Spiacenti, impossibile trovare dei risultati che corrispondono alla tua ricerca.

È consigliabile provare quanto segue per riuscire a trovare quello che stai cercando:

  • Controlla l'ortografia della ricerca per parola chiave.
  • Utilizza sinonimi per la parola chiave digitata, ad esempio prova “applicazione” anziché “software”.
  • Inizia una nuova ricerca.
Country Contattaci Registrati su Oracle Cloud

Data Science Service

Oracle Cloud Infrastructure (OCI) Data Science è una piattaforma completamente gestita che consente ai team di data scientist di creare, perfezionare, distribuire e gestire modelli di machine learning utilizzando Python e strumenti open source. Usa un ambiente basato su JupyterLab per sperimentare e sviluppare modelli. Esegui lo scale up dell'addestramento dei modelli con le GPU NVIDIA e la formazione distribuita. Porta i modelli in produzione e mantienili in buono stato con le funzionalità MLOps, come pipeline automatizzate, distribuzioni di modelli e monitoraggio dei modelli.

Il ciclo di vita dei modelli di machine learning

La creazione di un modello di machine learning è un processo iterativo. Scopri di più su ogni fase, dalla raccolta dei dati all'implementazione dei modelli e al monitoraggio.

IDC: Trasformazione del business aziendale

L'intelligenza artificiale sta cominciando rapidamente a far parte di tutte le funzioni di business. IDC analizza best practice e consigli per l'AI aziendale.

Ricerca medica
Le attività di ricerca di CMRI ora possono essere completate 6 volte più velocemente con Oracle AI
Partnership
Accedi al repository Anaconda, senza costi aggiuntivi, tramite OCI
Tecnologia sportiva
Seattle Sounders FC crea modelli di dati per migliorare le prestazioni
Servizi sanitari
DSP aiuta il National Institute for Health Research a migliorare il percorso clinico
Servizi sanitari
Prosperdtx migliora la cura dei pazienti con l'utilizzo di data science per piani sanitari digitali

Casi d'uso di Data Science

  • Assistenza sanitaria: rischio di riammissione in ospedale

    Crea un modello predittivo per identificare i fattori di rischio e prevedere il rischio di riammissione in ospedale dopo la dimissione. Utilizza i dati, come l'anamnesi e le condizioni di salute del paziente, i fattori ambientali e l'andamento generale dell'assistenza medica, per creare un modello più solido che contribuisca a fornire un servizio migliore a costi ridotti.

  • Retail: prevedi il valore vita utile cliente

    Utilizza tecniche di regressione sui dati per prevedere la spesa futura dei clienti. Esamina le transazioni passate e combina i dati cronologici dei clienti con altri dati su tendenze, livelli di reddito e persino fattori come le condizioni meteorologiche per creare modelli di machine learning che determinino se creare campagne di marketing per mantenere i clienti correnti o acquisirne di nuovi.

  • Produzione: manutenzione predittiva

    Crea modelli di rilevamento delle anomalie in base ai dati dei sensori per rilevare i guasti alle apparecchiature prima che diventino un problema più grave o utilizza modelli di previsione per pianificare la fine del ciclo di vita di parti e macchinari. Aumenta il tempo di attività di veicoli e macchinari tramite metriche delle operazioni di machine learning e monitoraggio.

    Finance: rilevamento delle frodi

    Previeni frodi e crimini finanziari con la data science. Crea un modello di machine learning in grado di identificare eventi anomali in tempo reale, inclusi importi fraudolenti o tipi insoliti di transazioni.

Martedì, 18 ottobre, 2022

Portare i modelli di machine learning alla produzione e oltre con MLOps su OCI

Tzvi Keisar, Senior Principal Product Manager

I modelli di formazione per generare previsioni accurate sono un'attività complessa che richiede una vasta esperienza nel campo della data science. Il carico di lavoro non si esaurisce con la creazione del modello. Un altro compito importante da svolgere è l'adattamento del modello per generare previsioni su nuovi dati nella vita reale, un procedimento spesso chiamato "realizzazione concreta del modello". Si tratta di un'attività tanto complessa quanto la creazione del modello. In effetti, potresti aver letto qualche articolo sulla sorprendente percentuale di progetti basati sull'intelligenza artificiale che non vanno a buon fine durante il tentativo di implementazione in produzione.

Leggi l'intero post

Articoli del blog in primo piano

Visualizza tutto

Architetture di riferimento dell'intelligenza artificiale/machine learning

Visualizza tutte le architetture di riferimento