par l'environnement Oracle Database.
Explorez, transformez et analysez les données plus rapidement et à l'échelle, tout en utilisant la syntaxe et la sémantique connus de R et en tirant parti d'Oracle Database en tant qu'environnement de calcul haute performance.
Le déploiement et la mise à l'échelle de modèles de machine learning et de solutions Python et R plus larges en production sont souvent difficiles. Découvrez comment simplifier l'intégration de l'IA et du machine learning dans les applications à l'aide du machine learning dans Oracle Database.
Augmentez la productivité des data scientists et des développeurs et réduisez leur courbe d’apprentissage grâce à la technologie de notebook Apache Zeppelin, basée sur une source ouverte et familière. Les notebooks prennent en charge les interpréteurs SQL, PL/SQL, Python, R et Markdown pour Oracle Autonomous Database afin que les utilisateurs puissent travailler avec le langage de leur choix lors du développement de solutions d'analyse.
Réduisez le temps de déploiement et de gestion des modèles natifs dans la base de données et des modèles au format ONNX dans l'environnement Oracle Autonomous Database. Les développeurs d'applications utilisent des modèles grâce à des terminaux REST faciles à intégrer. Déployez des modèles rapidement et facilement à partir de l'interface utilisateur AutoML d'Oracle Machine Learning.
Simplifiez et accélérez la création de modèles de machine learning pour les data scientists, experts ou non, en utilisant des langages SQL et PL/SQL familiers pour la préparation des données, la création de modèles, l’évaluation et le déploiement.
Une interface utilisateur sans code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non-experts aux puissants algorithmes de classification et de régression de la base de données.
Accélérez la modélisation du machine learning avec Oracle Autonomous Database en tant que plateforme de calcul haute performances avec une interface R. Utilisez Oracle Machine Learning Notebooks avec des interpréteurs R, Python et SQL pour développer des solutions basées sur le machine learning. Déployez facilement des fonctions R définies par l'utilisateur à partir d'API SQL et REST avec des options parallèles aux données et aux tâches.
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Autonomous Database comme plateforme de calcul haute performance avec une interface Python. Le machine learning intégré (AutoML) recommande des algorithmes et des fonctionnalités pertinents pour chaque modèle et effectue un réglage automatisé du modèle. Ensemble, ces fonctionnalités améliorent la productivité des utilisateurs, la précision des modèles et l'évolutivité.
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le raffinement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.
Simplifiez et accélérez la création de modèles de machine learning pour les data scientists et les data scientists citoyens, en utilisant des langages SQL et PL/SQL familiers pour la préparation des données, la création de modèles, l’évaluation et le déploiement.
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le raffinement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.
Accélérez la modélisation de machine learning et le déploiement de solutions en utilisant Oracle Database comme plateforme de calcul haute performance avec une interface R. Déployez facilement des fonctions R définies par l'utilisateur à partir d'API SQL et R avec des options parallèles aux données et aux tâches. Les fonctions R définies par l'utilisateur peuvent inclure des fonctionnalités issues de l'écosystème de packages R.
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Autonomous Database comme plateforme de calcul haute performance avec une interface Python. Le machine learning intégré (AutoML) recommande des algorithmes et des fonctionnalités pertinents pour chaque modèle et effectue un réglage automatisé du modèle. Ensemble, ces fonctionnalités améliorent la productivité des utilisateurs, la précision des modèles et l'évolutivité.
Une interface utilisateur sans code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non-experts aux puissants algorithmes de classification et de régression de la base de données.
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Autonomous Database comme plateforme de calcul haute performance avec une interface Python. Le machine learning intégré (AutoML) recommande des algorithmes et des fonctionnalités pertinents pour chaque modèle et effectue un réglage automatisé du modèle. Ensemble, ces fonctionnalités améliorent la productivité des utilisateurs, la précision des modèles et l'évolutivité.
Une interface utilisateur sans code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non-experts aux puissants algorithmes de classification et de régression de la base de données.
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le raffinement rapides permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.
Découvrez comment créer plus rapidement des modèles de machine learning avec Python, R, et SQL.
Enterprise Strategy Group estime que les améliorations apportées à Oracle Autonomous Data Warehouse « démocratisent la simplicité ».
Lire le blog Enterprise Strategy GroupOMDIA : Oracle est le seul fournisseur permettant aux clients de choisir les services cloud à exécuter sur site et dans le cloud public
Lire le rapport OMDIA (PDF)Des clients du monde entier tirent parti des capacités de machine learning en base de données d’Oracle pour résoudre des problèmes complexes et importants liés aux données.
Les data scientists et les développeurs élaborent des modèles et évaluent les données plus rapidement et à grande échelle, sans avoir à extraire les données vers des moteurs d’analyse distincts. L’architecture évolutive d’Oracle Exadata et la technologie Smart Scan fournissent des résultats rapides.
Les data scientists et les développeurs qui utilisent Machine Learning d'Oracle Database sont protégés avec la sécurité intégrée, le chiffrement et l’accès basé sur les rôles pour les données utilisateur et les modèles.
Les développeurs et l’équipe élargie de la data science obtiennent une disponibilité immédiate du modèle de machine learning grâce à des options de déploiement faciles utilisant des interfaces SQL et REST.
Les data scientists et les développeurs traitent les données là où elles résident dans Oracle Database. Cela simplifie la création et le déploiement de modèles, réduit le temps de développement des applications et améliore la sécurité des données.
Les data scientists évitent les problèmes de performances lors de la préparation des données, de la création de modèles et du scoring de données en utilisant le parallélisme et l’évolutivité intégrés d’Oracle Database, avec des optimisations uniques pour Oracle Exadata.
Mark Hornick, directeur principal, science des données et apprentissage automatique, Oracle
Nous sommes heureux de vous présenter la nouvelle interface d'Oracle Machine Learning Notebooks sur Autonomous Database (Oracle Machine Learning Notebooks EA). Elle est désormais disponible dans toutes les régions. Les nouvelles fonctionnalités incluent une réduction des temps de chargement des blocs-notes, une nouvelle présentation Oracle Redwood, des mises en page Jupyter et Zeppelin, des visualisations de graphiques plus complètes ainsi que des commentaires pour chaque paragraphe et des dépendances.
Lire la suite de l'articleCommencez avec Oracle Cloud et accédez gratuitement à Machine Learning dans Autonomous Database.
Obtenez de l'aide et apprenez ensemble avec Machine Learning dans la communauté Oracle Database Groundbreakers.