Crea y evalúa modelos de aprendizaje automático de mejor calidad. Aumenta la flexibilidad empresarial poniendo a trabajar rápidamente los datos fiables de la empresa y respalda los objetivos empresariales basados en datos con una implementación más sencilla de los modelos de aprendizaje automático.
¿Qué es data science?
La creación de un modelo de machine learning es un proceso iterativo. En este ebook, desglosamos el proceso y describimos cómo se crean los modelos de machine learning.
Explora notebooks y crea o prueba algoritmos de aprendizaje automático. Prueba AutoML y consulta los resultados de ciencia de datos.
Crea modelos de alta calidad de forma más rápida y sencilla. El machine learning automatizado examina rápidamente los datos. Además, recomienda las funciones de datos óptimas y los mejores algoritmos. Asimismo, el machine learning automatizado ajusta el modelo y explica los resultados del modelo.
Los data scientists necesitan acceder a los datos en diferentes formatos de diferentes fuentes de datos, ya sea on-premises o en la nube. Utiliza herramientas drag-and-drop de integración y preparación de datos para mover datos a un lago de datos o almacén, simplificando así el acceso a los data scientists.
La IA es más fiable cuando varios colaboradores trabajan en conjunto de manera efectiva y las herramientas de machine learning brindan explicaciones y evaluaciones de los modelos. Oracle Security Tools y las interfaces de usuario permiten que usuarios con roles diferentes participen en proyectos y compartan modelos. La explicación independiente de los modelos ayuda a los data scientists, analistas de negocios y ejecutivos a confiar en los resultados.
Permite a los científicos de datos crear, formar y gestionar modelos de machine learning en Oracle Cloud usando el ecosistema Python de código abierto, mejorado por Oracle para machine learning (AutoML), evaluación de modelos y explicación de modelos.
Crea e implementa modelos de machine learning en Oracle Autonomous Database utilizando algoritmos escalables y optimizados dentro de la base de datos.
Empieza a trabajar rápidamente con entornos basados en GPU, preconfigurados con IDE populares, portátiles y marcos de machine learning. Implementa fácilmente desde Oracle Cloud Marketplace en la forma de computación que elijas.
Una plataforma de ciencia de datos es más que un buen conjunto de herramientas para crear modelos de machine learning. La plataforma "data science" de Oracle incluye un conjunto de capacidades que respaldan los canales data science end-to-end
Nos complace anunciar el lanzamiento del despliegue de modelos, que permite que los modelos de aprendizaje automático sirvan como puntos finales HTTP, reciban solicitudes y envíen respuestas de vuelta con las predicciones del modelo en tiempo real.
El machine learning automatizado (AutoML) ayuda a los data scientists al automatizar la selección de algoritmos y la selección de funciones, así como el ajuste de los modelos. Esto permite obtener resultados más rápidos y precisos que requieren menos tiempo de cálculo. AutoML también permite a los no expertos aprovechar potentes algoritmos de machine learning para crear modelos de mejor calidad.
Oracle Database incluye más de 30 algoritmos de alto rendimiento totalmente escalables que cubren las técnicas de machine learning de uso común, como la detección de anomalías, regresión, clasificación, agrupación en clústeres y mucho más. Los datos que ya están en Oracle Database no tienen que moverse, lo que reduce la carga de trabajo de gestión de datos para los científicos de datos y les permite centrarse en la creación de modelos de producción.
Utiliza e importa bibliotecas y marcos de código abierto de Python y R para permitir la exploración, transformación, visualización y machine learning de datos. Entre estas funciones, se incluyen: pandas, Dask y NumPy y dplyr para la transformación; Seaborn, Plotly y Matplotlib y ggplot2 para la visualización; y TensorFlow, Keras, y PyTorch para la creación de modelos.
Implementa rápidamente modelos para permitir el acceso de aplicaciones y analistas de negocios. Los modelos se pueden implementar con una API REST en una arquitectura en la nube escalable, sin servidor, como Oracle Functions o directamente en la base de datos.
La explicación de modelos permite a expertos y no expertos por igual comprender el comportamiento general de un modelo, así como las predicciones de modelos individuales. Con detalles de predicción y explicación de modelos, es fácil comprender la importancia de las características y lo que más influye en las predicciones.
Accede a datos en múltiples formatos (incluidos CSV, Excel y JSON), múltiples fuentes (incluido el almacenamiento de objetos, Oracle Database, MongoDB, PostgreSQL y Hadoop) y múltiples ubicaciones (on-premises, Oracle Cloud y otras nubes).
Los data scientists pueden desarrollar soluciones de data science y machine learning utilizando los lenguajes más populares, incluidos Python, R y SQL. Las organizaciones logran resultados mejores y más rápidos cuando los data scientists pueden utilizar libremente los lenguajes que mejor se adaptan a tareas específicas.
Prueba herramientas para crear modelos de aprendizaje automático. No necesitas registrarte para obtener una cuenta en la nube.
Echa un vistazo a las publicaciones del Twitter oficial de Oracle Data Science.
Recibe las últimas noticias y sugerencias de Oracle Data Science.
Ponte en contacto con el equipo de ventas de Oracle para obtener más información sobre Oracle Data Science y el aprendizaje automático de Oracle.