ميزات HeatWave AutoML

التعلم الآلي المتكامل (ML)

يتضمن Oracle HeatWave AutoML كل ما يحتاجه المستخدمون لإنشاء نماذج التعلم الآلي والتدريب عليها وشرحها ضمن HeatWave دون أي تكلفة إضافية. باستخدام التعلم الآلي المتكامل في HeatWave، لن تحتاج إلى نقل البيانات إلى خدمة تعلم آلي مُنفصلة. يمكنك بسهولة وأمان تطبيق تدريب التعلم الآلي والاستدلال والتفسير على البيانات المُخزنة داخل MySQL Database وفي مخزن الكائنات بمساعدة Oracle HeatWave AutoML. نتيجة إلى ذلك، تساعد في تسريع مبادرات التعلّم الآلي وزيادة الأمان وخفض التكاليف.

دورة حياة التعلم الآلي المؤتمتة

تؤتمت HeatWave AutoML دورة حياة التعلم الآلي، بما في ذلك تحديد الخوارزميات، وأخذ عينات البيانات الذكية لتدريب النماذج، واختيار الميزات، وتحسين المعلمات الفائقة—مما يساعد في توفير وقت وجهد كبيرين لمحللي البيانات وعلماء البيانات. يمكن تخصيص جوانب مسار ML، بما في ذلك تحديد الخوارزميات واختيار الميزات وتحسين المعلمات الفائقة. يدعم HeatWave AutoML مهام نظام الكشف عن أوجه الخلل والتنبؤ والتصنيف والتراجع والموصي، بما في ذلك الأعمدة النصية. يمكن للمستخدمين تقديم ملاحظات حول نتائج الكشف عن حالات الخلل غير الخاضعة للإشراف واستخدام هذه البيانات المُسماة للمساعدة في تحسين التنبؤات اللاحقة.

نظام التوصية للتوصيات الشخصية

تعد أنظمة التوصيات واحدة من أكثر تطبيقات التعلم الآلي المطلوبة. من خلال النظر في كل من الملاحظات الضمنية (عمليات الشراء السابقة، وسلوك التصفح، وما إلى ذلك) والملاحظات الصريحة (التقييمات، الإعجابات، وما إلى ذلك)، يمكن لنظام التوصية من HeatWave AutoML إنشاء اقتراحات مُخصصة. على سبيل المثال، يمكن للمحللين التنبؤ بالعناصر التي يريدها المستخدم، والمستخدمين الذين يرغبون في عنصر معين، والتقييمات التي تتلقاها العناصر. كما يمكنهم الحصول على قائمة بالمستخدمين المتشابهين، ومنحهم عنصرًا محددًا، والحصول على قائمة بالعناصر المتشابهة.

وحدة تحكم HeatWave AutoML التفاعلية

تتيح وحدة التحكم التفاعلية لم محللي الأعمال إنشاء نماذج ML وتدريبها وتشغيلها وشرحها باستخدام واجهة مرئية—لا توجد حاجة إلى معرفة أوامر SQL أو ترميزها. تُسهل وحدة التحكم أيضًا للمستخدمين استكشاف سيناريوهات "ماذا لو" لتقييم افتراضات الأعمال—على سبيل المثال، "كيف سيؤثر الاستثمار بنسبة أكبر بنسبة 30% في إعلانات وسائل التواصل الاجتماعي المدفوعة على كل من الإيرادات والأرباح؟"

نماذج التعلم الآلي القابلة للتفسير

جميع النماذج التي تدرب عليها HeatWave AutoML قابلة للتفسير. تساعد HeatWave AutoML على تقديم تنبؤات مع شرح للنتائج، مما يساعد المؤسسات على الامتثال التنظيمي والإنصاف وقابلية التكرار والعلاقة السببية والثقة.

نمذجة الموضوعات

تساعد نمذجة الموضوعات المستخدمين على اكتشاف الرؤى في مجموعات البيانات النصية الكبيرة من خلال مساعدتهم على فهم الموضوعات الرئيسة في المستندات، على سبيل المثال، لإكمال تحليل المشاعر حول بيانات الوسائط الاجتماعية.

الكشف عن انحراف البيانات

يساعد اكتشاف انحراف البيانات المحللين على تحديد وقت إعادة تدريب النماذج من خلال اكتشاف الفروق بين البيانات المستخدمة للتدريب والبيانات الواردة الجديدة.

استخدام المهارات الحالية

يمكن للمطورين ومحللي البيانات وعلماء البيانات، إنشاء نماذج التعلم الآلي باستخدام أوامر SQL المألوفة؛ ليس عليهم تعلم أدوات ولغات جديدة. بالإضافة إلى ذلك، يتم دمج HeatWave AutoML مع أجهزة الكمبيوتر المحمولة الشائعة مثل Jupyter وApache Zeppelin.