Aumenta la productividad de los científicos de datos, ingenieros de datos y desarrolladores y reduce su curva de aprendizaje con una tecnología de notebook habitual. Oracle Machine Learning Notebooks admite intérpretes SQL, PL/SQL, Python, R, Conda y Markdown para Oracle Autonomous Database, de modo que podrás utilizar el idioma que elijas junto con paquetes de terceros personalizados cuando desarrolles soluciones analíticas.
Reduce el tiempo para implementar y gestionar modelos nativos en la base de datos y modelos en formato ONNX en el entorno de Oracle Autonomous Database. Los desarrolladores de aplicaciones utilizan modelos a través de puntos finales REST fáciles de integrar. Controla tus datos y modelos en la base de datos para garantizar una corrección y precisión continuas. Despliega modelos de forma rápida y sencilla desde la interfaz de usuario de Oracle Machine Learning AutoML.
Obtén insights sobre cómo evolucionan los datos de tu empresa a lo largo del tiempo y toma medidas correctivas antes de que los problemas que afecten a los datos tengan un impacto negativo significativo. La supervisión de datos te ayuda a garantizar la integridad de los datos de tus aplicaciones y paneles de control empresariales. Identifica la desviación de datos de forma rápida y fiable y comprende las columnas de datos individuales y sus interacciones.
Simplifica y acelera la creación de modelos de machine learning tanto para científicos de datos expertos como no expertos, utilizando SQL y PL/SQL para la preparación de datos, la creación, la evaluación y la implementación de modelos.
Una interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión.
Acelera el modelado de aprendizaje automático con Oracle Autonomous Database como plataforma de recursos informáticos de alto rendimiento con una interfaz R. Utiliza Oracle Machine Learning Notebooks para desarrollar soluciones escalables basadas en Machine Learning en R y crear entornos Conda con paquetes de terceros. Despliega fácilmente funciones R definidas por el usuario desde API de REST y SQL con paralelismo de datos proporcionado por el sistema y paralelismo de tareas.
Los científicos de datos y otros usuarios de Python aceleran la modelización de aprendizaje automático y la implementación de soluciones utilizando Oracle Autonomous Database como una plataforma de computación de alto rendimiento con una interfaz de Python. Utiliza Oracle Machine Learning Notebooks para desarrollar soluciones escalables basadas en machine learning en Python. Al integrar AutoML, recomienda algoritmos y funciones relevantes y realiza el ajuste automático de modelos.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos en SQL Developer. El rápido desarrollo y ajuste de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.
Simplifica y acelera la creación de modelos de machine learning tanto para científicos de datos expertos como no expertos, utilizando SQL y PL/SQL para la preparación de datos, la creación, la evaluación y la implementación de modelos.
Los data scientists y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos. El rápido desarrollo y ajuste de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.
Acelera la modelización de aprendizaje automático y la implementación de soluciones utilizando Oracle Database como una plataforma de computación de alto rendimiento con una interfaz de R. Despliega fácilmente funciones R definidas por el usuario desde API de SQL y R con paralelismo de datos proporcionado por el sistema y paralelismo de tareas. Las funciones de R definidas por el usuario pueden incluir funcionalidades del ecosistema de paquetes de R.
Los científicos de datos y otros usuarios de Python aceleran la creación de modelos de machine learning y la implementación de soluciones utilizando Oracle Database como una plataforma de computación de alto rendimiento con una interfaz de Python. Al integrar AutoML, recomienda algoritmos y funciones relevantes y realiza el ajuste automático de modelos.
Una interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión.
Los científicos de datos y otros usuarios de Python aceleran la creación de modelos de machine learning y la implementación de soluciones utilizando Oracle Autonomous Database y Oracle Database como una plataforma de computación de alto rendimiento con una interfaz de Python. Al integrar AutoML, recomienda algoritmos y funciones relevantes y realiza el ajuste automático de modelos. En conjunto, estas capacidades mejoran la productividad del usuario, la precisión del modelo y la escalabilidad.
Una interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión.
Obtén insights sobre cómo evolucionan los datos de tu empresa a lo largo del tiempo y toma medidas correctivas antes de que los problemas que afecten a los datos tengan un impacto negativo significativo. La supervisión de datos te ayuda a garantizar la integridad de los datos de tus aplicaciones y paneles de control empresariales. Identifica la desviación de datos de forma rápida y fiable y comprende las columnas de datos individuales y sus interacciones.
Los data scientists y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos. El rápido desarrollo y ajuste permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.