Ningún resultado encontrado

Su búsqueda no coincide con ningún resultado.

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

  • Compruebe la ortografía de la búsqueda por palabras clave.
  • Utilice sinónimos de la palabra clave que escribió; por ejemplo, pruebe con "aplicación" en lugar de "software."
  • Realice una nueva búsqueda.
Contactar con nosotros Conectarse a Oracle Cloud

Oracle Data Science Cloud

Rapidly build, train, deploy, and manage machine learning models with a data science cloud platform built for teams.

OCI Data Science

Acceso a datos y organización de datos

Acceso flexible a los datos

Los científicos de datos pueden acceder y utilizar cualquier fuente de datos en cualquier nube o de forma 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.

Perfilado y preparación automáticos de datos

Optimice los flujos de trabajo de análisis de datos exploratorios con capacidades de creación de perfiles de datos avanzadas, 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 de los científicos 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 datos.

Construcción de modelos

Interfaz de JupyterLab

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

Marcos de aprendizaje automático de código abierto

OCI Data Science brinda familiaridad y versatilidad a los científicos de datos, con cientos de herramientas y marcos de trabajo de código abierto populares. Cree modelos de aprendizaje automático con TensorFlow o PyTorch, o agregue los marcos de su elección.

Entrenamiento de modelos

Hardware potente, incluidas las unidades de procesamiento de gráficos (GPUs)

Con las GPUs de NVIDIA, los científicos de datos pueden crear y entrenar modelos de aprendizaje profundo en menos tiempo. En comparación con las CPUs, el rendimiento se puede acelerar de 5 a 10 veces.

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 automática 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 automático de hiperparámetros

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

Evaluación y explicación del modelo

Evaluación del modelo

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

Explicación del modelo

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 del aprendizaje automático.

Implementación de modelos

Implementación de modelos administrada

Implemente modelos de aprendizaje automático como puntos finales HTTP para entregar predicciones de modelos sobre nuevos datos en tiempo real. Simplemente haga clic para implementar desde el catálogo de modelos y OCI Data Science gestionará todas las operaciones de infraestructura, incluido el aprovisionamiento de cómputo y el equilibrio de carga.

Despliegue de modelos en Oracle Functions

Implemente fácilmente modelos de ciencia de datos como Oracle Functions, una arquitectura sin servidor, a pedido y altamente escalable en Oracle Cloud Infrastructure.

Gestión de modelos

Catálogo de modelos

Los miembros del equipo utilizan 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 donde se entrenó el modelo.

Ambientes reproducibles

Aproveche los entornos de conda prediseñados y organizados para abordar una variedad de casos de uso, como NLP, análisis de gráficos, Spark y NVIDIA RAPIDS. Publique entornos personalizados y compártalos con colegas, lo que garantiza la reproducibilidad de los entornos de entrenamiento e inferencia.

Control de versiones

Los científicos de datos pueden conectarse al repositorio Git de su organización para preservar y recuperar el trabajo de aprendizaje automático.

Ver todas las historias de éxito de los clientes

Casos de éxito de los clientes de OCI Data Science

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

logotipo de victoria
logotipo de dsp
logotipo de prosperdtx
logotipo de Oxford
prosperdtix

Prosperdtx personaliza los planes de atención médica utilizando Oracle Cloud.

Beneficios clave

  • Las herramientas de código abierto brindan familiaridad y productividad a los científicos de datos

    Utilice Python, el lenguaje más popular para ciencia de datos, con JupyterLab y cientos de bibliotecas y marcos de código abierto como Dask, scikit-learn y XGBoost. O instale las bibliotecas de su elección para disfrutar de la máxima flexibilidad.

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

    Accelerated Data Science (ADS) es una biblioteca Python integral que cubre todo el ciclo de vida de ciencia de datos, lo que hace que agiliza y facilita la producción de modelos de alta calidad.

    Aprendizaje automático más rápido

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

  • La infraestructura completamente administrada mejora la productividad y reduce los costos de administración.

    Con la infraestructura de autoservicio a pedido, 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, códigos y datos, lo cual facilita la colaboración y protege el trabajo confidencial. Los controles de seguridad están completamente integrados con Oracle Cloud Infrastructure Identity and Access Management.

    Los tutoriales y los cuadernos de ejemplo proporcionan experiencia y prácticas recomendadas.

    Acceda a docenas de tutoriales y cuadernos de ejemplo, que cubren temas desde el acceso a los datos hasta las matemáticas detrás de las técnicas de explicación del modelo. Obtenga una ventaja para abordar diferentes problemas comerciales con una metodología probada y consejos de implementación.

    Probar Data Science

Precios

Sesiones de bloc de notas de Data Science

Producto
Precio unitario
Métrica
Procesamiento: estándar, E2

CPU virtual por hora
Procesamiento: máquina virtual estándar, X7

CPU virtual por hora
Procesamiento: estándar, E3, OCPU

CPU virtual por hora
Procesamiento: estándar, E3, memoria

Gigabyte 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 al mes
Unidades de rendimiento de volumen en bloque

Unidades de rendimiento por gigabyte por mes

Modelos de Data Science

Producto
Precio unitario
Métrica
Almacenamiento de objetos: almacenamiento

Capacidad de almacenamiento en gigabytes al mes

Implementaciones de modelos de Data Science

Producto
Precio unitario
Métrica
Procesamiento: máquina virtual estándar, X7

CPU virtual por hora
Base del equilibrador de carga Hora del equilibrador de carga
Ancho de banda del equilibrador de carga Mbps por hora
Almacenamiento de volumen en bloque

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

Unidades de rendimiento por gigabyte por mes (10 VPU en $0,017 para rendimiento equilibrado

Una práctica común de la industria de la nube es definir las instancias de procesamiento en función de la cantidad de CPU virtuales (vCPU) que incluyen. Cada CPU virtual entrega la capacidad para un subproceso de ejecución. Una CPU virtual no proporciona un núcleo de procesamiento físico completo, sino que es parte de un núcleo. Por el contrario, las formas de procesamiento x86 de Oracle utilizan OCPU que equivalen a núcleos de CPU físicos, cada una de las cuales proporciona dos subprocesos. Para facilitar a los clientes la comparación entre proveedores de servicios en la nube, en Oracle presentamos los precios de las CPU virtuales en nuestras páginas web, mientras que la facturación depende de la cantidad de tiempo de OCPU que consumen. La tarifa de OCPU por hora a la que se factura a los clientes es el doble del precio de CPU virtuales en las páginas web, ya que reciben dos CPU virtuales de potencia de procesamiento en lugar de una.

19 de marzo de 2021

La implementación de modelos para realizar predicciones en tiempo real está disponible en Oracle Cloud Infrastructure Data Science

Tzvi Keisar, gerente principal de productos sénior, Oracle

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

Lea el artículo completo

Feed de blogs destacados

Ver todo

Recursos

documentación

Conozca el servicio en la nube de OCI Data Science

Un recorrido interactivo por la interfaz de usuario.

Aprendizaje en la nube

Aprenda más sobre Data Science

Aprenda sobre OCI Data Science.

Productos relacionados

Oracle Machine Learning

Cree modelos de aprendizaje automático en la base de datos

Oracle Cloud Infrastructure Data Integration

Combine y transforme datos para ciencia de datos y análisis

Oracle Cloud Infrastructure Data Catalog

Encuentre y controle datos en toda la empresa utilizando un inventario organizado de activos

Oracle Cloud Infrastructure Data Flow

Ejecute aplicaciones Apache Spark sin implementar ni administrar infraestructuras

Empiece ahora


Recorrido del producto

Experimente la interfaz de usuario con este recorrido interactivo


Laboratorio práctico

Experimente el producto en vivo de forma gratuita.


Repositorio de Github de OCI Data Science

Descubra códigos de muestra, laboratorios y tutoriales


Boletín de Data Science

Descubra más en el boletín de Data Science