Oracle Data Science Cloud
Rapidly build, train, deploy, and manage machine learning models with a data science cloud platform built for teams.
OCI 数据科学
数据访问和数据整理
灵活的数据访问
数据科学家可以访问和使用任何云端或本地的任何数据源。这将提供更多潜在数据特性，从而产生更加优质的模型。
使用 OCI 数据流进行大规模数据准备
与 OCI 数据流的集成提供了一个简单的界面，可从数据科学环境中创建和运行大规模 Spark 作业。此外，PySpark 环境还支持在笔记本会话中迭代开发数据流应用。
自动进行数据分析和准备
使用先进的数据分析功能、智能可视化和数据准备工具简化探索性数据分析工作流程。
开源数据转换和可视化工具
OCI 数据科学支持 Pandas、Dask 和 Numpy 等数据科学家最喜爱的开源数据操作工具，以及 Plotly、Matplotlib 和 Bokeh 等常用的开源可视化工具，从而帮助数据科学家探索数据。
模型构建
JupyterLab 界面
内置、云端托管式的 JupyterLab 记事本环境支持数据科学团队使用常见的用户界面，轻松构建和训练模型。
开源机器学习框架
OCI 数据科学云服务拥有数百种常用的开源工具和框架，可为数据科学家提供熟悉、丰富的功能。数据科学家可以使用 TensorFlow、PyTorch 构建机器学习模型，或添加其他框架。
模型训练
强大的硬件，包括图形处理单元 (GPU)
数据科学家可以使用 NVIDIA GPU 更加快速地构建和训练深度学习模型。与 CPU 相比，性能提升可达到 5 到 10 倍。
自动机器学习 (Oracle AutoML)
Accelerated Data Science 库支持 Oracle AutoML 以及 H2O 3 和 Auto-Sklearn 等开源工具。AutoML 提供自适应采样、自动化特性选择、算法选择和超参数调优。AutoML 可生成准确的模型候选，从而为数据科学家节省大量时间。
自动化的超参数调优
ADS Tuner 特性可通过自动化的超参数调优来调整模型，从而节省时间和精力。
模型评估和解释
模型评估
自动评估模型，生成全面的评估指标和可视化视图，从而对照新的数据来衡量模型绩效，对比候选模型。这让数据科学家能够更加轻松地生成高质量的模型。
模型解释
自动模型解释包括全局和局部解释，以及针对模型整体行为的特定模型预测。对于模型使用者，模型无关的自动解释可以增进理解和信任、满足法规要求并提高机器学习的采用速度。
模型部署
托管模型部署
将机器学习模型部署为 HTTP 端点，从而实时为新数据提供模型预测。只需从模型目录中点击一下即可部署，OCI 数据科学云服务将处理所有基础设施工作，包括计算供应和负载平衡。
Oracle Functions 上的模型部署
轻松将数据科学模型部署为 Oracle Functions。Oracle Functions 是 Oracle 云基础设施上的一个高度可扩展、按需供应的无服务器架构。
模型管理
模型目录
团队成员使用模型目录来保存和共享已完成的机器学习模型。目录存储工件并捕获元数据，包括模型的分类法和上下文、超参数、模型输入和输出数据模式的定义以及关于模型的详细来源信息（包括源代码和训练模型的训练环境）。
可重现的环境
利用预先构建、精心策划的 conda 环境来处理各种使用场景，例如 NLP、图形分析、Spark 和 NVIDIA RAPIDS。发布自定义环境并与同事共享，确保训练和推理环境的可重复性。
主要优势
-
面向数据科学家的主流开源生产力工具
赋能数据科学家充分利用 Python（数据科学领域最常用的语言）、JupyterLab 以及数百个开源库和框架，例如 Dask、scikit-learn 和 XGBoost，或者，安装自行选择的库，实现尽可能高的灵活性。
-
Oracle Accelerated Data Science 库工具包可加速整个数据科学工作流
Accelerated Data Science (ADS) 是一个端到端的 Python 库，涵盖整个数据科学生命周期，可以更加快速、轻松地生成高质量模型。
-
全托管式基础设施可提高生产力并降低管理成本
借助自助式按需基础设施，数据科学家可以根据项目规模来选择所需的计算和存储资源，无需担心基础设施的供应或维护。
为企业保驾护航
基于团队的安全策略可支持数据科学家将团队成员引入项目。这些策略执行模型、代码和数据访问控制，可在保护敏感工作的同时促进协作。此外，安全控制还与 Oracle 云基础设施身份与访问管理服务实现了全面集成。
教程和示例笔记本提供专业知识和优秀实践
访问数十个教程和示例笔记本，涵盖从如何访问数据到模型解释技术背后的数学等主题。使用成熟的方法和实施技巧快速开始处理不同的业务问题。
定价
数据科学记事本会话
产品 |
单价 |
计量单位 |
计算 - 标准 - E2 |
vCPU/小时 |
|
计算 - 标准虚拟机 - X7 |
vCPU/小时 |
|
计算 - 标准 - E3 - OCPU |
vCPU/小时 |
|
计算 - 标准 - E3 - 内存 |
每小时数据量 (GB) |
|
VM.GPU2.1 (NVIDIA P100) |
GPU/小时 |
|
VM.GPU3.x (NVIDIA V100 Tensor Core - 16 GB) |
GPU/小时 |
|
块存储卷 |
每月存储容量 (GB) | |
块存储卷性能单位 |
每月存储容量 (GB) 性能单位 |
数据科学模型
产品 |
单价 |
计量单位 |
对象存储 — 存储 |
每月存储容量 (GB) |
数据科学模型部署
产品 |
单价 |
计量单位 |
计算 - 标准虚拟机 - X7 |
vCPU/小时 |
|
| 负载平衡器基础实例 | 负载平衡器小时 | |
| 负载平衡器带宽 | Mbps/小时 | |
块存储卷 |
每月存储容量 (GB) |
|
块存储卷性能单位 |
每月存储容量 (GB) 性能单位（10 个 VPU 定价 0.017 美元，均衡性能） |
云行业的常见做法是根据计算实例包含的虚拟 CPU (vCPU) 数量来进行定义。每个 vCPU 提供一个执行线程的容量。vCPU 不提供整个物理计算核心，它是核心的一部分。而 Oracle x86 计算款型使用 OCPU（其等同于物理 CPU 核心），每个核心提供两个线程。为了帮助客户更轻松地比较不同的云服务提供商，Oracle 会在网页上显示 vCPU 定价，基于客户消耗的 OCPU 时间进行计费。向客户收取的每小时 OCPU 费率为网页上 vCPU 价格的两倍，因为他们获得了两个 vCPU 的计算能力而不是一个。
资源
