該当する結果がありません

一致する検索結果がありませんでした。

お探しのものを見つけるために、以下の項目を試してみてください。

  • キーワード検索のスペルを確認してください。
  • 入力したキーワードの同義語を使用してください。たとえば、「ソフトウェア」の代わりに「アプリケーション」を試してみてください。
  • 下記に示すよく使用される検索語句のいずれかを試してみてください。
  • 新しい検索を開始してください。
急上昇中の質問

Oracle Cloud Infrastructure Virtual Machines for Data Science

顧客データからモノのインターネットに至るまで、ビジネスデータの増加はとどまることを知らず、データ・サイエンティストはモデルの探索や構築を迅速に行える柔軟性を求めています。ただし、一時的な需要やピーク時の需要を満たすために新しいハードウェアを購入すると、多大な資本経費と相当な時間がかかる可能性があります。

Oracle Cloud Infrastructure Virtual Machines(VM)for Data Scienceは、より迅速なモデルの構築とビジネス価値の実現を狙いとした事前構成済みの環境です。Oracle Cloud Infrastructure上に構築されたこれらのVMは、パフォーマンス、セキュリティ、コントロールに優れています。コンピューティング自動スケーリングを使用してコンピューティング・リソースを必要に応じて拡張でき、不要なときにコンピューティング・インスタンスを停止することでコストを抑えることができます。

このVMイメージに適したコンピューティング・オプションには、NVIDIA GPUを備えた仮想マシンが含まれており、一般的なIDE、ノートブック、フレームワークがプリインストールされているため15分足らずで立ち上げて使い始めることができます。Oracle Cloud Infrastructure VMs for Data Scienceには、テストと探索のための基本的なサンプルデータとコードが含まれています。

Virtual Machines for Data Science
大手ワイヤレスキャリアがOracle Cloud Infrastructure上に構築されたAIソリューションでより高速なパフォーマンスを実現

大手ワイヤレスキャリアがOracle Cloud Infrastructure上に構築されたAIソリューションでより高速なパフォーマンスを実現

ある大手モバイルネットワーク事業者は、AIを活用した仮想音声アシスタントを複数の言語で数百万人のユーザーに提供しています。この環境は、それぞれ8個のGPUを持つ2つのノードで構成されたクラスタを使用し、各ノードに16個のGPUと768 GBのメモリを備えたクラスタとして接続されています。これにより、モデルのトレーニング時間が大幅に短縮されました。

このソリューションは、各イテレーションで最適化された1億のトレーニング可能パラメータを使用します。その結果、モデルのトレーニングが高速化されたことに加えて、音声テキスト変換のパフォーマンスが2.4倍向上し、テキスト音声変換の処理も30〜50%速くなりました。

Virtual Machines for Data Science

利点

Oracle Cloud Infrastructure上に構築されたオラクルのデータサイエンス向けソリューションは、パフォーマンス、セキュリティ、コントロールに優れています。これらのソリューションを使用すれば、より迅速にモデルを構築してビジネス価値を生み出すことができます。

迅速

すぐに立ち上げて使い始めることができます。事前構成されたイメージをデプロイして作業を開始するだけです。使い終わった後のティアダウンも簡単です。

使いやすい

これらのイメージをクラウドですばやく簡単に起動できます。IT組織の支援や介入を受ける必要はありません。

必要なすべてのものが揃っている

このオールインワン・イメージには、プリインストールされたツール一式が含まれています。追加やカスタマイズも簡単で、デプロイする前にTerraformスクリプトを使用して、またはシステムの実行後に手動で行うことができます。

高い柔軟性

自動スケーリングを通じて、またはOracle Cloud Infrastructure Resource Managerを使用して、クラウド上のコンピューティング・リソースをすばやく簡単に追加できます。

カスタマイズ可能

必要に応じて、ディープラーニング・モデルのトレーニングと推論にGPUシェイプを使用し、機械学習にCPUベースのコンピューティングを使用できます。

低料金

ITコストを削減します。30米ドルほどの料金で、クラウド上のTesla P100 GPUで1日に1つのモデルを実行できます。

ユースケース

オラクルのディープラーニング用に事前構成された環境は、多くの業界でさまざまなアプリケーションに役立ちます。

 

自然言語処理

 

画像の認識と分類

 

金融サービスにおける不正検出

 

オンライン小売業者向けのレコメンデーション・エンジン

 

危機管理

Virtual Machine for Data Scienceイメージの内容

オペレーティング・システム

  • イメージファミリー:Oracle Linux 7.x
  • オペレーティング・システム:Oracle Linux
  • カーネルバージョン:kernel-uek-4.14.35-1902.8.4.el7uek.x86_64
  • CUDAバージョン:10-1-10.1.168-1
  • cuDNNバージョン:7.3.1
  • リリース日:2019年12月19日

機械学習フレームワーク(Pythonベース)

  • TensorFlow
  • Keras
  • Theano
  • scikit-learn
  • PyTorch
  • NumPy
  • Pandas
  • Seaborn

統合開発環境(IDE)とノートブック

  • Anacondaオープンソース・ディストリビューション
  • Spyder
  • PyCharm
  • Atom
  • Jupyter Notebook
  • Sublime Text

含まれるラボ

環境をテストしたい人や、ディープラーニングとデータサイエンスについて詳しく学びたい人のために、セルフガイド式の手順を提供するJupyter Notebookが含まれています。仮想マシン上のJupyter Notebookでreadme.mdファイルを開くだけです。

  • ラボ1:機械学習パッケージの紹介:scikit-learn
    scikit-learnのチュートリアルを示し、scikit-learnでモデルを構築およびチューニングする方法について説明します。演習が含まれています。
  • ラボ2:MLパッケージの紹介:PyTorch
    PyTorchのチュートリアルを示し、PyTorchのニューラル・ネットワークでビジョンタスク、自然言語処理、その他の関連用途に使用するモデルを構築およびチューニングする方法について説明します。
  • ラボ3:自然言語処理用の高度なニューラル・ネットワークと転移学習
    畳み込みニューラル・ネットワークと再帰型ニューラル・ネットワークに関するチュートリアルを提供します。
  • ラボ4:ビジョン用の高度なニューラル・ネットワークと転移学習
    カスタムCNNを実装し、事前にトレーニングされた最先端のCNNを使用する方法について説明します。