Oracle Cloud Infrastructure (OCI) Data Science to w pełni zarządzana platforma dla zespołów analityków danych służąca do tworzenia, szkolenia i wdrażania modeli uczenia maszynowego oraz zarządzania nimi przy użyciu języka Python i narzędzi open source. Wykorzystaj środowisko oparte na JupyterLab do eksperymentowania i tworzenia modeli. Skaluj proces szkolenia modeli za pomocą jednostek GPU NVIDIA i szkolenia rozproszonego. Wprowadzaj modele do produkcji i utrzymuj je w dobrej kondycji dzięki funkcjom MLOps, takim jak zautomatyzowane potoki czy wdrażanie i monitorowanie modeli.
OpenAI ogłosiła wydanie dwóch modeli otwartej wagi, gpt-oss-120b i gpt-oss-20b, które można wdrożyć i dostosować w OCI Data Science.
Wdrażaj, dostosowuj i oceniaj modele podstawowe za pomocą OCI Data Science AI Quick Actions.
Usprawnij wyszukiwanie w przedsiębiorstwie i generowanie odpowiedzi oparte na pobraniu odpowiednich danych dzięki najnowszemu wysokowydajnemu modelowi osadzania Cohere, który jest teraz dostępny w OCI.
Bezpłatna wersja próbna Oracle Cloud umożliwia dostęp do OCI Data Science z bezpłatnym kredytem w chmurze w wysokości 300 USD.
OCI Data Science to kompleksowa usługa zarządzana, zaprojektowana w celu usprawnienia tworzenia, wdrażania i eksploatacji modeli sztucznej inteligencji i uczenia maszynowego. Wśród jej najważniejszych elementów można wymienić oparte na technologii Jupyter notebooki do eksperymentowania, skalowalne narzędzia MLOps do wdrażania i monitorowania modeli, a także zintegrowaną pomoc techniczną dotyczącą dużych modeli językowych (LLM), świadczoną za pośrednictwem platformy Hugging Face i innych struktur.
Udostępniając zaawansowane narzędzia ułatwiające współpracę, wykrywanie anomalii i prognozowanie, OCI Data Science umożliwia zespołom efektywne i bezpieczne dostarczanie przydatnych informacji.
Identyfikuj czynniki ryzyka i przewiduj ryzyko ponownego przyjęcia pacjenta do szpitala poprzez stworzenie modelu predykcyjnego. Wykorzystaj dane, takie jak historia medyczna pacjenta, warunki zdrowotne, czynniki środowiskowe i historyczne trendy medyczne, aby zbudować silniejszy model, który pomoże zapewnić najlepszą opiekę przy niższych kosztach.
Stosuj techniki regresji na danych, aby przewidzieć przyszłe wydatki klientów. Analizuj przeszłe transakcje i łącz historyczne dane o klientach z danymi dotyczącymi trendów, poziomów dochodów, a nawet czynników takich jak pogoda, aby budować modele uczenia maszynowego, które określają, czy należy tworzyć kampanie marketingowe w celu utrzymania obecnych lub pozyskiwania nowych klientów.
Twórz modele wykrywania anomalii na podstawie danych z czujników, aby wychwytywać awarie sprzętu, zanim staną się poważniejszym problemem, lub używaj modeli prognostycznych do przewidywania końca eksploatacji części i maszyn. Zwiększaj czas pracy pojazdów i maszyn dzięki uczeniu maszynowemu i monitorowaniu metryk operacyjnych.
Zapobiegaj oszustwom i przestępstwom finansowym, korzystając z analityki danych. Stwórz model uczenia maszynowego, który może identyfikować anomalie w czasie rzeczywistym, w tym oszukańcze kwoty lub nietypowe typy transakcji.
Uzyskaj dostęp do zautomatyzowanych przepływów pracy na potrzeby tworzenia modeli. Ułatw korzystanie z uczenia maszynowego dzięki zadaniom wielokrotnego użytku i kompleksowej orkiestracji dla cyklu życia uczenia maszynowego. Uruchamiaj rozproszone, wysokowydajne zadania z dostępem do tańszych procesorów GPU.
Oracle zapewnia najlepsze rozwiązania z zakresu uczenia maszynowego dzięki współpracy z kluczowymi partnerami. Wprowadzaj modele, dane i kod w wymaganym formacie.
Korzystaj z zalet wynikających ze strategicznego partnerstwa w zakresie uczenia maszynowego. Analitycy danych Oracle mają na celu zapewnienie sukcesu Twojej organizacji.
Dowiedz się, w jaki sposób dane są przechowywane, wykorzystywane i analizowane przez system opieki zdrowotnej w celu śledzenia podróży pacjenta od diagnozy do leczenia do powrotu do zdrowia.
Użyj tego wzorca, aby tworzyć platformy ML przeznaczone dla analityków danych.
Szybko wdrażaj architekturę, aby bezpiecznie obsługiwać duże ilości danych źródłowych w celu tworzenia modeli predykcyjnych i wykorzystywania ich w szybko rozwijających się aplikacjach.
Wzbogacaj firmowe dane z aplikacji o dane nieprzetworzone z innych źródeł i korzystaj z modeli ML, zapewniając widoczność procesów biznesowych, analitycznych i predykcyjnych.
