El aprendizaje automático descubre patrones e información ocultos en los datos empresariales, lo que genera un nuevo valor para el negocio. Oracle Machine Learning acelera la creación y la implementación de modelos de aprendizaje automático para científicos de datos mediante la reducción del movimiento de datos, la tecnología AutoML y la implementación simplificada.
Miércoles 20 de octubre, 12:00 ET/13:00 BRT/18:00 CEST
Aumente la productividad de los desarrolladores y científicos de datos y reduzca su curva de aprendizaje con la tecnología conocida de notebooks Apache Zeppelin basada en código abierto. Los notebooks son compatibles con intérpretes de SQL, PL/SQL, Python y Markdown para Oracle Autonomous Database a fin de que los usuarios puedan trabajar con el idioma que quieran al desarrollar modelos.
Reduzca el tiempo para implementar y administrar modelos nativos en la base de datos y modelos de regresión y clasificación en formato ONNX fuera de Oracle Autonomous Database. Los desarrolladores de aplicaciones tienen extremos REST fáciles de integrar. Los científicos de datos obtienen la implementación de modelos integrados desde la interfaz de usuario de AutoML de Oracle Machine Learning.
Simplifique y acelere la creación de modelos de aprendizaje automático para científicos de datos expertos y no expertos por igual, con SQL y PL/SQL familiares para la preparación de datos, la construcción de modelos, la evaluación y la implementación.
Una interfaz de usuario sin código compatible con AutoML en Autonomous Database que mejora la productividad de los científicos de datos y el acceso de usuarios no expertos a algoritmos potentes en la base de datos para clasificación y regresión.
Los científicos de datos y otros usuarios de Python aceleran la construcción y ejecución de modelos ya que aprovechan el entorno de Python integrado de Oracle Autonomous Database como una plataforma informática de alto rendimiento. AutoML integrado proporciona algoritmos automatizados y selección de funciones, ajuste y selección de modelos. Juntas, estas capacidades mejoran la productividad del usuario, la precisión del modelo y el rendimiento.
Simplifique y acelere la creación de modelos de aprendizaje automático para científicos de datos expertos y no expertos por igual, con SQL y PL/SQL familiares para la preparación de datos, la construcción de modelos, la evaluación y la implementación.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápido flujos de trabajo analíticos. El desarrollo rápido y el perfeccionamiento de modelos permite a los usuarios descubrir patrones, relaciones y datos ocultos en sus datos.
Los usuarios de R obtienen el rendimiento y la escalabilidad de Oracle Database para la exploración, la preparación y el aprendizaje automático de datos con el idioma que elijan. Una interfaz R integrada proporciona una implementación sencilla de funciones R definidas por el usuario mediante SQL, lo que facilita el uso de bibliotecas y paquetes CRAN.
Simplifique y acelere la creación de modelos de aprendizaje automático para científicos de datos y ciudadanos científicos de datos con SQL y PL/SQL familiares para la preparación de datos, construcción de modelos, evaluación e implementación.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápido flujos de trabajo analíticos. El desarrollo rápido y el perfeccionamiento de modelos permite a los usuarios descubrir patrones, relaciones y datos ocultos en sus datos.
Los usuarios de R obtienen el rendimiento y la escalabilidad de Oracle Database para la exploración, la preparación y el aprendizaje automático de datos con el idioma que elijan. Una interfaz R integrada proporciona una implementación sencilla de funciones R definidas por el usuario mediante SQL, lo que facilita el uso de bibliotecas y paquetes CRAN.
Los científicos de datos pueden usar una API de R con algoritmos nativos escalables y basados en MLlib Spark en datos de Hive, Impala y HDFS para una crear modelos y clasificar datos más rápido en entornos de big data.
Una interfaz de usuario sin código compatible con AutoML en Autonomous Database que mejora la productividad de los científicos de datos y el acceso de usuarios no expertos a algoritmos potentes en la base de datos para clasificación y regresión.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápido flujos de trabajo analíticos. El perfeccionamiento y el desarrollo rápido de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.
Vea cómo crear modelos de aprendizaje automático más rápido con Python, R y SQL.
Así como algunas nubes de almacenamiento de datos están tratando de descubrir cómo funcionan bien con el aprendizaje automático, Oracle movió mucho las metas”, dijo Marc Staimer, presidente de DS Consulting y analista de Wikibon. “Autonomous Data Warehouse de Oracle ahora incluye Auto-ML. ADW incluyó el aprendizaje automático integrado desde sus inicios. Pero ahora lo automatizaron para que cualquier cliente de ADW pueda usarlo sin ninguna experiencia. Esto hace que otras ofertas parezcan rudimentarias y primitivas en comparación.Marc Staimer Presidente de DS Consulting y analista de Wikibon
Las mejoras de Oracle a Autonomous Data Warehouse son significativas de tres maneras. En primer lugar, Oracle proporciona interfaces de usuario de apuntar y hacer clic y automatización de aprendizaje automático, lo que permite a quienes no son profesionales generar información procesable. En segundo lugar, con esta facilidad de uso, incluso las pymes con pequeños departamentos de TI pueden beneficiarse con el sofisticado almacén de datos en la nube de Oracle. Y, en tercer lugar, con Autonomous Data Warehouse, los usuarios pueden incorporar datos de cualquier fuente, desde sistemas departamentales hasta almacenes de datos empresariales, lagos de datos e, incluso, otras nubes (AWS, Azure y Google) y ejecutar diversas cargas de trabajo analíticas. En resumen, Oracle está ampliando significativamente el alcance de Autonomous Data Warehouse entre usuarios, organizaciones y acceso a datos a múltiples nubes. Esto trasciende las barreras de lo que es posible hoy con AWS Redshift y Snowflake, y cualquier otro almacén de datos en la nube del planeta.Richard Winter Director ejecutivo y arquitecto principal
Los clientes de todo el mundo aprovechan las capacidades del aprendizaje automático en la base de datos de Oracle para resolver problemas complejos e importantes basados en datos.
Los desarrolladores y científicos de datos crean modelos y clasifican los datos de forma más rápida y a escala, sin necesidad de extraer datos en motores de análisis independientes. La arquitectura de escalamiento horizontal de Oracle Exadata y la tecnología Smart Scan ofrecen resultados rápidos.
Los científicos de datos y los desarrolladores que utilizan Oracle Machine Learning están protegidos con las funciones integradas de Oracle Database de seguridad, cifrado y acceso basado en roles a los datos y modelos de los usuarios.
Los desarrolladores y el equipo más amplio de ciencia de datos logran una disponibilidad inmediata del modelo de aprendizaje automático con opciones de implementación sencillas mediante interfaces SQL y REST.
Los desarrolladores y científicos de datos procesan los datos donde residen en Oracle Database, lo que ayuda a simplificar la creación y la implementación de modelos, reduce el tiempo de desarrollo de aplicaciones y mejora la seguridad de los datos.
Los científicos de datos evitan problemas de rendimiento durante la preparación de datos, la creación de modelos y la clasificación de datos con el paralelismo y la escalabilidad integrados de Oracle Database, con optimizaciones únicas para Oracle Exadata.
Los científicos y desarrolladores de datos saben que la eficacia de Python y su adopción generalizada es un testimonio de su éxito. Ahora, los usuarios de Python pueden ampliar esta eficacia cuando analizan datos en Oracle Autonomous Database. Oracle Machine Learning for Python (OML4Py) hace que el entorno y el lenguaje de secuencias de comandos de código abierto Python estén listos para la empresa y big data.
Leer el artículo completoEmpiece a utilizar Oracle Cloud y acceda a Oracle Machine Learning dentro de Autonomous Database de forma gratuita.
Regístrese hoy para asistir a los TechCasts de la comunidad de usuarios de Oracle de datos y análisis.
Obtenga soporte y aprenda junto a otros miembros de la comunidad de pioneros en aprendizaje automático en la base de datos de Oracle.