Twoje wyszukiwanie nie dało żadnych wyników.
Zalecamy wypróbowanie następujących rozwiązań, aby znaleźć to, czego szukasz:
Platforma analityczna danych Oracle poprawia wydajność pracy, oferując niespotykane gdzie indziej możliwości. Twórz lepsze jakościowo modele samouczenia się maszyn (ML) i je oceniaj. Zwiększaj elastyczność działalności biznesowej, szybko wykorzystując zaufane dane firmowe, i wspieraj cele biznesowe oparte na danych za pomocą łatwiej wdrażanych modeli ML.
Budowanie modelu samouczenia się maszyn jest procesem iteracyjnym. W tym e-booku analizujemy szczegółowo i opisujemy proces tworzenia takich modeli.
Chmurowe systemy samouczenia się maszyn mogą dostarczać przełomowych informacji biznesowych. Z nowego e-booka O'Reilly dowiesz się, jak to zrobić.
Dobre jakościowo modele można tworzyć szybciej i łatwiej. Funkcje automatycznego samouczenia się maszyn szybko analizują dane, po czym sugerują optymalne funkcje zarządzania danymi i najlepsze algorytmy. Ponadto mechanizm automatycznego samouczenia się maszyn dostraja model i objaśnia wygenerowane przez niego wyniki.
Zobacz e-book o samouczeniu się maszyn (PDF)Analitycy danych muszą pracować z danymi w różnych formatach pochodzącymi z różnych źródeł danych, zarówno lokalnych, jak i chmurowych. Używając narzędzi do integracji i przygotowywania danych działających metodą przeciągnij i upuść, przenoś dane do jeziora danych lub hurtowni danych, upraszczając w ten sposób dostęp analitykom danych.
Przeczytaj e-book o odkrywaniu danych (PDF)Aparaty sztucznej inteligencji są bardziej wiarygodne, gdy wiele osób pracuje nad ich opracowaniem. Z kolei narzędzia samouczenia się maszyn objaśniają i oceniają modele. Narzędzia zabezpieczające i interfejsy użytkownika od Oracle umożliwiają wielu różnym osobom uczestniczenie w projektach i dzielenie się modelami. Objaśnienia niezależne od modelu sprawiają, że analitycy danych, analitycy biznesowi i dyrektorzy mogą ufać wynikom.
Przeczytaj więcej o szybszej analityce danychUmożliwia analitykom danych tworzenie i trenowanie modeli samouczenia się maszyn oraz zarządzanie nimi na platformie Oracle Cloud przy użyciu ekosystemu open source Python, który został ulepszony przez Oracle pod kątem automatycznego samouczenia się maszyn (AutoML), oceny modeli i objaśniania modeli.
W systemie bazodanowym Oracle Autonomous Database można tworzyć i wdrażać modele samouczenia się maszyn przy użyciu skalowalnych i zoptymalizowanych algorytmów działających wewnątrz bazy danych.
Szybko uruchamiaj środowiska oparte na procesorach graficznych zawierające wstępnie skonfigurowane zintegrowane środowiska programistyczne (IDE), notatniki i platformy samouczenia się maszyn. Łatwo wdrażaj ze sklepu Oracle Cloud Marketplace w wybranej konfiguracji środowiska obliczeniowego.
Platforma analityczna danych to coś więcej niż tylko dobry zestaw narzędzi do budowania modeli samouczenia się maszyn. Rozwiązanie oferowane przez Oracle zawiera kompletny zestaw funkcji do obsługi całego procesu analityki danych.
Naukowcy z Victoria University przeszli na platformę Oracle Cloud, aby spróbować przewidywać przypadki przemocy domowej zgłaszane w mediach społecznościowych.
Aby szybciej uzyskiwać wyniki analiz danych, twórz i trenuj modele samouczenia się maszyn w środowisku usługi Oracle Cloud Infrastructure (OCI) Data Science, a następnie wdrażaj je w Oracle Functions.
Aparat automatycznego samouczenia się maszyn (AutoML) pomaga wszystkim analitykom danych, automatyzując wybieranie algorytmów, danych i funkcji oraz dostrajanie modeli. Przynosi to korzyści w postaci szybszego uzyskiwania wyników, większej dokładności i wiarygodności wyników oraz szybszego obliczania.
System bazodanowy Oracle Database zawiera ponad 30 wysokowydajnych, w pełni skalowalnych algorytmów uwzględniających powszechnie używane techniki samouczenia się maszyn, takie jak wykrywanie anomalii, regresja, klasyfikowanie, grupowanie itd. Dane znajdujące się już w bazie danych zarządzanej przez Oracle Database nie muszą być przenoszone, co istotnie odciąża analityków danych od pracy administracyjnej, umożliwiając im skoncentrowanie się na tworzeniu modeli produkcyjnych.
Używaj i importuj wybrane biblioteki i platformy open source na potrzeby transformacji danych, wizualizacji i budowania modeli. Są to m.in. Pandas, Dask i NumPy do transformacji, Seaborn, Plotly i Matplotlib do wizualizacji oraz TensorFlow, Keras i PyTorch do budowania modeli.
Szybko wdrażaj modele umożliwiające dostęp aplikacjom i analitykom biznesowym. Modele można wdrażać za pomocą interfejsu REST API w bezserwerowej, skalowalnej architekturze chmurowej w ramach usługi Oracle Functions albo bezpośrednio w bazie danych.
Funkcjonalność objaśniania modeli umożliwia zarówno ekspertom, jak i osobom niebędącym specjalistami zrozumienie, co spowodowało, że model zwrócił określony wynik. Mechanizm ten pozwala łatwo dostrzec znaczenie różnych funkcji i wywnioskować, jak wygenerować więcej lub mniej wyników.
Używając składni języka Python, można dotrzeć do danych w wielu różnych formatach (CSV, Excel, JSON itd.), wielu różnych źródłach (magazyn obiektów, bazy Oracle Database, MongoDB, PostgreSQL itd.) i wielu różnych lokalizacjach (lokalnie, Oracle Cloud, inne chmury).
Wypróbuj narzędzia do tworzenia modeli samouczenia się maszyn. Nie musisz zakładać konta w chmurze.
Zobacz oficjalny kanał Oracle na Twitterze poświęcony analityce danych.
Otrzymuj najnowsze wiadomości i porady od zespołu Oracle zajmującego się analityką danych.
Skontaktuj się z globalnym zespołem sprzedaży Oracle, aby dowiedzieć się więcej o rozwiązaniach Oracle do analityki danych i samouczenia się maszyn.