未找到结果

没有与搜索匹配的结果。

我们建议您尝试以下操作,以帮助您找到所需内容:

  • 检查关键词搜索的拼写。
  • 使用同义词代替键入的关键字,例如,尝试 "application" 而不是 "software"。
  • 重新搜索。
联系我们 登录 Oracle 云

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。

版本控制

数据科学家可以连接和访问企业的 Git 信息库,以便保存和检索机器学习工作。

查看所有客户成功案例

OCI 数据科学客户成功案例

客户使用 OCI 数据科学云服务来改善数据科学协作并节省构建机器学习模型的时间和成本。

victoria 徽标
dsp 徽标
prosperdtx 徽标
oxford 徽标
prosperdtix

Prosperdtx 使用 Oracle 云打造个性化医疗保健计划

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。

    加快机器学习速度

    观看 Accelerated Data Science 视频 (1:01)

  • 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。

    体验数据科学

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。

2021 年 3 月 19 日

Oracle 云基础设施数据科学云服务中现已提供模型部署以便进行实时预测

甲骨文公司高级首席产品经理 Tzvi Keisar

Oracle 云基础设施 (OCI) 数据科学云服务发布了一项名为模型部署的新特性,可支持使用机器学习模型作为 HTTP 端点,并提供实时数据评分。

阅读全文

精选博客

查看全部博客

资源

文档

了解 OCI 数据科学云服务

观看交互式用户界面导览。

云学习

探索数据科学

了解有关 OCI 数据科学云服务的更多信息。

相关产品

Oracle Machine Learning

在数据库中构建机器学习模型

Oracle 云基础设施数据集成云服务

整合、转换数据,开展数据科学和分析

Oracle 云基础设施数据目录

使用组织有序的数据资产清单在整个企业范围查找和治理数据

Oracle 云基础设施数据流服务

无需部署或管理基础设施即可运行 Apache Spark 应用

赶快行动


产品导览

观看交互式导览,体验 Oracle 云基础设施数据科学云服务的用户界面


实操体验

免费试用,亲身体验 Oracle 产品。


OCI 数据科学 Github 存储库

查看示例代码、实操和教程


数据科学时事通讯

查看数据科学时事通讯,了解更多信息