未找到结果

您的搜索操作未匹配到任何结果。

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词,例如,尝试使用“应用”代替“软件”。
  • 请尝试下方显示的热门搜索之一。
  • 重新搜索。
热门问题

Oracle Machine Learning

机器学习可揭示企业数据中的隐藏模式和洞察,从而为企业创造新的价值。Oracle 机器学习通过减少数据移动、简化部署以及利用 AutoML 技术,帮助数据科学家加速创建和部署机器学习模型。

了解如何利用 Python、R 和 SQL 更快地构建机器学习模型。

在 Oracle 数据库中构建高性能机器学习模型

Oracle 机器学习在自治数据库中的应用

Oracle Machine Learning Notebooks

利用熟悉的开源 Apache Zeppelin 笔记本技术提高数据科学家和开发人员的工作效率并降低学习难度。Notebooks 支持 Oracle 自治数据库的 SQL、PL/SQL、Python 和 markdown 解释器,因此用户可以在开发模型时使用自己的首选语言。

Oracle 机器学习服务

减少在 Oracle 自治数据库外部署和管理原生数据库中模型以及 ONNX 格式分类与回归模型的时间。应用开发人员可以使用易于集成的 REST 端点。数据科学家可以在 Oracle Machine Learning AutoML 用户界面中实现集成的模型部署。

Oracle Machine Learning for SQL

使用熟悉的 SQL 和 PL/SQL 来准备数据以及构建、评估和部署模型,从而帮助专业和非专业数据科学家简化机器学习模型的创建,加快创建速度。

 

Oracle Machine Learning AutoML 用户界面

无代码用户界面支持基于自治数据库的 AutoML,因此可提高数据科学家的工作效率,并使非专业用户也能够利用强大的数据库内算法来进行分类和回归。

Oracle Machine Learning for Python

数据科学家和其他 Python 用户可利用 Oracle 自治数据库的内置 Python 环境作为高性能计算平台,从而加快模型构建和执行。内置 AutoML 提供自动化的算法和特性选择以及模型调优和选择。这些功能可共同提高用户工作效率、模型准确性和性能。

Oracle 机器学习在 Exadata 云服务和数据库云服务中的应用

Oracle Machine Learning for SQL

使用熟悉的 SQL 和 PL/SQL 来准备数据以及构建、评估和部署模型,从而帮助专业和非专业数据科学家简化机器学习模型的创建,加快创建速度。

Oracle Data Miner

数据科学家和数据分析人员可以利用这个拖放式用户界面来快速构建分析工作流。快速模型开发和完善可帮助用户发现数据中的隐藏模式、关系和洞察。

Oracle Machine Learning for R

R 用户可以使用其首选语言来发挥 Oracle 数据库的性能和可扩展性,进行数据探索、准备和机器学习。集成的 R 接口可使用 SQL 轻松部署用户定义的 R 函数,因此用户可轻松使用 CRAN 库和程序包。

Oracle 机器学习在 Oracle Exadata 和 Oracle 数据库中的应用

Oracle Machine Learning for SQL

专业和非专业数据科学家可使用熟悉的 SQL 和 PL/SQL 来准备数据以及构建、评估和部署模型,从而简化并加快机器学习模型的创建。

Oracle Data Miner

数据科学家和数据分析人员可以利用这个拖放式用户界面来快速构建分析工作流。快速模型开发和完善可帮助用户发现数据中的隐藏模式、关系和洞察。

Oracle Machine Learning for R

R 用户可以使用其首选语言来发挥 Oracle 数据库的性能和可扩展性,进行数据探索、准备和机器学习。集成的 R 接口可使用 SQL 轻松部署用户定义的 R 函数,因此用户可轻松使用 CRAN 库和程序包。

Oracle 机器学习在大数据中的应用

Oracle Machine Learning for Spark

数据科学家可以通过 R API 对来自 Hive、Impala 和 HDFS 的数据应用基于 MLlib Spark 的可扩展原生算法,从而在大数据环境中加速模型构建和数据评分。

Oracle 机器学习无代码用户界面

Oracle Machine Learning AutoML 用户界面

无代码用户界面支持基于自治数据库的 AutoML,因此可提高数据科学家的工作效率,并使非专业用户也能够利用强大的数据库内算法来进行分类和回归。

Oracle Data Miner

数据科学家和数据分析人员可以利用这个拖放式用户界面来快速构建分析工作流。快速开发和完善可帮助用户发现数据中的隐藏模式、关系和洞察。

正如一些数据仓库云正在尝试弄清楚如何充分利用机器学习,Oracle 的方向也有所调整。”DS Consulting 总裁兼 Wikibon 分析师 Marc Staimer 表示,“Oracle ADW 业务数据平台现已包含 Auto-ML。ADW 自诞生以来就一直内置有机器学习功能。但是现在这些功能已经实现了自动化,任何 ADW 客户都可以在没有任何专业知识的情况下使用它。相比之下,其他产品就显得笨拙而原始了。

Marc Staimer DS Consulting 总裁兼 Wikibon 分析师

Oracle 针对 ADW 业务数据平台的增强有三个重要意义。首先,它提供点击式用户界面和机器学习自动化功能,可支持非专业人员生成切实可行的洞察。其次,借助这种易用性,即使是 IT 人员较少的 SMB 也可以受益于 Oracle 的高级云数据仓库。第三,利用 ADW 业务数据平台,用户可以从部门级系统到企业数据仓库、数据湖甚至是其他云(AWS、Azure 和 Google)的任何来源提取数据,并运行各种分析负载。总而言之,Oracle 从实质上扩大了 ADW 业务数据平台的跨用户、组织访问以及对多云的数据访问。AWS Redshift、Snowflake 等其他云数据仓库目前还无法做到这些。

Richard Winter 首席执行官兼首席架构师

查看所有客户成功案例

Oracle Machine Learning 客户成功案例

全球众多企业和机构都使用 Oracle 数据库中机器学习功能解决复杂、重要的数据驱动问题。

CaixaBank 徽标
DX Marketing 徽标
Forth Corporation 徽标
UK NHS 徽标
StubHub 徽标
Unicredit 徽标
瓦尔多斯塔州立大学徽标
NHS Customer 徽标

UK NHS 利用 Oracle Machine Learning 成功节省了 16 亿英镑,为患者提供更加出色的个性化护理服务。

Oracle 机器学习的优势

  • 数据库内模型构建和数据评分

    数据科学家和开发人员可以快速、大规模构建模型并对数据进行评分,而无需将数据提取至单独的分析引擎中。Oracle Exadata 的横向扩展架构和智能扫描技术可快速提供结果。

  • 安全性

    Oracle 机器学习可通过多种方法为数据科学家和开发人员提供全方面的保护,包括 Oracle 数据库的内置安全性、加密,以及面向用户数据和模型的基于角色的访问控制。

  • 快速企业部署

    开发人员和数据科学团队可以使用 SQL 和 REST 接口,通过易于部署的选项获得即时的机器学习模型可用性。

  • 无数据移动

    数据科学家和开发人员可以在 Oracle 数据库中就地处理数据,从而简化模型构建和部署,缩短应用开发用时,改善数据安全性。

  • 高性能计算

    数据科学家可以使用 Oracle 数据库的内置并行性和可扩展特性,以及针对 Oracle Exadata 的独有优化功能,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。

2021 年 2 月 23 日

Oracle Machine Learning for Python 现已推出

甲骨文公司数据科学与机器学习高级总监 Mark Hornick

数据科学家和开发人员都知道 Python 的强大功能,Python 的广泛采用就是其大获成功的有力证明。现在,Python 用户可以在分析 Oracle 自治数据库中的数据时利用这一扩展功能。Oracle Machine Learning for Python (OML4Py) 让开源 Python 脚本语言和环境能够适用于企业和大数据。

阅读全文

精选博客

查看全部博客

相关产品

Oracle 云基础设施数据科学云服务

轻松使用开源算法和框架

Oracle 分析云

全面的云端分析解决方案

Oracle 大数据服务

将数据转变为业务价值

Oracle Spatial and Graph

现代化的地理空间和图形分析框架

赶快行动


试用 Oracle 云免费套餐

免费试用 Oracle 云,在自治数据库中访问和使用 Oracle Machine Learning。


最新活动

立即注册参加 Oracle 分析和数据用户社区技术播客。


参加讨论

加入 Oracle 数据库中机器学习开拓者社区,获取支持,交流学习。