По Вашему запросу ничего не найдено.
Рекомендуем сделать следующее:
Платформа Oracle для Data Science позволяет значительно повысить эффективность обработки данных. Создавайте и оценивайте высококачественные модели машинного обучения (МО). Сделайте Ваш бизнес гибким: получайте проверенные данные, реализуйте бизнес-цели, связанные с данными, развертывайте модели МО легко и быстро.
Построение модели машинного обучения — это итеративный процесс. В этой электронной книге мы разбиваем данный процесс на этапы и описываем, как строятся модели машинного обучения.
Облачная технология машинного обучения помогает находить ценные для бизнеса данные, что повышает эффективность работы. Прочитайте новую электронную книгу О'Рейли и узнайте, как это происходит.
Создавайте высококачественные модели быстро и просто. Автоматизированное машинное обучение позволяет быстро анализировать данные. Оно рекомендует Вам оптимальные средства работы с данными и наиболее подходящие алгоритмы. Кроме того, автоматизированное машинное обучение настраивает модель и предоставляет пояснение по итогам работы.
Читать электронную книгу о машинном обучении (PDF)Специалистам по обработке данных нужен доступ к различных форматам данных из разных источников независимо от того, какая среда используется — локальная или облачная. Используйте инструменты для интеграции и подготовки данных с возможностью перетаскивания элементов мышью. Перемещайте данные в озеро данных или хранилище, упростив доступ для специалистов.
Читать электронную книгу про обнаружение данных (PDF)ИИ становится более надежным, если разработчики эффективно сотрудничают между собой, а инструменты машинного обучения предоставляют пояснение и оценку моделей. Благодаря средствам безопасности и пользовательским интерфейсам Oracle участвовать в проектах и делиться моделями могут несколько пользователей. Описание не зависит от модели и дает специалистам по обработке данных, бизнес-аналитикам и руководителям уверенность в результатах.
Подробнее об ускоренной работе с даннымиПозволяет специалистам по обработке данных создавать и тренировать модели машинного обучения и управлять ими в Oracle Cloud с помощью экосистемы Python с открытым исходным кодом. Oracle расширила возможности этой экосистемы благодаря автоматизированному машинному обучению (AutoML), оценке и описанию работы модели.
Создавайте и развертывайте модели машинного обучения в Oracle Autonomous Database с использованием масштабируемых и оптимизированных алгоритмов, встроенных в базу данных.
Легко развертывайте настроенные среды на основе GPU с распространенными IDE, блокнотами и методиками машинного обучения. Развертывайте их из Oracle Cloud Marketplace с использованием любой вычислительной формы.
Платформа для работы с данными Oracle — это не просто хороший набор инструментов для создания моделей машинного обучения. Она включает полный набор возможностей для поддержки всесторонней обработки данных.
Модели машинного обучения все чаще используются для принятия критически важных решений, например решений о найме сотрудников, выдаче кредита или займа. Однако такие модели неоднократно демонстрировали дискриминационное поведение в отношении защищаемых законом групп.
Автоматизированное машинное обучение (AutoML) помогает специалистам по обработке данных, автоматизируя выбор алгоритма, данных и функций, а также настройку модели. Вы быстрее получаете более точные и надежные результаты, а также тратите меньше времени на вычисления.
СУБД Oracle Database включает более 30 высокопроизводительных, полностью масштабируемых алгоритмов, охватывающих распространенные методы машинного обучения: обнаружение аномалий, регрессию, классификацию, кластеризацию и т. д. Вам не нужно перемещать данные, которые уже находятся в Oracle Database. Это уменьшает объем работы для специалистов по управлению данными и позволяет им фокусироваться на создании производственных моделей.
Используйте и импортируйте любые библиотеки и среды с открытым исходным кодом для преобразования и визуализации данных, а также для создания моделей. Допустимо использовать следующие библиотеки и среды: Pandas, Dask и NumPy для преобразования, Seaborn, Plotly и Matplotlib для визуализации, TensorFlow, Keras и PyTorch для создания моделей.
Быстро развертывайте модели, чтобы приложения и бизнес-аналитики получили к ним доступ. Развертывать модели можно с помощью REST API в бессерверной масштабируемой облачной архитектуре, например в Oracle Functions или прямо в базе данных.
Описание работы модели позволяет экспертам и рядовым пользователям понять, почему модель предоставила тот или иной результат. Благодаря пояснению работы модели проще разобраться с функциями и понять, как достичь нужного результата.
Используйте Python для получения доступа к данным различного формата (CSV, Excel, JSON и т. д.), с любых источников (облачное хранилище, Oracle Database, MongoDB, PostgreSQL и т. д.), где бы они ни хранились (в локальном хранилище, Oracle Cloud и других облачных сервисах).
Попробуйте наши инструменты для создания моделей машинного обучения. Регистрировать учетную запись для работы с облачными сервисами не нужно.
См. официальный канал Oracle Data Science в Twitter.
Свежие новости от специалистов по Oracle Data Science.
Обратитесь в любую команду продаж Oracle, чтобы узнать больше о работе с данными и машинном обучении Oracle.