關閉 搜尋
找不到任何結果

您的搜尋未與任何結果相符。

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」。“”“”
  • 嘗試下列其中一項熱門搜尋。
  • 開始新的搜尋。
常見問題
  1. Oracle 台灣
  2. 雲端

資料科學平台

Oracle 的資料科學平台以無與倫比的能力提高生產力。建立和評估更高品質的機器學習 (ML) 模式。透過將企業信任的資料快速投入使用來提高業務靈活性，並透過更輕鬆地部署 ML 模式來支援資料導向的業務目標。

data-science-cloud-bridge
開始使用雲端機器學習

使用基於基於雲端的平台發現新的業務洞察。

閱讀電子書 (PDF)
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。在此電子書中，我們將分解過程並描述如何建置機器學習模型。

閱讀電子書 (PDF)
嘗試參加機器學習研討會

探索筆記本並建置或測試機器學習演算法。嘗試使用 AutoML 並查看資料科學結果。

存取研討會

資料科學是什麼？

為什麼選擇 Oracle 的資料科學平台？

更快地建立和驗證高品質模式

更快、更輕鬆地建構高品質的模式。自動化的機器學習功能可快速檢查數據並推薦最佳數據功能和最佳算法。此外，自動機器學習可以調整模式並解釋模式的結果。

檢視機器學習電子書 (PDF)

透過處理所有資料以獲得更好的結果

資料科學家需要從不同資料來源 (內部部署或雲端) 存取不同形式的資料。使用拖放式資料整合和準備工具，將資料移動到資料湖或資料倉儲中，進而簡化資料科學家的存取流程。

閱讀資料探索電子書 (PDF)

提供可信任的人工智慧

當多個貢獻者有效地協作，並有機器學習工具提供模式的解釋和評估時，人工智慧將更受信任。Oracle Security Tools 和使用者介面使多個角色可以參與專案和共享模式。不受限於模式的解讀能力，可讓資料科學家、業務分析人員和高階主管對結果充滿信心。

深入了解如何加速資料科學的腳步

Oracle 資料科學平台

加速機器學習模式開發

使資料科學家能夠使用 Oracle 強化的開放原始碼 Python 生態系統在 Oracle Cloud 上建構、訓練和管理機器學習模式，以實現自動機器學習(AutoML)、模式評估和模式解釋。

觀看影片 (1:36)

適合每個人使用的機器學習

使用可擴展且經過最佳化的資料庫算法，在 Oracle Autonomous Database 中建構和部署機器學習模式。

在 Oracle Database 中閱讀 ML 演算法的資訊 (PDF)

免費建立機器學習模式

使用 GPU 型環境、預先配置的熱門 IDE、備忘錄和機器學習框架快速上手和執行。根據您選擇的運算型態，從 Oracle Cloud Marketplace 輕鬆部署。


透過端到端資料服務完善您的環境

資料科學平台不僅僅是用於建構機器學習模式的一組優良工具。Oracle 的資料科學平台包括一套完整的功能，以支持端到端資料科學管道。

單元

Victoria University 標誌

Victoria University 使用 Oracle Cloud Infrastructure Data Science 加速研究

Victoria University 研究人員尋求 Oracle Cloud 的支援，預測社交媒體上報導的家庭暴力事件。

閱讀 Victoria University’ 的案例
探索 Oracle Cloud Infrastructure
產業：高科技
2021 年 3 月 22 日

Oracle Cloud Infrastructure Data Science 中的即時預測模型部署

Oracle 首席產品經理 Tzvi Keisar

我們很高興宣佈推出模型部署，讓機器學習模型可以用作 HTTP 端點、接收請求，以及即時傳送模型預測的回應。

閱讀完整文章|訂閱電子報

精選部落格

查看全部

資料科學平台功能特色

  • AutoML

    自動化機器學習 (AutoML) 透過自動化算法選擇、資料、特徵挑選以及模式調整來幫助所有資料科學家。這樣可以實現更快，更準確的結果，而所需的運算時間更少。AutoML 還使非專家能夠利用強大的機器學習演算法來建構更高品質的模型。

  • 資料庫內最佳化演算法

    Oracle Database 包含 30 多種高效能且可完全擴展的演算法，涵蓋了常用的機器學習技術，例如異常偵測、迴歸、分類、叢集化等等。您無需移動 Oracle Database 中已經存在的資料，這減輕了資料科學家的資料管理工作量，並使他們可以專注於建構生產模式。

  • 開放原始碼資料庫和框架

    使用和導入 Python 和 R 中的開放原始碼資料庫和框架，以進行資料探索、轉換、視覺化和機器學習。這包含但不限於：使用 pandas、Dask、NumPy、dplyr 進行轉換，使用 Seaborn、Plotly、Matplotlib 和 ggplot2 進行視覺化，使用 TensorFlow、Keras 和 PyTorch 進行模式建構。

  • 部署選擇

    快速部署模式以供應用程式和業務分析人員存取。可以使用 REST API 將模式部署在無伺服器的可擴展雲端架構中，例如 Oracle Functions 或直接部署在資料庫中。

  • 模式說明

    模型解釋使專家和非專家都可以理解模型的整體行為以及個別模型的預測。借助模型說明和預測詳細訊息，很容易理解功能的重要性以及最能影響預測的因素。

  • 彈性輕鬆地存取任何資料

    以多種格式 (包括 CSV、Excel 和 JSON)，多種來源 (包括物件儲存、Oracle Database、MongoDB、PostgreSQL 和 Hadoop) 和多個位置(在內部部署、Oracle Cloud 和其他雲端) 存取資料。

  • 支援多種指令碼撰寫語言

    資料科學家可以使用最受歡迎的語言 (包括 Python、R 和 SQL) 開發資料科學和機器學習解決方案。當資料科學家可以靈活地使用最適合特定任務的語言時，組織將獲得更佳更快的結果。

資源

雲端學習

免費產品實作體驗

試用建構機器學習模式的工具。無需註冊雲端帳戶。

資源

開始使用


Twitter

請查看 Oracle 資料科學官方 Twitter。

關注我們

訂閱我們的時事通訊

取得 Oracle 資料科學的最新資訊與秘訣。

立即訂閱

聯絡銷售代表

請與 Oracle 的全球銷售團隊聯絡，以了解 Oracle 資料科學和機器學習的詳細資訊。

保持聯絡
適用於開發人員
為什麼選擇 Oracle
學習
最新消息
聯絡我們