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。
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。
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。
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。
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。
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。
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。