검색 결과가 없습니다

검색어와 일치하는 결과가 없습니다.

원하시는 정보를 찾는 데 도움이 되도록 다음을 시도해 보십시오.

  • 검색에 사용하신 키워드의 철자가 올바른지 확인하십시오.
  • 입력한 키워드에 동의어를 사용하십시오. 예를 들어 “소프트웨어” 대신 “애플리케이션”을 사용해 보십시오.
  • 아래에 표시된 인기 검색어 중 하나를 사용해 보십시오.
  • 새로운 검색을 시작하십시오.
인기 질문

Oracle Machine Learning

머신 러닝은 엔터프라이즈 데이터에서 숨겨진 패턴과 통찰력을 도출하여 비즈니스에 새로운 가치를 창출합니다. Oracle Machine Learning은 데이터 이동 감소, AutoML 기술 적용 및 배포 간소화를 통해 데이터 사이언티스트가 머신 러닝 모델을 더 신속하게 구축하고 배포할 수 있도록 지원합니다.

Python, R 및 SQL을 사용하여 머신 러닝 모델을 더 빠르게 구축하는 방법을 확인하세요.

오라클 데이터베이스에서 고성능 머신 러닝 모델을 구축하세요

Autonomous Database의 Oracle Machine Learning

Oracle Machine Learning Notebooks

오픈 소스 기반의 친숙한 Apache Zeppelin 노트북 기술로 데이터 사이언티스트와 개발자의 생산성을 높이고 학습 곡선을 낮춰 줍니다. 노트북은 Oracle Autonomous Database용 SQL, PL/SQL, Python 및 마크다운 인터프리터를 지원하므로 사용자는 모델을 개발할 때 원하는 언어로 작업할 수 있습니다.

Oracle Machine Learning Services

Oracle Autonomous Database 외부에서 네이티브 데이터베이스 내 모델 및 ONNX 형식 분류 및 회귀 모델을 배포하고 관리하는 시간을 단축합니다. 애플리케이션 개발자는 통합이 용이한 REST 엔드 포인트를 보유하게 됩니다. 데이터 사이언티스트는 Oracle Machine Learning AutoML User Interface를 사용하여 통합적인 모델 배포를 할 수 있습니다.

Oracle Machine Learning for SQL

익숙한 SQL 및 PL/SQL을 사용하여 데이터 준비, 모델 구축, 평가 및 배포 작업이 가능하므로, 데이터 사이언스 전문가와 비전문가 누구나 더 간편하고 신속하게 머신 러닝 모델을 생성할 수 있습니다.

 

Oracle Machine Learning AutoML 사용자 인터페이스

Autonomous Database에서 AutoML을 지원하는 노코드 사용자 인터페이스를 통해 데이터 사이언티스트의 생산성을 향상하는 동시에 접근성을 개선하여 비전문가도 강력한 데이터베이스 내 분류 및 회귀 알고리즘의 이점을 누릴 수 있습니다.

Oracle Machine Learning for Python

데이터 사이언티스트 및 Python 사용자는 Oracle Autonomous Database에 기본 제공되는 Python 환경을 고성능 컴퓨팅 플랫폼으로 활용하여 더 빠르게 모델을 구축하고 실행할 수 있습니다. 기본 제공되는 AutoML을 통해 자동화된 알고리즘 및 특성 선택은 물론 모델 튜닝과 선택 기능을 사용할 수 있습니다. 이러한 기능은 모두 사용자 생산성, 모델 정확성 및 성능을 향상시킵니다.

Exadata Cloud Service 및 Database Cloud Service의 Oracle Machine Learning

Oracle Machine Learning for SQL

익숙한 SQL 및 PL/SQL을 사용하여 데이터 준비, 모델 구축, 평가 및 배포 작업이 가능하므로, 데이터 사이언스 전문가와 비전문가 누구나 더 간편하고 신속하게 머신 러닝 모델을 생성할 수 있습니다.

Oracle Data Miner

데이터 사이언티스트와 데이터 분석가는 이 드래그 앤 드롭 방식의 인터페이스를 사용하여 분석 워크플로를 신속하게 구축할 수 있습니다. 신속한 모델 개발 및 개선을 통해 사용자는 데이터에 숨겨진 패턴, 관계 및 통찰력을 도출할 수 있습니다.

Oracle Machine Learning for R

R 사용자들도 오라클 데이터베이스의 성능과 확장성을 활용하여 데이터 탐색, 준비 및 머신 러닝을 수행할 수 있습니다. 통합 R 인터페이스를 통해 SQL을 사용하여 사용자 정의 R 함수를 쉽게 배포할 수 있으므로 CRAN 라이브러리 및 패키지의 사용도 수월합니다.

Oracle Exadata 및 오라클 데이터베이스의 Oracle Machine Learning

Oracle Machine Learning for SQL

익숙한 SQL 및 PL/SQL을 사용하여 데이터 준비, 모델 구축, 평가 및 배포 작업이 가능하므로, 전문 및 시민 데이터 사이언티스트라면 더 간편하고 신속하게 머신 러닝 모델을 생성할 수 있습니다.

Oracle Data Miner

데이터 사이언티스트와 데이터 분석가는 이 드래그 앤 드롭 방식의 인터페이스를 사용하여 분석 워크플로를 신속하게 구축할 수 있습니다. 신속한 모델 개발 및 개선을 통해 사용자는 데이터에 숨겨진 패턴, 관계 및 통찰력을 도출할 수 있습니다.

Oracle Machine Learning for R

R 사용자들도 오라클 데이터베이스의 성능과 확장성을 활용하여 데이터 탐색, 준비 및 머신 러닝을 수행할 수 있습니다. 통합 R 인터페이스를 통해 SQL을 사용하여 사용자 정의 R 함수를 쉽게 배포할 수 있으므로 CRAN 라이브러리 및 패키지의 사용도 수월합니다.

빅 데이터의 Oracle Machine Learning

Oracle Machine Learning for Spark

데이터 사이언티스트는 R API와 확장 가능한 네이티브 및 MLlib Spark 기반 알고리즘을 함께 Hive, Impala, HDFS의 데이터에 사용하여 빅 데이터 환경에서 더 빠르게 모델을 구축하고 데이터 스코어링을 수행할 수 있습니다.

Oracle Machine Learning의 노코드 사용자 인터페이스

Oracle Machine Learning AutoML user interface

Autonomous Database에서 AutoML을 지원하는 노코드 사용자 인터페이스를 통해 데이터 사이언티스트의 생산성을 향상하는 동시에 접근성을 개선하여 비전문가도 강력한 데이터베이스 내 분류 및 회귀 알고리즘의 이점을 누릴 수 있습니다.

Oracle Data Miner

데이터 사이언티스트와 데이터 분석가는 이 드래그 앤 드롭 방식의 인터페이스를 사용하여 분석 워크플로를 신속하게 구축할 수 있습니다. 신속한 개발 및 개선을 통해 사용자는 데이터에 숨겨진 패턴, 관계 및 통찰력을 도출할 수 있습니다.

다수의 데이터웨어하우스 클라우드 공급업체가 머신 러닝의 효과적인 적용을 위한 노력을 기울이고 있는 가운데, Oracle은 이에 대해 새로운 기준점을 제시했다”라고 DS Consulting 사장이자 Wikibon의 분석가인 마크 스테이머는 말합니다. "Oracle의 Autonomous Data Warehouse는 이제 Auto-ML을 제공합니다. ADW는 개발 초기부터 머신 러닝을 기본 제공하도록 설계되었습니다. 이제 ADW 전 고객이 전문 지식 없이도 사용할 수 있도록 머신 러닝을 자동화했습니다. 다른 제품들이 단순하고 개발이 덜 된 것처럼 보이게 되었죠.

마크 스테이머 DS Consulting 사장 겸 Wikibon 분석가

Oracle이 Autonomous Data Warehouse에 적용한 개선 사항은 세 가지 측면에서 중요합니다. 첫째, 포인트 앤 클릭 방식의 인터페이스와 머신 러닝 자동화를 제공하여 비전문가도 실행 가능한 통찰력을 얻을 수 있게 합니다. 둘째, 사용이 편리하므로 IT 리소스가 제한적인 중소기업에서도 Oracle의 정교한 클라우드 데이터 웨어하우스를 활용할 수 있게 되었습니다. 셋째, Autonomous Data Warehouse를 통해 사용자는 부서 시스템에서 엔터프라이즈 데이터 웨어하우스, 데이터 레이크, 심지어 AWS, Azure 및 Google과 같은 타 클라우드를 포함하는 모든 소스에서 데이터를 수집하여 다양한 분석 워크로드를 실행할 수 있습니다. 종합하자면 Oracle은 실질적으로 사용자, 조직 및 데이터 액세스 전반에서 Autonomous Data Warehouse의 범위를 멀티 클라우드 영역으로 확장하고 있습니다. 이는 현재 AWS Redshift와 Snowflake를 포함한 전 세계의 여타 클라우드 데이터 웨어하우스에서 제공하는 서비스를 뛰어넘은 것입니다.

리처드 윈터 CEO 겸 수석 설계자

고객 성공 사례 모두 보기

Oracle Machine Learning 고객 성공 사례

전 세계 고객은 Oracle 데이터베이스 내 머신 러닝 기능을 활용하여 복잡하고 중요한 데이터 기반 문제를 해결합니다.

CaixaBank 로고
DX Marketing 로고
Forth Corporation 로고
영국 NHS 로고
StubHub 로고
Unicredit 로고
Valdosta 주립대학 로고
NHS 고객 로고

영국 NHS는 Oracle Machine Learning를 통해 16억 파운드를 절약하고 더 나은 맞춤형 치료를 제공합니다.

Oracle Machine Learning의 장점

  • 데이터베이스 내 모델 구축 및 데이터 스코어링

    데이터 사이언티스트와 개발자는 별도의 분석 엔진으로 데이터를 추출하지 않고 모델을 구축하고 데이터 스코어링를 대규모로 더 빠르게 수행할 수 있습니다. Oracle Exadata의 스케일 아웃 아키텍처 및 스마트 스캔 기술은 빠른 결과를 제공합니다.

  • 보안

    Oracle Machine Learning을 사용하는 데이터 사이언티스트와 개발자는 오라클 데이터베이스에 내장된 보안, 암호화, 사용자 데이터에 대한 역할 기반 액세스 및 모델로 보호됩니다.

  • 신속한 엔터프라이즈 배포

    개발자와 광범위한 데이터 사이언스 팀은 SQL 및 REST 인터페이스를 사용하여 간편한 배포 옵션을 통해 머신 러닝 모델 가용성을 즉각적으로 달성합니다.

  • 데이터 이동 없음

    데이터 사이언티스트와 개발자는 오라클 데이터베이스 내 데이터가 있는 위치에서 데이터를 처리하여 모델 구축 및 배포를 단순화하고 애플리케이션 개발 시간을 단축하며 데이터 보안을 강화할 수 있습니다.

  • 고성능 컴퓨팅

    데이터 사이언티스트는 Oracle Exadata애 대한 독특한 최적화 처리와 함께 오라클 데이터베이스에 내장된 병렬 처리 및 확장성을 사용하여 데이터 준비, 모델 구축 및 데이터 스코어링 중 성능 문제를 방지합니다.

2021년 2월 23일

Oracle Machine Learning for Python 소개

마크 호닉, Oracle 데이터 사이언스 및 머신 러닝 수석 이사

데이터 사이언티스트와 개발자는 Python의 위력을 익히 알고 있으며, 광범위하게 활용된다는 점이 Python의 성공을 입증하고 있습니다. 이제 Oracle Autonomous Database에서 데이터를 분석할 때 Python을 활용할 수 있습니다. Oracle Machine Learning for Python(OML4Py)은 오픈 소스 Python 스크립트 언어와 환경을 엔터프라이즈 및 빅 데이터 작업에 사용할 수 있게 만들어 줍니다.

전체 게시물 읽기

추천 블로그 피드

모두 보기

관련 자료

관련 제품

Oracle Cloud Infrastructure Data Science

오픈 소스 알고리즘, 프레임워크

Oracle Analytics Cloud

클라우드 내 종합적인 분석

Oracle Big Data

데이터를 비즈니스 가치로 변환

Oracle Spatial and Graph

최신 지리공간 및 그래프 분석 프레임워크

시작하기


Oracle Cloud Free Tier 체험하기

오라클 클라우드를 시작하고 Autonomous Database 내에서 Oracle Machine Learning에 무료로 액세스하십시오.


이벤트 참석

지금 등록하여 Analytics 및 Data Oracle User Community TechCasts에 참여하십시오.


대화에 참여

Oracle in-database Machine Learning Groundbreakers 커뮤니티에서 지원을 받아 함께 학습하십시오.