資料科學服務
Oracle Cloud Infrastructure (OCI) 資料科學是一個完全代管的平台，讓資料科學家團隊使用 Python 和開源工具建置、訓練、部署及管理機器學習模型。使用 JupyterLab 型環境實驗及開發模型。使用 NVIDIA GPU 和分散式訓練縱向擴展模型訓練。運用自動化管線、模型部署及模型監控等 MLOps 功能將模型投入生產環境，並保持良好狀況。
Cloud Native and AI Day | 3 月 20 日 (星期一) | 免費親自參加或線上參加
瞭解最佳實務、提示和推薦的工具集，以簡化雲原生和 AI 技術的採用，從而快速追蹤新的應用程式創新。親自參加或線上參加。
Gartner 快速解答：AI 投資的真正回報為何？
了解如何針對調整 AI 規模發展策略投資模型。本 Gartner 報告概述正確 AI 投資組合的建議，並提供計算投資報酬率的公式。
資料科學客戶的成功案例與合作關係
資料科學使用案例
-
醫療照護：病患再住院風險
建立預測模型，以識別風險因素並預測病患出院後再住院的風險。使用病例、健康狀況、環境因素和歷史醫療趨勢等資料，建置可以較低成本提供最佳照護的更強大模型。
-
零售業：預測客戶生命週期值
使用迴歸技術處理資料，預測未來的客戶支出。檢查過去的交易，結合歷史客戶資料與趨勢、收入層級等多項資料 (甚至天氣因素等等)，建置 ML 模型，判斷要建立留住老客戶的行銷活動，還是開發新客戶。
-
製造業：預測性維護
使用感測器資料建置異常偵測模型，以在設備故障發展為更嚴重的問題之前先行發現，或使用預測模型預測零件和機器的生命週期結束。透過機器學習及監控作業指標，增加車輛和機器的正常運作時間。
金融業：詐欺偵測
利用資料科學預防詐騙和金融犯罪。建置機器學習模型，即時識別異常事件，包括詐騙金額或不尋常的交易類型。