Machine Learning in Oracle Database 支持数据探索和准备,以及使用 SQL、R、Python、REST、自动机器学习 (AutoML) 和无代码用户界面进行机器学习 (ML) 建模。此服务包括逾 30 个高性能数据库中算法用于生成模型,以便立即在应用中使用。企业可以将数据保留在数据库中,从而简化整体架构,并确保数据同步和安全性。数据科学家和其他数据专业人员也可以简化和自动执行机器学习生命周期中的关键要素,快速构建模型。
Oracle Database 23c 中的全新 AI 向量相似性搜索可结合语义和业务数据搜索,从而快速、安全地获得高度准确的答案。
防止数据漂移,监视机器学习模型性能。Machine Learning in Oracle Database 服务推出全新的监视功能,可提醒您注意数据和原生数据库内模型质量问题。
在 Oracle Machine Learning Notebooks 中的 Oracle Autonomous Database 上利用更大的 Python 和 R 程序包生态系统。在由 Oracle Database 环境产生和管理的引擎中,利用第三方软件包功能运行用户定义的函数。
使用熟悉的 R 语法和语义,在 Oracle Database 这个高性能计算环境中更快速、规模化地探索、转换和分析数据。
在生产环境中部署和扩展机器学习模型以及更广泛的基于 Python 和 R 的解决方案通常具有一定难度。了解如何使用 Machine Learning in Oracle Database 轻松将 AI 和机器学习嵌入应用中。
无需将数据提取到单独的分析引擎,即可快速、大规模地构建模型和评分数据。Oracle Exadata 的横向扩展架构和智能扫描技术可以加速获得成果。
在 Oracle Database 数据所在的位置处理数据,从而简化模型构建和部署,缩短应用开发时间,降低复杂性,并提高数据安全性。
通过无代码 AutoML 用户界面,提高数据科学家的工作效率,同时也让非专家用户可以访问强大的数据库内算法来执行分类和回归。
通过 Oracle Database 的内置安全性、加密和基于角色的访问,保护用户数据、数据库内和第三方模型以及 R 和 Python 的对象和脚本。
在 SQL 和 REST 界面,通过易于部署的选项实现即时的机器学习模型可用性。
利用 Oracle Database 的内置并行性和可扩展特性,以及针对 Oracle Exadata 的优化功能,有效避免在数据准备、模型构建和数据评分期间发生性能问题。
Oracle Autonomous Data Warehouse 内置您所需的各种工具,助您高效加载和准备数据,以及训练、部署和管理机器学习模型。您还可以灵活地结合使用这些工具,更好地满足组织的需求。
注:为免疑义,本网页所用以下术语专指以下含义: