Machine Learning Services

Access a full range of machine learning (ML) and generative AI innovations, including vector databases, fully integrated in Oracle’s data platforms. Work with in-database tools and algorithms to build, manage, and deploy ML models and get more accurate, contextually relevant answers from generative AI by combining large language models (LLMs) with your proprietary data.

Accélérer l'innovation et garder une longueur d'avance sur ses concurrents grâce à l'IA

Découvrez l'importance d'une stratégie de données solide pour l'IA. Ce rapport IDC explore les difficultés actuelles et fournit des conseils sur la définition d'une stratégie de données de base pour l'IA.

Le cycle de vie des modèles de machine learning

La création d’un modèle de machine learning est un processus itératif. En savoir plus sur chaque étape, de la collecte de données aux déploiement et au suivi de modèles.

Essayer un atelier de machine learning

Explorez les ordinateurs portables et construisez ou testez des algorithmes de machine learning. Essayez AutoML et constatez les résultats de la data science.

Fonctionnalités des services de machine learning

  • Bibliothèques et frameworks open source

    Les structures et bibliothèques open source de Python et R permettent l'exploration, la transformation et la visualisation des données. Il s'agit notamment de pandas, Dask, NumPy, Plotly, Matplotlib, TensorFlow, Keras et PyTorch.

  • Algorithmes optimisés dans la base de données

    Oracle Database propose plus de 30 algorithmes extrêmement performants et entièrement évolutifs qui couvrent les techniques courantes de machine learning. Les données déjà stockées dans Oracle Database n'ont pas besoin d'être déplacées, ce qui réduit le workload de gestion des données.

  • Choix du déploiement

    Déployez rapidement des modèles d’accès pour les applications et les analystes métier. Les modèles peuvent être déployés avec une API REST dans une architecture Cloud sans serveur et évolutive en tant qu’Oracle Functions, ou directement dans la base de données.

  • Explication du modèle

    L’explication des modèles permet aux utilisateurs de comprendre le comportement global d’un modèle ainsi que les prédictions individuelles du modèle. OCI Data Science facilite la compréhension de l'importance des fonctionnalités et des influences sur les prévisions.

  • Accédez à toutes les données avec souplesse et facilité

    Accédez aux données dans de multiples formats (notamment CSV, Excel et JSON), de multiples sources (notamment le stockage d’objets, Oracle Database, MongoDB, PostgreSQL et Hadoop) et de multiples emplacements (sur site, dans Oracle Cloud et d'autres clouds).

  • Prise en charge de plusieurs langages de script

    Les data scientists peuvent développer à l'aide des langages les plus populaires, notamment Python, R et SQL. Les entreprises obtiennent des résultats meilleurs et plus rapides lorsque les data scientists ont la possibilité d’utiliser les langages les mieux adaptés à des tâches particulières.

Services du machine learning d'Oracle

OCI Data Science

OCI Data Science est un service de machine learning complet qui offre des environnements de bloc-notes JupyterLab et un accès à des centaines d'outils et de structures open source populaires.

  • Créez et entraînez des modèles de machine learning avec les GPU NVIDIA, les fonctionnalités AutoML et le réglage automatisé des hyperparamètres.
  • Déployez des modèles en tant qu'adresses HTTP ou utilisez Oracle Functions.
  • Gérez les modèles via le versionnage, les travaux reproductibles et les catalogues de modèles.

Le machine learning dans Oracle Database

Le machine learning dans Oracle Database prend en charge l'exploration et la préparation des données tout comme la création et le déploiement de modèles de machine learning utilisant des interfaces SQL, R, Python, REST, AutoML ou sans code.

  • Il inclut plus de 30 algorithmes dans la base de données qui produit des modèles dans Oracle Database pour un usage immédiat dans les applications.
  • Créez des modèles rapidement en simplifiant et automatisant des éléments clés du processus de machine learning.

OCI Data Labeling

OCI Data Labeling fournit des jeux de données étiquetés pour mieux entraîner les modèles d'IA et de machine learning.

  • Les utilisateurs peuvent assembler des données, créer et parcourir des jeux de données et appliquer des libellés aux enregistrements de données à l'aide des interfaces utilisateur et des API publiques.
  • Les jeux de données étiquetés peuvent être exportés et utilisés pour le développement de modèles dans la plupart des services d'IA et de machine learning d'Oracle pour permettre une expérience fluide de création de modèles.

OCI Virtual Machines for Data Science

OCI Virtual Machines for Data Science sont des environnements basés sur les GPU préconfigurés avec des IDE populaires, des blocs-notes et des structures de machine learning.

  • Déployez facilement depuis Oracle Cloud Marketplace avec un large choix de formes de calcul.

Cas d'utilisation du machine learning

Prosperdtx améliore les résultats de ses patients grâce à OCI Data Science

Découvrez comment Prosperdtx a déployé une architecture capable de gérer en toute sécurité de grandes quantités de données source afin de créer des modèles prédictifs avec Oracle Cloud Infrastructure Data Science.


Diagramme de l'architecture Prosperdtx, description ci-dessous
Les données des dossiers médicaux électroniques, des appareils et des utilisateurs finaux sont collectées pour créer des modèles prédictifs à utiliser dans les applications de santé. Les données transmises à partir de dispositifs wearables et d'enregistrements d'imagerie sont collectées dans OCI Object Storage. Les données structurées sont chargées et stockées de manière sécurisée dans Oracle Autonomous Database. Oracle APEX aide les développeurs à créer des applications rapidement. OCI Data Science est utilisé pour créer des modèles prédictifs capables de consommer de grandes quantités de données sur les patients. Les développeurs d'applications utilisent les modèles prédictifs terminés et les ajoutent aux applications.

Configurez un environnement de data science grâce au machine learning intégré dans les bases de données

Grâce au machine learning dans Oracle Database, les data scientists peuvent gagner du temps en déplaçant leurs données vers des systèmes externes pour les analyser et pour la création, la notation et le déploiement de modèles.


Diagramme de l'architecture de machine learning, description ci-dessous
Les données sont générées à partir d'un centre de traitement de l'information et envoyées à Oracle Autonomous Database à des fins de stockage. Oracle Autonomous Database intègre l'apprentissage automatique dans Oracle Database, ce qui signifie que les experts en données peuvent créer rapidement des modèles en simplifiant et en automatisant les éléments clés du cycle de vie de l'apprentissage automatique. Les modèles terminés sont envoyés à Oracle Analytics Cloud ou à Oracle APEX. Les analystes d'entreprise incorporent des modèles terminés dans des projets d'analyse, tandis que les développeurs d'applications les intègrent dans des applications.
11 mars 2022

OCI Data Science offre un moyen plus simple de démarrer avec les sessions de bloc-notes et les tâches

Wendy Yip, Data Scientist chez Oracle

Oracle Cloud Infrastructure (OCI) Data Science introduit une nouvelle fonctionnalité, la sortie gérée, qui permet aux clients de configurer plus facilement leur réseau pour leurs blocs-notes et leurs tâches. Cette fonctionnalité vous permet de gérer vos ressources réseau par OCI Data Science.

Découvrir les sessions de bloc-notes

Blogs à la une sur le machine learning

Tout afficher

Architectures de référence pour l'IA/le machine learning

Voir toutes les architectures de référence

Ressources sur le machine learning