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。
Oracle Machine Learningでは、データを専用の機械学習システムに移動する必要がないため、データ・サイエンティストは機械学習モデルの作成と導入を迅速化できます。
Oracle Machine Learningを体験
データ・サイエンティストは、Oracle Databaseに組み込まれた30を超えるスケーラブルなアルゴリズムを使用して、高性能の機械学習モデルを簡単に構築および導入できます。
機械学習技術とサポート・アルゴリズムの詳細を見る(PDF)
データ・サイエンティストと開発者は、データが存在す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、アプリ開発時間を短縮し、データのセキュリティを確保できます。
データ・サイエンティストは、データベース内の現在のビジネス・データを分析することで、機械学習プロセスの適時性と関連性を最大化できます。
データ・サイエンティストは、データベース内機械学習アルゴリズムのために一般的に必要とされる変換を自動化することで、インサイトの取得までの時間を短縮できます。
開発者はRepresentational State Transfer(REST)インターフェイスを使用して、シンプルなSQLと簡単な導入オプションにより機械学習モデルの即時可用性を実現できます。
データ・サイエンティストと開発者は、SQLの可用性をサポートするApache Zeppelinノートブック・テクノロジーとOracle Autonomous DatabaseのPL/SQLインタープリターに基づく、操作性に優れたインタラクティブなマルチユーザー・コラボレーション・インターフェイスを使用できます。
データ・サイエンティストは、使い慣れたSQLとPL/SQLを使用してデータを準備し、Oracle Database内で機械学習モデルの構築、評価、導入を行うことで、機械学習モデルの作成を簡素化できます。
Oracle Database上のSQLを使用してユーザー定義のR関数を簡単に導入できる、十分に統合されたRインターフェイスを通じて、Rユーザーはデータの探索、準備、機械学習においてOracle Databaseのパフォーマンスとスケーラビリティを獲得できます。
データ・サイエンティストとデータ・アナリストは、SQL Developerアドインのドラッグアンドドロップ・インターフェイスを使用してデータを探索し、データドリブンの問題を解決するために共有およびスケジュールできる分析手法(ワークフロー)を構築できます。
データ・サイエンティストは、R APIを介してHive、Impala、HDFSから取得したデータに対して、スケーラブルなSparkベースのアルゴリズムを備えたビッグデータ・クラスターのすべてのノードを使用できるため、モデルの構築とデータのスコアリングを高速化できます。
データ・サイエンティストは、Oracle Exadataおよびその他の環境向けの最適化に加え、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できます。
開発者は、統合されたOracle Database機能を活用することで、空間データやグラフ・データなどの複数のタイプのデータを使用して、さまざまなアプリケーションにOracle Machine Learningを簡単に導入できます。
データ・サイエンティストと開発者は、Exadataの「スマートスキャン」テクノロジーを使用して大量のデータを迅速にスコアリングし、結果をより迅速に提供できます。
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、およびユーザー・データとOracle Machine Learningデータベース内モデルへのロールベースのアクセスによって保護されます。
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。
360度の顧客ビューに基づいて、顧客の購入行動、離脱、および債務不履行を予測し、利益と顧客満足度を向上させることができます。
金融取引、請求、経費報告の不正をリアルタイムで特定して、リスクと損失を低減できます。
新しい市場、顧客セグメント、およびこれまで知られていなかったユーザー・プロファイルを使用してビジネスを成長させるための隠れた機会を見つけられます。
大量のトランザクションを処理して、ターゲット別マーケティングにおける新しいオファーとアップセルの機会を特定できます。
非構造化テキストのトピック、感情、類似性の識別により、カスタマー・エクスペリエンスを向上させることができます。