No se han encontrado resultados

Su búsqueda no coincide con ningún resultado.

Le sugerimos que pruebe lo siguiente para encontrar lo que busca:

  • Verifique la ortografía de su búsqueda de palabras clave.
  • Utilice sinónimos para la palabra clave que escribió; por ejemplo, intente con “aplicación” en lugar de “software”.
  • Comience una nueva búsqueda.
Comunicarse con nosotros Iniciar sesión en Oracle Cloud

Servicio Data Science

Oracle Cloud Infrastructure (OCI) Data Science es un servicio de aprendizaje automático (ML) integral que ofrece entornos de bloc de notas JupyterLab y acceso a cientos de herramientas y marcos de código abierto populares. Crea y entrena modelos de aprendizaje automático con GPU NVIDIA, funciones AutoML y ajuste automatizado de hiperparámetros. Despliega modelos como puntos finales HTTP o utilice Oracle Functions. Gestiona modelos mediante control de versiones, trabajos repetibles y catálogos de modelos.

Características del servicio Data Science

Acceso a datos y conversión de datos

Acceso flexible a datos

Los científicos de datos pueden acceder y utilizar cualquier origen de datos en cualquier nube u entorno local. Esto proporciona más funciones de datos potenciales que conducen a mejores modelos.

Preparación de datos a escala con OCI Data Flow

La integración con OCI Data Flow proporciona una interfaz sencilla para crear y ejecutar trabajos de Spark a gran escala desde el entorno de Data Science. Además, un entorno PySpark permite el desarrollo iterativo de aplicaciones de Data Flow en sesiones de bloc de notas.

Preparación y análisis de perfiles de datos automatizados

Simplifica los flujos de trabajo de análisis de datos exploratorios con capacidades de análisis de perfiles de datos de vanguardia, visualizaciones inteligentes y herramientas de preparación de datos.

Herramientas de visualización y transformación de datos de código abierto

OCI Data Science es compatible con las herramientas de manipulación de datos de código abierto favoritas del científico de datos, como Pandas, Dask y Numpy, así como con herramientas de visualización de código abierto populares, como Plotly, Matplotlib y Bokeh, para ayudar a los científicos de datos a explorar los datos.

Creación de modelos

Interfaz de JupyterLab

Los entornos de ordenadores personales portátiles JupyterLab integrados y alojados en la nube permiten a los equipos de ciencia de datos crear y entrenar modelos con una interfaz de usuario familiar.

Marcos de código abierto para machine learning

OCI Data Science proporciona familiaridad y versatilidad a los científicos de datos, con cientos de herramientas y marcos de código abierto populares. Crea modelos de aprendizaje automático con TensorFlow, PyTorch o agrega otros marcos de tu elección.

Entrenamiento de modelo

Hardware potente, incluidas las unidades de procesamiento gráfico (GPU)

Con las GPU NVIDIA, los científicos de datos pueden crear y entrenar modelos de aprendizaje profundo en menos tiempo. En comparación con las CPU, las aceleraciones de rendimiento pueden ser entre 5 y 10 veces más rápidas.

Aprendizaje automático automatizado (Oracle AutoML)

La biblioteca de Accelerated Data Science es compatible con Oracle AutoML, así como con herramientas de código abierto como H2O 3 y auto-sklearn. AutoML ofrece muestreo adaptativo, selección automatizada de funciones, selección de algoritmos y ajuste de hiperparámetros. AutoML genera un candidato de modelo preciso para ahorrarle al científico de datos un tiempo significativo.

Ajuste automatizado de hiperparámetros

Ahorra tiempo y esfuerzo ajustando modelos con el ajuste automático de hiperparámetros mediante la función ADS Tuner.

Evaluación y explicación de modelos

Evaluación de modelos

La evaluación automatizada genera un conjunto completo de métricas y visualizaciones para medir el rendimiento del modelo con respecto a datos nuevos y para comparar modelos candidatos. Esto facilita la producción de modelos de alta calidad para los científicos de datos.

Explicación de modelos

La explicación automatizada del modelo incluye explicaciones globales y locales con predicciones de modelo específicas para el comportamiento general de un modelo. Para los consumidores de modelos, las explicaciones automatizadas independientes del modelo mejoran la comprensión y la confianza, abordan las necesidades regulatorias y aumentan la velocidad de adopción de machine learning.

Despliegue del modelo

Implementación de modelos administrada

Implementa modelos de aprendizaje automático como puntos finales HTTP para entregar predicciones de modelos sobre nuevos datos en tiempo real. Solo tienes que hacer clic para implementar desde el catálogo de modelos y OCI Data Science gestionará todas las operaciones de infraestructura, incluido el aprovisionamiento informático y el equilibrio de carga.

Implementación de modelos en Oracle Functions

Implementa fácilmente modelos de ciencia de datos como Oracle Functions, una arquitectura sin servidor, bajo demanda y altamente escalable en Oracle Cloud Infrastructure.

Gestión del modelo

Catálogo de modelos

Los miembros del equipo usan el catálogo de modelos para conservar y compartir modelos de aprendizaje automático completos. El catálogo almacena los artefactos y captura metadatos en torno a la taxonomía y el contexto del modelo, hiperparámetros, definiciones de los esquemas de datos de entrada y salida del modelo e información detallada de procedencia sobre el origen del modelo, incluido el código fuente y el entorno de entrenamiento en el que se entrenó el modelo.

Entornos reproducibles

Aprovecha los entornos Conda seleccionados y predefinidos para abordar una variedad de casos de uso, como NLP, análisis de gráficos, Spark y NVIDIA RAPIDS. Publica entornos personalizados y compártelos con tus compañeros para garantizar la reproducibilidad de los entornos de entrenamiento e inferencia.

Trabajos reutilizables

Los científicos de datos pueden pasar de la experimentación a la producción al poner en funcionamiento tareas de ciencia de datos con trabajos. Los trabajos se utilizan para automatizar tareas repetibles, como el nuevo entrenamiento y el nuevo despliegue de modelos.

Control de versiones

Los científicos de datos se pueden conectar al repositorio de Git de su organización para conservar y recuperar el trabajo de aprendizaje automático.

Edición en la consola de artefactos de trabajo

Crea, edita y ejecuta fácilmente artefactos de trabajo de Data Science directamente desde la consola de OCI mediante el editor de código. Incluye integración, control de versiones automático y personalización de Git, entre otros aspectos.

Descubre más casos de éxito de clientes

Éxitos de clientes con OCI Data Science

Los clientes utilizan OCI Data Science para mejorar la colaboración en ciencia de datos y ahorrar tiempo y costos creando modelos de aprendizaje automático.

Logotipo de CMRI
Logotipo de DSP
Logotipo de Prosperdtx
Logotipo de Oxford
Logotipo de Prosperdtx

Prosperdtx personaliza los planes de asistencia sanitaria con Oracle Cloud

Beneficios clave de Data Science

  • Las herramientas de código abierto brindan familiaridad y productividad a los data scientists

    Utiliza Python, el lenguaje más popular para la ciencia de datos, con JupyterLab y más de 300 bibliotecas y marcos de código abierto, incluidos Dask, scikit-learn y XGBoost. O bien, instala las bibliotecas de tu elección para obtener la máxima flexibilidad.

  • El kit de herramientas de biblioteca de Accelerated Data Science de Oracle acelera todo el flujo de trabajo de ciencia de datos

    Accelerated Data Science (ADS) es una biblioteca integral de Python que abarca todo el ciclo de vida de la ciencia de datos, lo que hace que sea más rápido y fácil producir modelos de alta calidad.

    Machine learning más rápido

    Mira este video sobre Accelerated Data Science (1:01)

  • La infraestructura totalmente gestionada mejora la productividad y reduce los costos de gestión

    Con una infraestructura de autoservicio y bajo demanda, los científicos de datos seleccionan la cantidad de recursos informáticos y de almacenamiento que necesitan para abordar proyectos de cualquier tamaño, sin preocuparse por el aprovisionamiento o el mantenimiento de la infraestructura.

    Seguridad para la empresa

    Las políticas de seguridad basadas en equipos permiten a los científicos de datos incluir miembros del equipo en proyectos. Estas políticas controlan el acceso a modelos, código y datos, lo cual facilita la colaboración y protege el trabajo confidencial. Los controles de seguridad están estrechamente integrados con Oracle Cloud Infrastructure Identity and Access Management.

    Los blocs de notas de ejemplo y tutoriales proporcionan especialización y mejores prácticas

    Accede a docenas de tutoriales y blocs de notas de ejemplo, que abarcan temas como el acceso a datos hasta las matemáticas, según las técnicas de explicación de modelos. Obtén una ventaja para abordar distintos problemas empresariales con metodología y consejos de implementación probados.

    Prueba Data Science

Precios de Data Science

Sesiones de notebook de data science

Producto
Precio de comparación ( /vCPU)*
Precio unitario
Unidad
Computación - Máquina virtual estándar - X7


OCPU por hora
Computación - Estándar - E3 - OCPU


OCPU por hora
Computación - Estándar - E3 - Memoria


Gigabytes por hora
VM.GPU2.1 (NVIDIA P100)


GPU por hora
VM.GPU3.x (NVIDIA V100 Tensor Core - 16 GB)


GPU por hora
Almacenamiento de volumen en bloque


Capacidad de almacenamiento en gigabytes por mes
Unidades de rendimiento de volumen en bloque


Unidades de rendimiento por GB al mes

Almacenamiento de catálogos de modelos de Data Science

Producto
Precio de comparación ( /vCPU)*
Precio unitario
Unidad
Almacenamiento de objetos: almacenamiento


Capacidad de almacenamiento en gigabytes por mes

Despliegue de modelos de Data Science

Producto
Precio de comparación ( /vCPU)*
Precio unitario
Unidad
Computación - Máquina virtual estándar - X7


OCPU por hora
Base de equilibrador de carga


Hora de equilibrador de carga
Ancho de banda de equilibrador de carga


Mbps por hora
Almacenamiento de volumen en bloque


Capacidad de almacenamiento en gigabytes por mes
Unidades de rendimiento de volumen en bloque


Unidades de rendimiento por GB al mes (10 VPU a 0,017 $ para un rendimiento equilibrado)

Trabajos de ciencia de datos

Producto
Precio de comparación ( /vCPU)*
Precio unitario
Unidad
Computación - Máquina virtual estándar - X7


OCPU por hora
VM.GPU2.1 (NVIDIA P100)
GPU por hora
VM.GPU3.x (NVIDIA V100 Tensor Core – 16 GB)


GPU por hora
Almacenamiento de volumen en bloque


Capacidad de almacenamiento en GB/mes
Unidades de rendimiento de volumen en bloque


Unidades de rendimiento por GB al mes (10 VPU a 0,017 $ para un rendimiento equilibrado)
Unidades de rendimiento de volumen en bloque


Unidades de rendimiento por GB al mes (10 VPU a 0,017 $ para un rendimiento equilibrado)
Almacenamiento de objetos: almacenamiento

Capacidad de almacenamiento en gigabytes por mes

*Para facilitar la comparación de los precios entre los proveedores de servicios en la nube, las páginas web de Oracle muestran los precios de las vCPU (CPU virtuales) y los precios de OCPU (Oracle CPU) para productos con precios basados en recursos informáticos. Los productos en sí, el aprovisionamiento en el portal, la facturación, etc. siguen utilizando unidades de OCPU (Oracle CPU). Las OCPU representan núcleos de CPU físicos. La mayoría de las arquitecturas de CPU, incluido el x86, ejecutan dos subprocesos por núcleo físico, por lo que 1 OCPU es el equivalente a 2 vCPU para los recursos informáticos basados en x86. Por lo tanto, la tarifa por hora de OCPU a la que se factura a los clientes es el doble del precio de vCPU, ya que reciben dos vCPUs de potencia informática para cada OCPU, a menos que se trate de una instancia de subnúcleo, como las instancias predefinidas.

19 de marzo de 2021

El despliegue de modelos para realizar predicciones en tiempo real ahora está disponible en Oracle Cloud Infrastructure Data Science

Tzvi Keisar, director sénior de productos de Oracle

Oracle Cloud Infrastructure (OCI) Data Science lanzó una nueva función denominada Model Deployment para permitir el servicio de modelos de aprendizaje automático como puntos finales HTTP y proporcionar una puntuación de datos en tiempo real.

Lee el post completo

Blogs destacados

Ver todo

Recursos de Data Science

Aprendizaje en la nube

Obtén más información sobre la ciencia de datos

Obtén más información sobre OCI Data Science.

Productos de nube relacionados

Oracle Machine Learning

Cree modelos de machine learning en la base de datos

Oracle Cloud Infrastructure Data Integration

Combina y transforma datos para tareas de ciencia de datos y análisis

Catálogo de datos de Oracle Cloud Infrastructure

Encuentra y controla datos en toda la empresa mediante un inventario organizado de activos

Oracle Cloud Infrastructure Data Flow

Ejecuta aplicaciones de Apache Spark sin desplegar ni gestionar la infraestructura

Conoce la ciencia de datos


Recorrido por el producto

Experimente la interfaz de usuario con este recorrido interactivo


Laboratorio práctico

Experimente el producto en vivo de forma gratuita.


Repositorio Github de OCI Data Science

Descubre códigos de ejemplo, laboratorios y tutoriales


Boletín informativo de Data Science

Descubre más en el boletín informativo de Data Science