Oracle DatabaseのMachine Learningは、SQL、R、Python、REST、自動機械学習(AutoML)、ノーコードのインターフェイスを使用して、データ探索、準備、および大規模な機械学習(ML)モデリングをサポートします。30以上の高パフォーマンスのデータベース内アルゴリズムが含まれており、アプリケーションですぐに使用できるモデルを生成します。データベースにデータを保持することで、組織はアーキテクチャ全体を簡素化し、データの同期とセキュリティを維持できます。これにより、データ・サイエンティストやその他のデータ専門家は、機会学習のライフサイクルの主な要素を簡素化および自動化することで、モデルを迅速に構築できます。
ラリー・エリソンとホアン・ロアイザが、Oracle Database 23aiの背景にある生成AI戦略について語ります。
データドリフトを防止し、機械学習モデルのパフォーマンスを監視します。Oracle DatabaseサービスのMachine Learningに搭載された新しい監視機能により、データとネイティブのデータベース内モデルの品質の両方に問題があることを警告します。
Oracle Machine Learning Notebooksでは、Oracle Autonomous Database上の広範なPythonおよびRパッケージのエコシステムを活用できます。Oracle Database環境で生成および管理されるエンジンでサードパーティ製パッケージ機能を使用して、ユーザー定義の関数を実行できます。
使い慣れたR構文とセマンティクスを使用し、Oracle Databaseのハイパフォーマンス・コンピューティング環境を活用して、データの詳細な調査、変換、分析をより速く、大規模に行うことができます。
機械学習モデルや、より広範なPythonおよびRベースのソリューションを本番環境に導入して拡張することは、しばしば困難です。Oracle DatabaseのMachine Learningを使用して、アプリケーションへのAIおよびMLの組み込みを簡素化する方法を紹介します。
データ・サイエンティストと開発者は、モデルを構築し、データをより迅速かつ大規模にスコアリングできます。データを抽出して分析エンジンに渡す必要はありません。Oracle Exadataのスケールアウト・アーキテクチャとスマート・スキャン・テクノロジーは迅速な結果をもたらします。
Oracle Machine Learningを使用するデータ・サイエンティストと開発者は、Oracle Databaseの組み込みのセキュリティ、暗号化によっても、ユーザー・データとモデルへのロールベースのアクセスによっても保護されます。
開発者とより広範なデータサイエンス・チームは、SQLおよびRESTインターフェイスを使用する簡単な導入オプションにより、機械学習モデルの可用性を即時に実現します。
データ・サイエンティストと開発者は、データがOracle Databaseにある場所でデータを処理して、モデルの構築と導入を簡素化し、アプリケーションの開発時間を短縮し、データのセキュリティを向上させます。
データ・サイエンティストは、Oracle Exadataに独自の最適化を施し、Oracle Databaseの組み込みの並列処理とスケーラビリティを使用して、データ準備、モデル構築、およびデータ・スコアリング中のパフォーマンスの問題を回避します。
世界中のお客様は、オラクルのデータベース内の機械学習機能を利用して、複雑で重要なデータドリブンの問題を解決しています。
オラクル、データサイエンス/機械学習担当シニアディレクター、Mark Hornick
データ・サイエンティストと開発者はPythonの強力な機能をわかっており、Pythonが広く採用されていることがその成功の証です。現在、PythonユーザーはOracle Autonomous Databaseでデータを分析するときにこの機能を拡張できます。Oracle Machine Learning for Python(OML4Py)により、オープンソースのPythonスクリプト言語と環境を企業とビッグデータで利用できるようになります。
全文を読む