Ihre Suche ergab keine Treffer.
Beachten Sie die folgenden Tipps, um das Gesuchte zu finden:
Oracle Cloud Infrastructure Data Science hilft Datenwissenschaftlern dabei, Modelle für Machine Learning schnell zu erstellen, zu trainieren, bereitzustellen und zu verwalten.
Verschaffen Sie sich einen schnellen Überblick über OCI Data Science.
Dutzende beliebter Open-Source-Tools und ‑Frameworks sind enthalten, um Datenwissenschaftlern Vertrautheit und Vielseitigkeit zu bieten. Erstellen Sie Modelle für Machine Learning mit TensorFlow, PyTorch oder fügen Sie weitere Frameworks Ihrer Wahl hinzu.
Dank der integrierten, in der Cloud gehosteten JupyterLab-Notebook-Umgebungen können Teams von Datenwissenschaftlern Modelle mit einer vertrauten Nutzeroberfläche erstellen und trainieren.
Nutzen Sie gängige Open-Source-Visualisierungs-Tools wie Plotly, Matplotlib und Bokeh, um Datenwissenschaftlern das Visualisieren und Untersuchen von Daten zu vereinfachen.
Die Accelerated Data Science-Bibliothek von Oracle ist eine Python-Bibliothek, die einen umfassenden Satz von Datenverbindungen enthält, mit denen Datenwissenschaftler auf Daten aus vielen verschiedenen Datenspeichern zugreifen und diese verwenden können, um bessere Modelle zu erstellen.
Die Accelerated Data Science-Bibliothek unterstützt AutoML von Oracle sowie Open-Source-Tools wie H2O 3 und auto-sklearn. AutoML von Oracle bietet automatisierte Funktionsauswahl, adaptive Abtastung und automatisierte Algorithmusauswahl. Diese Funktionen zusammen mit der Optimierung der Hyperparameter erzeugen letztendlich einen genauen Modellkandidaten, der dem Datenwissenschaftler erhebliche Zeiteinsparungen verschafft.
Die automatisierte Bewertung generiert eine umfassende Suite von Auswertungsmetriken und ‑visualisierungen, um die Modell-Performance anhand neuer Daten zu messen und Modellkandidaten zu vergleichen, damit der Datenwissenschaftler leichter ein qualitativ hochwertiges Modell erstellen kann.
Die Erklärung des Accelerated Data Science-Modells umfasst globale und lokale Erläuterungen zur Veranschaulichung des Gesamtverhaltens eines Modells sowie spezifische Modellvorhersagen. Für Modellkonsumenten verbessern automatisierte modellunabhängige Erklärungen das Verständnis und das Vertrauen, gehen auf regulatorische Anforderungen ein und beschleunigen die Einführung von Machine Learning.
Stellen Sie Datenwissenschafts-Modelle einfach als Oracle Functions bereit – eine hoch skalierbare, bedarfsgesteuerte und serverlose Architektur auf Oracle Cloud Infrastructure, die die Bereitstellung für Datenwissenschaftler und Infrastrukturadministratoren vereinfacht.
Die Teammitglieder verwenden den Modellkatalog, um fertige Modelle für Machine Learning und die Artefakte, die zum Reproduzieren, Testen und Bereitstellen erforderlich sind, beizubehalten und gemeinsam zu nutzen.
Mit Conda Environments und Modellkatalogfunktionen können Unternehmen den ursprünglichen Modellcode, die Bibliothek und die Abhängigkeiten von Schulungs-Datensätzen reproduzieren. Auf diese Weise können Datenwissenschaftler Modelle für Machine Learning neu trainieren, reproduzieren und prüfen.
Teammitglieder verwenden Projekte zum Organisieren, Aktivieren der Versionskontrolle und zum zuverlässigen Teilen ihrer gesamten Arbeit, einschließlich Daten- und Notebook-Sitzungen.
Mit teambasierten Sicherheitsrichtlinien können Benutzer Teammitglieder in Projekte einbeziehen. Diese Richtlinien steuern den Zugriff auf Modelle, Code und Daten, um die Zusammenarbeit zu erleichtern, aber auch um die Arbeit zu schützen. Sicherheitskontrollen sind nahtlos in Oracle Cloud Infrastructure Identity and Access Management integriert.
Nutzer stellen eine Verbindung zum Git-Repositorium ihrer Firma her, um Machine Learning zu erhalten und abzurufen.
Auf jede Datenquelle in einer beliebigen Cloud- oder On-Premises-Umgebung kann von Datenwissenschaftlern zugegriffen und diese dann verwendet werden, um Modelle für Machine Learning zu erstellen, die mehr potenzielle Datenfunktionen bieten, was zu besseren Modellen führt.
Nutzer wählen die Menge an Rechen- und Storage-Ressourcen aus, die sie benötigen, um Projekte jeder Größe anzugehen, ohne sich um die Bereitstellung oder Wartung der Infrastruktur kümmern zu müssen.
Datenwissenschaftler können mithilfe von GPUs in Notebook-Sitzungen in viel kürzerer Zeit Deep-Learning-Modelle erstellen und trainieren. Oracle Cloud Infrastructure Data Science bietet Support für NVIDIA P100- und V100-GPUs.
Forscher der Victoria University nutzen Oracle Cloud, um die Vorfälle von häuslicher Gewalt zu prognostizieren, die auf Social Media gemeldet werden.
Verwenden Sie Python, die beliebteste Sprache für die Datenwissenschaft, mit JupyterLab und mehr als 300 Open-Source-Bibliotheken und Frameworks, darunter Dask, scikit-learn und XGBoost. Oder passen Sie die Umgebung für ultimative Flexibilität an.
Beschleunigen Sie die Modellerstellung mit Automatisierung aus der Oracle Accelerated Data Science-Bibliothek, um die Datenvorbereitung zu vereinfachen, und wählen Sie dann den besten Algorithmus mit AutoML aus, um Modelle mit höherer Qualität zu erhalten
Ermöglichen Sie den Benutzern die Auswahl und Änderung der für die Notebook-Entwicklungsumgebungen benötigten Rechenleistung und Storage-Menge – die Bereitstellung erfolgt automatisch.
Verbessern Sie das Vertrauen und das Verständnis von Modellen, indem Sie zeigen, wie Daten die Modellergebnisse beeinflussen. Experten und Nichtfachleute verwenden die Modellerklärung, um zu verstehen und zu validieren, warum ein Modell ein bestimmtes Ergebnis zurückgibt und um versteckte Verzerrungen zu identifizieren.
Sehen Sie sich dieses Video zur beschleunigten Datenwissenschaft an
Stellen Sie Modelle schnell in der Cloud auf einer vollständig verwalteten Plattform bereit, die sich automatisch an die Anforderungen anpassen lässt.
Produkt |
Stückpreis |
Skala |
Berechnung – Standard für virtuelle Computer – E2 |
OCPU pro Stunde |
|
Berechnung – Standard für virtuelle Computer – X7 |
OCPU pro Stunde |
|
VM.GPU2.1 (NVIDIA P100) |
GPU pro Stunde |
|
VM.GPU3.x (NVIDIA V100 Tensor Core – 16 GB) |
GPU pro Stunde |
|
Block Volume Storage |
GB-Storage-Kapazität pro Monat |
|
Block Volume Performance-Einheiten |
Leistungseinheiten pro GB/Monat (10 VPUs für 0,017 USD für ausgeglichene Leistung) |
Produkt |
Stückpreis |
Skala |
Objektspeicher – Storage |
GB-Storage-Kapazität pro Monat |
Eine interaktive Tour durch die Nutzeroberfläche.
Erfahren Sie mehr über die Verwendung von Oracle Cloud Infrastructure Data Science.
Erleben Sie die Nutzeroberfläche mit dieser interaktiven Tour.
Erleben Sie das Live-Produkt Hands-on kostenlos.
Entdecken Sie mehr im Data Science-Newsletter.