Les services de machine learning proposés par Oracle facilitent la création, l'entraînement, le déploiement et la gestion de modèles d'apprentissage personnalisés. Ces services fournissent des fonctionnalités de data science avec la prise en charge de bibliothèques et d'outils open source préférés, ou grâce au machine learning dans la base de données et un accès direct aux données nettoyées. La prise en charge des services de machine learning permet de rationaliser l'étiquetage des données ou d'améliorer l'accès aux machines virtuelles.
Découvrez l'importance d'une stratégie de données solide pour l'IA. Ce rapport IDC explore les difficultés actuelles et fournit des conseils sur la définition d'une stratégie de données de base pour l'IA.
La création d’un modèle de machine learning est un processus itératif. En savoir plus sur chaque étape, de la collecte de données aux déploiement et au suivi de modèles.
Explorez les ordinateurs portables et construisez ou testez des algorithmes de machine learning. Essayez AutoML et constatez les résultats de la data science.
Les structures et bibliothèques open source de Python et R permettent l'exploration, la transformation et la visualisation des données. Il s'agit notamment de pandas, Dask, NumPy, Plotly, Matplotlib, TensorFlow, Keras et PyTorch.
Oracle Database propose plus de 30 algorithmes extrêmement performants et entièrement évolutifs qui couvrent les techniques courantes de machine learning. Les données déjà stockées dans Oracle Database n'ont pas besoin d'être déplacées, ce qui réduit le workload de gestion des données.
Déployez rapidement des modèles d’accès pour les applications et les analystes métier. Les modèles peuvent être déployés avec une API REST dans une architecture Cloud sans serveur et évolutive en tant qu’Oracle Functions, ou directement dans la base de données.
L’explication des modèles permet aux utilisateurs de comprendre le comportement global d’un modèle ainsi que les prédictions individuelles du modèle. OCI Data Science facilite la compréhension de l'importance des fonctionnalités et des influences sur les prévisions.
Accédez aux données dans de multiples formats (notamment CSV, Excel et JSON), de multiples sources (notamment le stockage d’objets, Oracle Database, MongoDB, PostgreSQL et Hadoop) et de multiples emplacements (sur site, dans Oracle Cloud et d'autres clouds).
Les data scientists peuvent développer à l'aide des langages les plus populaires, notamment Python, R et SQL. Les entreprises obtiennent des résultats meilleurs et plus rapides lorsque les data scientists ont la possibilité d’utiliser les langages les mieux adaptés à des tâches particulières.
Créez des modèles de haute qualité plus rapidement et plus facilement. Les capacités de machine learning automatisé examinent rapidement les données et recommandent les caractéristiques optimales des données et les meilleurs algorithmes. De plus, le machine learning automatisé ajuste le modèle et explique les résultats du modèle.
Les data scientists doivent accéder aux données dans différents formats à partir de différentes sources de données, que ce soit sur site ou dans le Cloud. Utilisez les outils d’intégration et de préparation des données par glisser-déposer pour déplacer les données dans un lac de données ou un data warehouse, ce qui simplifie l’accès pour les scientifiques.
L’IA est plus fiable lorsque plusieurs contributeurs collaborent efficacement et que les outils de machine learning fournissent des explications et une évaluation des modèles. Les outils de sécurité et les interfaces utilisateur d’Oracle permettent à de nombreux acteurs de participer à des projets et de partager des modèles. Les explications agnostiques des modèles aident les scientifiques, les analystes commerciaux et les dirigeants à se fier aux résultats.
OCI Data Science est un service de machine learning complet qui offre des environnements de bloc-notes JupyterLab et un accès à des centaines d'outils et de structures open source populaires.
Le machine learning dans Oracle Database prend en charge l'exploration et la préparation des données tout comme la création et le déploiement de modèles de machine learning utilisant des interfaces SQL, R, Python, REST, AutoML ou sans code.
OCI Data Labeling fournit des jeux de données étiquetés pour mieux entraîner les modèles d'IA et de machine learning.
OCI Virtual Machines for Data Science sont des environnements basés sur les GPU préconfigurés avec des IDE populaires, des blocs-notes et des structures de machine learning.
Découvrez comment Prosperdtx a déployé une architecture capable de gérer en toute sécurité de grandes quantités de données source afin de créer des modèles prédictifs avec Oracle Cloud Infrastructure Data Science.
Grâce au machine learning dans Oracle Database, les data scientists peuvent gagner du temps en déplaçant leurs données vers des systèmes externes pour les analyser et pour la création, la notation et le déploiement de modèles.
Wendy Yip, Data Scientist chez Oracle
Oracle Cloud Infrastructure (OCI) Data Science introduit une nouvelle fonctionnalité, la sortie gérée, qui permet aux clients de configurer plus facilement leur réseau pour leurs blocs-notes et leurs tâches. Cette fonctionnalité vous permet de gérer vos ressources réseau par OCI Data Science.
Découvrir les sessions de bloc-notes