Usługa Data Science

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.

Jak działa OCI Data Science?

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.

Data Science — przypadki użycia

Opieka zdrowotna: ryzyko ponownego przyjęcia do szpitala

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.

Handel detaliczny: przewidywanie wartości cyklu życia klienta

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.

Produkcja: konserwacja predykcyjna

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.

Finanse: wykrywanie oszustw

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.

Sukcesy i partnerstwa klientów w zakresie analizy danych OCI

Architektury referencyjne sztucznej inteligencji / uczenia maszynowego

Zobacz wszystkie architektury referencyjne
  • Poradnik dotyczący rozwiązania

    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.

  • Architektura referencyjna

    Tworzenie nowoczesnych aplikacji — uczenie maszynowe i sztuczna inteligencja

    Użyj tego wzorca, aby tworzyć platformy ML przeznaczone dla analityków danych.

  • Tworzenie i wdrażanie

    Szybko wdrażaj architekturę, aby bezpiecznie obsługiwać duże ilości danych źródłowych w celu tworzenia modeli predykcyjnych i wykorzystywania ich w szybko rozwijających się aplikacjach.

  • Architektura referencyjna

    Wzbogacaj firmowe dane z aplikacji o dane nieprzetworzone z innych źródeł i korzystaj z modeli ML, zapewniając widoczność procesów biznesowych, analitycznych i predykcyjnych.