Maschinelles Lernen in Oracle Database
Machine Learning in Oracle Database unterstützt mithilfe von SQL-, R-, Python-, REST-, AutoML- und No-Code-Schnittstellen die Datenexploration, -vorbereitung und Machine Learning-(ML-)Modellierung in großem Maßstab. Es enthält mehr als 30 leistungsstarke datenbankinterne Algorithmen, die Modelle für den sofortigen Einsatz in Anwendungen erstellen. Dadurch, dass die Daten in der Datenbank verbleiben, können Unternehmen ihre Gesamtarchitektur vereinfachen und die Datensynchronisierung und -sicherheit gewährleisten. Außerdem können Data Scientists und anderen Datenexperten Modelle schnell erstellen, indem Schlüsselelemente des Machine Learning-Lebenszyklus vereinfacht und automatisiert werden.
Ankündigung von Oracle Database 23ai: KI für Ihre Daten
Larry Ellison und Juan Loaiza diskutieren die GenAI-Strategie hinter Oracle Database 23ai.
-
Ankündigung von Oracle Machine Learning Monitoring auf Autonomous Database
Verhindern Sie Datenabweichungen und überwachen Sie die Leistung Ihrer maschinellen Lernmodelle. Neue Überwachungsfunktionen in Oracle Database-Services für maschinelles Lernen warnen Sie vor Problemen mit der Qualität der Daten und des datenbankeigenen Modells.
-
Benutzerdefinierte Python- und R-Packages von Drittanbietern in Autonomous Database verwenden
Nutzen Sie umfassendere Python-und R-Package-Ökosysteme auf Oracle Autonomous Database in Oracle Machine Learning Notebooks. Führen Sie benutzerdefinierte Funktionen mit Paketfunktionen von Drittanbietern in Engines aus, die von der Oracle Database-Umgebung erzeugt und verwaltet werden.
-
Mit Oracle Machine Learning for R können Sie R in großem Umfang auf Datenbankdaten anwenden
Erforschen, transformieren und analysieren Sie Daten schneller und in größerem Umfang, während Sie die vertraute R-Syntax und -Semantik verwenden und die Vorteile der Oracle Database als Hochleistungs-Rechenumgebung nutzen.
-
KI/ML mit Oracle Machine Learning in Ihre Anwendung einbetten
Der Einsatz und die Skalierung von Modellen für maschinelles Lernen und umfassenderen Python- und R-basierten Lösungen in der Produktion ist oft eine Herausforderung. Erfahren Sie, wie Sie die Einbettung von KI und ML in Anwendungen mit maschinellem Lernen in Oracle Database vereinfachen können.
Warum Sie sich für Machine Learning in Oracle Database entscheiden sollten
-
Datenbankinterne Vorgänge
Erstellen Sie Modelle und bewerten Sie Daten schneller und im großen Maßstab, ohne Daten in separate Analyse-Engines zu extrahieren. Die Scale-Out-Architektur und die Smart Scan-Technologie von Oracle Exadata liefern schnelle Ergebnisse.
-
Keine Datenverschiebungen
Verarbeiten Sie Daten dort, wo sie sich in der Oracle Database befinden. Dies vereinfacht die Modellerstellung und -bereitstellung, verkürzt die Zeit der Anwendungsentwicklung, verkürzt die Komplexität und verbessert die Datensicherheit.
-
No-Code-Modellerstellung
Verbessern Sie die Produktivität von Data Scientists und ermöglichen Sie auch Laien den Zugriff auf leistungsstarke datenbankinterne Algorithmen zur Klassifizierung und Regression über eine No-Code-AutoML-Benutzeroberfläche.
-
Integrierte Sicherheit
Profitieren Sie von der integrierten Sicherheit, Verschlüsselung und dem rollenbasierten Zugriff von Oracle Database auf Benutzerdaten, datenbankinterne und Drittanbietermodelle sowie R-/Python-Objekte und -Skripte.
-
Schnelle Unternehmensbereitstellungen
Erzielen Sie mithilfe von SQL- und REST-Schnittstellen und den einfachen Bereitstellungsoptionen eine sofortige Verfügbarkeit von ML-Modellen.
-
Datenverarbeitung mit hoher Leistung
Vermeiden Sie mithilfe der integrierten Parallelität und Skalierbarkeit von Oracle Database und der einzigartigen Optimierungen für Oracle Exadata jegliche Leistungsprobleme bei der Datenvorbereitung, Modellerstellung und Datenbewertung.
Machine Learning in Oracle Database – Kundenerfolge
Vereinfachen Sie Ihre Modellüberwachung und MLOps mit der OML Model Monitoring UI
Mark Hornick, Senior Director, Data Science and Machine Learning, OracleOracle Machine Learning Model Monitoring UI ist eine einfach zu bedienende, No-Code-Benutzeroberfläche auf Oracle Autonomous Database. Mit ihr können Experten und Laien Einblicke in die Art und Weise erhalten, wie sich die Performance von ML-Modellen im Laufe der Zeit verändert und welche möglichen Ursachen diese Änderungen haben. Finden Sie heraus, warum die Modellüberwachung für Ihre gewünschten Geschäftsergebnisse unerlässlich ist und wie Sie mit wenigen Klicks loslegen können.
Vollständigen Beitrag lesenAusgewählte Blogs
- 19. Januar 2024 Autonomous Database Select AI: Innovation mit Unternehmensdaten, OCI Generative AI und erweiterter Sicherheit beschleunigen
- 3. Januar 2024 OML AutoML UI – Klicken Sie sich zu einem ML-Modell durch
- 10. November 2023 Ankündigung von Select AI beim Azure OpenAI Service auf Oracle Autonomous Database
- 7. August 2023 Ankündigung der OML Data Monitoring-Benutzeroberfläche in Autonomous Database
Ressourcen
Erste Schritte mit Machine Learning in der Cloud
Erfahren Sie, was in der aktuellen Version neu ist
GitHub-Repository
Zugehörige Informationen
Machine Learning in Oracle Database – Referenzarchitekturen
-
Referenzarchitektur
Mit Oracle Autonomous Data Warehouse verfügen Sie über alle notwendigen integrierten Tools zum Laden und Vorbereiten von Daten sowie zum Trainieren, Bereitstellen und Verwalten von ML-Modellen. Außerdem haben Sie die Flexibilität, andere Tools zu kombinieren, um sie optimal an die Anforderungen Ihres Unternehmens anzupassen.
-
Referenzarchitektur
Lernen Sie die Designprinzipien kennen, die mit der Erstellung einer Plattform für maschinelles Lernen und einem optimalen Implementierungspfad verbunden sind. Dieses Muster können Sie verwenden, um Plattformen für maschinelles Lernen zu erstellen, die den Anforderungen Ihrer Data-Scientist-Benutzer entsprechen.
-
Referenzarchitektur
Holen Sie sich das Framework, um Daten von Unternehmensanwendungen mit Rohdaten aus anderen Quellen anzureichern, und nutzen Sie dann ML-Modelle, um Intelligenz und prädiktive Erkenntnisse in Geschäftsprozesse einzubringen.
-
Referenzarchitektur
Entdecken Sie die Plattformtopologie, die Komponentenübersicht und die empfohlenen Best Practices für die Implementierung eines erfolgreichen Data Lakehouse auf OCI. So können Sie eine Fülle von Daten erfassen und Daten für eine Bestandstransparenz in Echtzeit aggregieren und verwalten.
Erste Schritte mit Machine Learning in Oracle Database
Machine Learning in Oracle Database ausprobieren
Beginnen Sie mit Oracle Cloud und greifen Sie in Autonomous Database kostenlos auf Machine Learning zu.
Folgen Sie uns @OracleDatabase
Holen Sie sich die neuesten Nachrichten, Ereignisse und Community-Ressourcen zu Oracle Database.
Kontakt
Möchten Sie mehr erfahren? Kontaktieren Sie einen unserer branchenführenden Experten.