Oracle 云基础设施 (OCI) 数据科学云服务

开源机器学习框架

数十种常用开源工具和框架，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。

JupyterLab 界面

内置、云端托管式的 JupyterLab 记事本环境支持数据科学家团队使用常见的用户界面，轻松构建和训练模型。

数据可视化工具

数据科学家可以使用主流的开源可视化工具（如 Plotly、Matplotlib 和 Bokeh）可视化展现和探索数据。

数据访问和探索

Oracle Accelerated Data Science 是一个 Python 库，包含一组全面的数据连接特性，支持数据科学家访问和使用多种数据存储中的数据来生成更加出色的模型。

自动机器学习 (AutoML)

Accelerated Data Science 库支持 Oracle 的 AutoML 以及 H2O 3 和 Auto-Sklearn 等开源工具。Oracle AutoML 提供自动化特性选择、自适应采样和自动化算法选择。结合使用这些特性以及超参数调优，数据科学家可以生成精确的候选模型，从而节省大量时间。

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，帮助数据科学家更加轻松地生成高质量模型。

模型解释

Accelerated Data Science 模型解释包括全局解释和局部解释，可解释模型的整体行为以及特定模型预测。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。

• 使用 Oracle Accelerated Data Science 库加快机器学习速度

Oracle Functions

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，可简化数据科学家和基础设施管理员的部署工作。

模型目录

团队成员可使用模型目录保存和共享已完成的机器学习模型，以及复制、测试和部署模型所需的工件。

可重现性和可审计性

使用 Conda 环境和模型目录特性重现原始模型的代码、库和训练数据集依赖关系。籍此，数据科学家可以重新训练、重现和审计机器学习模型。

共享项目

团队成员可通过共享项目来组织和启用版本控制，可靠地共享所有工作，包括数据和记事本会话。

安全策略

基于团队的安全策略支持用户将团队成员引入项目，执行模型、代码和数据访问控制，促进协作并确保安全。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。

版本控制

连接访问企业的 Git 信息库，以便保存和检索机器学习工作。

灵活的数据访问

数据科学家可以访问和使用任意云或本地环境下的任意数据源来构建机器学习模型，利用更多潜在数据特性来改善模型质量。

自助、按需选择计算和存储资源

用户可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。

强大的硬件，包括图形处理单元 (GPU)

数据科学家可以在记事本会话中使用 GPU 更加快速地构建和训练深度学习模型。Oracle 云基础设施数据科学云服务支持 NVIDIA P100 和 V100 GPU。