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シノニムを使用します。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。
新しい検索を開始してください。

Oracle Machine Learning

機械学習は、エンタープライズデータの隠れたパターンとインサイトを明らかにし、ビジネスに新しい価値を生み出します。Oracle Machine Learningにより、データ移動の削減、AutoMLテクノロジーの利用、導入の簡素化が可能になり、データ・サイエンティストは、機械学習モデルをよりすばやく作成および導入できます。

Python、R、SQLを使用して機械学習モデルをよりすばやく構築する方法をご覧ください。

ワークショップを開始する

製品概要を見る（1:36）

Oracle Databaseで高性能の機械学習モデルを構築する

Autonomous DatabaseでのOracle Machine Learning

Oracle Machine Learning Notebooks

使い慣れたオープンソースベースのApache Zeppelinノートブック・テクノロジーにより、データ・サイエンティストと開発者は、生産性を高め、学習曲線を短縮できます。ノートブックは、Oracle Autonomous DatabaseのSQL、PL/SQL、Python、およびマークダウン・インタープリターをサポートしているため、ユーザーはモデルの開発時に選択した言語で作業できます。

Oracle Machine Learning Services

Oracle Autonomous Databaseの外部で、ネイティブのデータベース内モデルとONNX形式の分類および回帰モデルを導入および管理する時間を短縮します。アプリケーション開発者は、統合が容易なRESTエンドポイントを使用できます。データ・サイエンティストは、導入された統合モデルをOracle Machine Learning AutoMLユーザー・インターフェイスから使用できます。

Oracle Machine Learning for SQL

データの準備、モデルの構築、評価、導入に使い慣れたSQLとPL/SQLを使用できるため、データ・サイエンティストは専門家でなくても、機械学習モデルをより簡単にすばやく作成できます。

Oracle Machine Learning AutoMLのユーザー・インターフェイス

Autonomous DatabaseでAutoMLをサポートするノーコード・ユーザー・インターフェイス。データ・サイエンティストは生産性を高めることができます。専門家でないユーザーでも分類と回帰のための強力なデータベース内アルゴリズムにアクセスしやすくなります。

AIにより機械学習モデルをチューニングする手間を省く方法

Oracle Machine Learning for Python

データ・サイエンティストやその他のPythonユーザーは、Oracle Autonomous Databaseの組み込みのPython環境を高性能コンピューティング・プラットフォームとして活用することで、よりすばやくモデルを構築して実行できます。組み込みのAutoMLにより、アルゴリズムと機能の自動選択だけでなく、モデルのチューニングと選択も可能になります。さらに、これらの機能により、ユーザーの生産性、モデルの精度、パフォーマンスが向上します。

GitHubリポジトリ

Exadata Cloud ServiceおよびDatabase Cloud ServiceでのOracle Machine Learning

Oracle Machine Learning for SQL

Oracle Data Miner

データ・サイエンティストとデータアナリストは、このドラッグ・アンド・ドロップのユーザー・インターフェイスを使用して、分析ワークフローをすばやく構築できます。モデルの迅速な開発と改良により、ユーザーはデータ内の隠れたパターン、関係、インサイトを発見できます。

Oracle Machine Learning for R

Rユーザーは、選択した言語を使用したデータの探索、準備、機械学習に、Oracle Databaseのパフォーマンスとスケーラビリティを活用できるようになります。統合されたRインターフェイスにより、SQLを使用してユーザー定義のR関数を容易に導入できるため、CRANライブラリとパッケージを簡単に使用できます。

Oracle ExadataおよびOracle DatabaseでのOracle Machine Learning

Oracle Machine Learning for SQL

データの準備、モデルの構築、評価、導入に使い慣れたSQLとPL/SQLを使用できるため、データ・サイエンティストとシチズン・データ・サイエンティストは、機械学習モデルをより簡単にすばやく作成できます。

Oracle Data Miner

Oracle Machine Learning for R

ビッグデータでのOracle Machine Learning

Oracle Machine Learning for Spark

データ・サイエンティストは、Hive、Impala、HDFSから取得したデータに対して、スケーラブルなネイティブおよびMLlib Sparkベースのアルゴリズムを備えたRAPIを使用できるため、ビッグデータ環境でのモデルの構築とデータのスコアリングをよりすばやく行うことができます。

Oracle Machine Learningのノーコード・ユーザー・インターフェイス

Oracle Machine Learning AutoMLのユーザー・インターフェイス

AIにより機械学習モデルをチューニングする手間を省く方法

Oracle Data Miner

一部のデータウェアハウス・クラウドで機械学習との連携方法が模索される中、オラクルは目標を大幅に変えました」とDS Consulting社の社長兼WikibonアナリストのMarc Staimer氏は述べています。「オラクルのAutonomous Data WarehouseにはAuto-MLが含まれるようになりました。ADWには、当初から機械学習が組み込まれています。しかし自動化されたため、ADWのお客様は専門知識がなくても使用できます。これに対して、他の製品は初歩的で原始的なように見えます」。
DS Consulting社、社長兼Wikibonアナリスト、Marc Staimer氏

Autonomous Data Warehouseに対するオラクルの機能強化は、3つの点で重要です。第一に、ポイント・アンド・クリックのユーザー・インターフェイスと自動化された機械学習を提供することで、専門家以外の人が実用的なインサイトを生成できます。第二に、この使いやすさにより、IT部門が小規模なSMBでも、オラクルの高度なクラウド・データウェアハウスからメリットを得ることができます。第三に、Autonomous Data Warehouseを使用すると、ユーザーは部門システムからエンタープライズ・データウェアハウス、データレイク、さらには他のクラウド（AWS、Azure、Google）まで、あらゆるソースからデータを取り込み、さまざまな分析ワークロードを実行できます。全体として、オラクルはAutonomous Data Warehouseの適用範囲をユーザー、組織、そしてマルチクラウドへのデータアクセスへと大幅に拡大しています。AWS RedshiftやSnowflakeなど他のクラウド・データウェアハウスで今日できることの限界を超えています。
CEO兼プリンシパル・アーキテクト、 Richard Winter

すべてのお客様成功事例を表示