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（OCI）Data Science
Oracle Cloud Infrastructure Data Scienceにより、データ・サイエンティストは気概学習モデルを迅速に構築、トレーニング、導入、管理することができます。
OCI Data Scienceの概要をご覧ください。
Oracle Cloud Infrastructure Data Science
オープンソースの機械学習フレームワーク
柔軟性に優れ、データ・サイエンティストが使い慣れた数十もの一般的なオープン・ソース・ツールとフレームワークが含まれています。TensorFlowやPyTorchを使用するか、任意のフレームワークを追加して、機械学習モデルを構築できます。
JupyterLabインターフェイス
組み込みのクラウドホスト型JupyterLabノートブック環境を使用することで、データ・サイエンティストのチームは、使い慣れたユーザー・インターフェイスによりモデルを構築およびトレーニングできます。
データ視覚化ツール
データ・サイエンティストは、Plotly、Matplotlib、Bokehなどの一般的なオープンソースの視覚化ツールを活用して、データを視覚化および探索できます。
データ・アクセスとデータ探索
Oracle Accelerated Data Scienceライブラリは、包括的なデータ接続セットを含んでいるPythonライブラリです。そのため、データ・サイエンティストはさまざまなデータストアからのデータにアクセスし、それらを使用してより優れたモデルを作成できます。
自動化された機械学習（AutoML）
Accelerated Data Scienceライブラリは、オラクル独自のAutoMLのほか、H2O 3やauto-sklearnなどのオープンソース・ツールもサポートしています。オラクルのAutoMLは、自動化された機能選択、適応サンプリング、および自動化されたアルゴリズム選択を実現しています。これらの機能とハイパーパラメータの調整により、最終的に正確なモデル候補が生成され、データ・サイエンティストは時間を大幅に節約できます。
モデルの評価
自動評価により、新しいデータに対するモデルのパフォーマンスを測定し、モデル候補を比較するための包括的な評価指標と視覚化一式が作り出されます。そのため、データ・サイエンティストは高品質のモデルを簡単に作成できます。
モデル説明
Accelerated Data Scienceモデルの説明には、モデルの全体的な動作の説明に役立つグローバルおよびローカルの説明と、特定のモデルの予測が含まれています。モデルのコンシューマは、モデルに依存しない自動化された説明により、理解と信頼性の向上、規制のニーズへの対応、機械学習の導入の加速化を実現できます。
Oracle Functions
データ・サイエンス・モデルをOracle Functionsとして簡単に導入できます。Oracle Functionsは、データ・サイエンティストやインフラストラクチャ管理者による導入を簡素化する、Oracle Cloud Infrastructure上の拡張性の高いオンデマンドでサーバーレスのアーキテクチャです。
モデル・カタログ
チームメンバーは、モデル・カタログを使用して、完成した機械学習モデルと、それらを再現、テスト、展開するために必要なアーティファクトを保存および共有できます。
再現性と監査可能性
Conda Environmentsとモデル・カタログ機能により、組織はオリジナルのモデル・コード、ライブラリ、およびトレーニング・データセットの依存関係を再現できます。これにより、データ・サイエンティストは機械学習モデルを再トレーニング、再現、監査できます。
データ・サイエンス・チームのコラボレーション
共有プロジェクト
チームメンバーはプロジェクトを使用して、データやノートブック・セッションを含むすべての作業について、整理、バージョン管理の有効化、確実な共有を実施できます。
セキュリティ・ポリシー
チームベースのセキュリティ・ポリシーにより、ユーザーはプロジェクトにチームメンバーを含めることができます。これらのポリシーにより、モデル、コード、データへのアクセスを制御してコラボレーションを促進できるだけでなく、作業を保護することもできます。セキュリティ制御は、Oracle Cloud Infrastructure Identity and Access Managementと完全に統合されています。
バージョン管理
ユーザーは組織のGitリポジトリに接続して、機械学習による作業を保存および取得できます。
柔軟なデータ・アクセス
データ・サイエンティストは、クラウドまたはオンプレミスの任意のデータソースにアクセスして使用し、より優れたモデルを実現する、より大きな可能性を備えたデータ機能を提供する機械学習モデルを構築できます。
セルフサービスのオンデマンドなコンピュートとストレージ
ユーザーは、インフラストラクチャのプロビジョニングや保守について心配することなく、あらゆる規模のプロジェクトに取り組むために必要なコンピュート・リソースとストレージ・リソースの量を選択できます。
グラフィックス・プロセッシング・ユニット（GPU）を含む強力なハードウェア
データ・サイエンティストは、ノートブック・セッションでGPUを使用して、はるかに短い時間で深層学習モデルを構築およびトレーニングできます。Oracle Cloud Infrastructure Data ScienceはNVIDIA P100およびV100のGPUに対応しています。
主な利点
-
オープン・ソース・ツールはデータ・サイエンティストのために親しみやすさや高い産性を提供している
JupyterLabに加え、Dask、scikit-learn、XGBoostなどを含む300以上のオープン・ソース・ライブラリとフレームワークで、データ・サイエンスの分野で最も人気のある言語のPythonを使用できます。または、環境をカスタマイズして柔軟性を最大限に高めることができます。
-
モデル構築を加速させるオラクルのツールキット
Oracle Accelerated Data Scienceライブラリの自動化機能でモデル構築を加速させることができます。これにより、データの準備が容易になるだけでなく、AutoMLで最適なアルゴリズムを選択して調整することで常に高品質のモデルを実現できます。
-
簡素化されたインフラストラクチャにより、ユーザーの生産性の向上と管理コスト削減を実現
ノートブック開発環境に必要なコンピューティングとストレージの量をユーザーが選択および変更できるようにします。プロビジョニングは自動化されています。
モデルの説明により、結果の信頼性が向上
データがモデルの結果にどのように影響するかを示すことにより、モデルの信頼性と理解を向上させることができます。専門家はもちろんのこと、そうでなくても、モデルの説明を通じて、モデルが特定の結果を返す原因を理解および検証し、隠れたバイアスを特定できます。
スケーラブルなモデルを迅速に導入可能
需要に応じて自動的にスケーリングするフル・マネージド・プラットフォーム上のクラウドにモデルをすばやく導入できます。
リソース
関連製品
Oracle Cloud Infrastructure Data Flow
このフル・マネージド・ビッグデータ・サービスを使用して、インフラストラクチャの導入や管理を行わずにApache Sparkアプリケーションを実行する
ここから始めよう
製品ツアー
インタラクティブなツアーでこのユーザー・インターフェイスをご体験ください。
ハンズオン・ラボ
製品のライブ体験を無料でお試しください。
ニュースレター
AIとデータ・サイエンスのニュースレターで詳細をご覧ください。