Oracle Machine Learning

Datenbankinterne Algorithmen

Datenwissenschaftler können mit mehr als 30 skalierbaren Algorithmen, die in Oracle Database integriert sind, auf einfache Weise leistungsstarke Modelle für Machine Learning entwickeln und bereitstellen.
Entdecken Sie Techniken des Machine Learning und unterstützen Sie Algorithmen (PDF)

Keine Datenverschiebungen

Datenwissenschaftler und Entwickler können Daten dort verarbeiten, wo sie sich befinden, um die Modellentwicklung und ‑bereitstellung zu vereinfachen, die Anwendungsentwicklungszeit zu verkürzen und die Datensicherheit zu gewährleisten.

Eine einzige Quelle der Wahrheit

Datenwissenschaftler können die Aktualität und Relevanz von Machine Learning-Prozessen maximieren, indem sie aktuelle Geschäftsdaten in der Datenbank analysieren.

Automatisierte Datenaufbereitung

Datenwissenschaftler können die Zeit bis zur Einsicht verkürzen, indem sie häufig erforderliche Transformationen für datenbankinterne Algorithmen für Machine Learning automatisieren.

Schnelle Unternehmensbereitstellung

Entwickler erreichen eine sofortige Verfügbarkeit des Machine Learning-Modells mit einfachem SQL und einfachen Bereitstellungsoptionen mithilfe der Representational State Transfer (REST)-Schnittstellen.

Oracle Machine Learning Notebooks

Datenwissenschaftler und Entwickler verwenden eine benutzerfreundliche, interaktive Benutzeroberfläche für die Zusammenarbeit mit mehreren Benutzern, die auf der Notebook-Technologie Apache Zeppelin basiert und die Verfügbarkeit für SQL unterstützt sowie Interpreter für PL/SQL für Oracle Autonomous Database.

• Oracle Machine Learning Notebooks mit Autonomous Data Warehouse – Dokumentation
• Oracle Machine Learning Notebooks mit Autonomous Transaction Processing – Dokumentation
• Oracle Machine Learning Notebooks mit Autonomous JSON Database – Dokumentation

Oracle Machine Learning for SQL

Datenwissenschaftler können die Erstellung von Machine Learning-Modellen unter Verwendung von SQL und PL/SQL für die Datenaufbereitung sowie die Entwicklung, Bewertung und Bereitstellung von Machine Learning-Modellen in Oracle Database vereinfachen.

• Oracle Machine Learning for SQL – Dokumentation
• Technische Zusammenfassung (PDF)

Oracle Machine Learning for R

R-Benutzer erhalten die Performance und Skalierbarkeit von Oracle Database für die Datenexploration, ‑aufbereitung und Machine Learning über eine gut integrierte R-Schnittstelle, die die einfache Bereitstellung benutzerdefinierter R-Funktionen mit SQL auf Oracle Database erleichtert.

• Oracle Machine Learning for R installieren
• Technische Zusammenfassung (PDF)

Oracle Data Miner

Datenwissenschaftler und Datenanalysten können mithilfe der Drag-and-Drop-Schnittstelle des SQL Developer-Add-Ins Daten untersuchen und Analysemethoden (Workflows) erstellen, die gemeinsam genutzt und geplant werden können, um datengesteuerte Probleme zu lösen.

• Oracle Data Miner installieren (PDF)
• Oracle Data Miner – Dokumentation

Oracle Machine Learning for Spark

Datenwissenschaftler können alle Knoten eines Big Data-Clusters mit skalierbaren Spark-basierten Algorithmen für Daten von Hive, Impala, HDFS über eine R-API verwenden, um die Modellentwicklung und Datenbewertung zu beschleunigen.

• Oracle Machine Learning for Spark installieren
• Support für Apache Hive und Impala (PDF)

Datenverarbeitung mit hoher Leistung

Datenwissenschaftler können Probleme mit Performance während der Datenaufbereitung, Modellentwicklung und Datenbewertung mithilfe der integrierten Parallelität und Skalierbarkeit von Oracle Database vermeiden und Optimierungen für Oracle Exadata und andere Umgebungen vornehmen.

Konvergierte Datenbank

Entwickler können Oracle Machine Learning problemlos in verschiedenen Anwendungen einsetzen, die verschiedene Datentypen, wie räumliche und grafische Daten, verwenden, indem sie die konvergierten Funktionen der Oracle Database nutzen.

Datenbankinterne Bewertung

Datenwissenschaftler und Entwickler können mithilfe der „Smart-Scan“-Technologie von Exadata große Datenmengen in kurzer Zeit bewerten, um schnellere Ergebnisse zu erzielen.

Sicherheit

Datenwissenschaftler und Entwickler, die Oracle Machine Learning verwenden, sind durch die in Oracle Database integrierte Sicherheit, Verschlüsselung und den rollenbasierten Zugriff auf Benutzerdaten und datenbankinterne Modelle von Oracle Machine Learning geschützt.