很抱歉。找不到符合您搜尋條件的項目。

以下操作有助您找到所需內容,建議您不妨一試:

  • 檢查您關鍵字搜尋的拼字是否正確。
  • 改用您所輸入關鍵字的同義詞,例如以「應用軟體」取代「軟體」。“”“”
  • 開始新的搜尋。
聯絡我們 登入 Oracle Cloud

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。

機器學習模型的生命週期

建立機器學習模型是一個反覆的過程。瞭解從資料收集到模型部署和監控的每個步驟。

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。

IDC:企業業務轉型

人工智慧正在迅速實現跨業務功能的整合。IDC 探討企業 AI 的最佳實務和建議。

醫療研究
CMRI 的研究活動可透過 Oracle AI 以快 6 倍的速度完成
合作關係
透過 OCI 免費存取 Anaconda 儲存區域
運動技術
Seattle Sounders FC 可建置資料模型來改善效能
醫療保健
DSP 協助美國國家衛生研究院改善臨床旅程
醫療保健
Prosperdtx 使用數位醫療照護計畫的資料科學改善病患的照護品質

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。

2022 年 10 月 18 日星期二

在 OCI 中將機器學習投入生產環境並超越 MLOps

Oracle 首席產品經理 Tzvi Keisar

訓練模型以產生準確的預測,是很複雜的工作,需要有資料科學領域的廣泛專業知識。不過,建立模型後,旅程仍未結束。還有一項重要任務要執行:讓模型根據新資料即時產生預測,通常稱為「模型產品化」。此工作的複雜程度與建置模型如出一轍。事實上,您可能看過一些文章,論及 AI 專案嘗試部署到生產環境時,令人心驚的失敗百分比。

閱讀完整文章

精選部落格

查看全部

AI/機器學習參考架構

查看所有參考架構