Aumenta tu productividad, ya seas científico de datos, ingeniero de datos o desarrollador. Oracle Machine Learning Notebooks soporta intérpretes SQL, PL/SQL, Python, R, Conda y Markdown, por lo que puede trabajar con el idioma que desee junto con el aprendizaje automático en la base de datos y paquetes de terceros personalizados para desarrollar soluciones analíticas. Colabora con tu equipo de ciencia de datos más amplio, programa blocs de notas para que se ejecuten automáticamente, visualiza tus datos y versiona y compara blocs de notas con este entorno de blocs de notas incorporado.
Reduce el tiempo para implementar y gestionar modelos nativos en la base de datos y modelos en formato Open Neural Network Exchange (ONNX) en el entorno de Oracle Autonomous Database. Los desarrolladores de aplicaciones utilizan modelos a través de puntos finales REST fáciles de integrar. Controla tus datos y modelos en la base de datos para contribuir a garantizar corrección y precisión continuas. Despliega modelos de forma rápida y sencilla desde Oracle Machine Learning AutoML y las interfaces de usuario de modelo, y respalda aspectos clave de tus requisitos de MLOps.
Obtén insights sobre cómo evolucionan los datos de tu empresa a lo largo del tiempo y toma medidas correctivas antes para evitar problemas de datos que puedan tener un impacto negativo significativo. La supervisión de datos te ayuda a mantener la integridad de los datos de tus aplicaciones y paneles de control empresariales. Identifica la desviación de datos de forma rápida y fiable y comprende las columnas de datos individuales y sus interacciones. El monitoreo del modelo ayuda a identificar cuándo cambia significativamente la métrica del modelo, como la precisión o el R cuadrado, o la distribución de los valores previstos se desvía demasiado de los valores iniciales. Esto puede indicar la necesidad de reconstruir o rediseñar el modelo. La interfaz de usuario de monitoreo de modelos y datos sin código ofrece diversas visualizaciones y métricas para ayudarte a evaluar problemas de calidad.
Simplifica y acelera la creación de modelos de aprendizaje automático en la base de datos tanto por parte de científicos de datos como por usuarios no expertos en SQL y PL/SQL para la preparación de datos y la creación, evaluación e implementación de modelos.
Esta interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión. Experimenta rápidamente con datos, algoritmos e hiperparámetros para acelerar la exploración y el descubrimiento. Implementa modelos inmediatamente a través de consultas SQL o en los servicios Oracle Machine Learning como puntos finales de REST para una integración perfecta con las aplicaciones y una puntuación en tiempo real. Genera blocs de notas para los modelos seleccionados, lo que permite a los usuarios acotar y personalizar aún más los modelos dentro de los blocs de notas de Oracle Machine Learning.
Acelera el modelado de aprendizaje automático con Oracle Autonomous Database como plataforma de recursos informáticos de alto rendimiento con una interfaz R. Utiliza Oracle Machine Learning Notebooks o tu R IDE (entorno de desarrollo integrado) favorito para desarrollar soluciones escalables basadas en Machine Learning en R y crear entornos Conda con paquetes de terceros. Despliega fácilmente funciones R definidas por el usuario desde API de REST y SQL con paralelismo de datos proporcionado por el sistema y paralelismo de tareas.
Los científicos de datos y otros usuarios de Python aceleran la modelización de aprendizaje automático y la implementación de soluciones utilizando Oracle Autonomous Database como una plataforma de computación de alto rendimiento con una interfaz de Python. Utiliza Oracle Machine Learning Notebooks o tu IDE de Python favorito para desarrollar soluciones escalables basadas en aprendizaje automático en Python. AutoML integrado recomienda algoritmos y características relevantes en la base de datos y realiza el ajuste y la selección automatizados del modelo.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos en Oracle SQL Developer. El rápido desarrollo y ajuste de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.
Simplifica y acelera la creación de modelos de aprendizaje automático en la base de datos tanto por parte de científicos de datos como por usuarios no expertos en SQL y PL/SQL para la preparación de datos y la creación, evaluación e implementación de modelos.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos en Oracle SQL Developer. El rápido desarrollo y ajuste de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.
Acelera el modelado de aprendizaje automático con Oracle Database como plataforma de recursos informáticos de alto rendimiento con una interfaz R. Despliega fácilmente funciones R definidas por el usuario desde API de SQL y R con paralelismo de datos proporcionado por el sistema y paralelismo de tareas. Las funciones de R definidas por el usuario pueden incluir funcionalidades del ecosistema de paquetes de R.
Acelera el modelado de aprendizaje automático con Oracle Database como plataforma de recursos informáticos de alto rendimiento con una interfaz Python. AutoML integrado recomienda algoritmos y características relevantes en la base de datos y realiza el ajuste y la selección automatizados del modelo. Despliega fácilmente funciones R definidas por el usuario desde API de SQL y Python con paralelismo de datos proporcionado por el sistema y paralelismo de tareas. Las funciones de R definidas por el usuario pueden incluir funcionalidades del ecosistema de paquetes de R.
Esta interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión. Experimenta rápidamente con datos, algoritmos e hiperparámetros para acelerar la exploración y el descubrimiento. Implementa modelos inmediatamente a través de consultas SQL o en los servicios Oracle Machine Learning como puntos finales de REST para una integración perfecta con las aplicaciones y una puntuación en tiempo real. Genera blocs de notas para los modelos seleccionados, lo que permite a los usuarios acotar y personalizar aún más los modelos dentro de los blocs de notas de Oracle Machine Learning.
Los científicos de datos y otros usuarios de Python aceleran la creación de modelos de machine learning y la implementación de soluciones utilizando Oracle Autonomous Database y Oracle Database como una plataforma de computación de alto rendimiento con una interfaz de Python. AutoML integrado recomienda algoritmos y características relevantes en la base de datos y realiza el ajuste y la selección automatizados del modelo. En conjunto, estas capacidades mejoran la productividad del usuario, la precisión del modelo y la escalabilidad.
Esta interfaz de usuario sin código compatible con AutoML en Oracle Autonomous Database para mejorar la productividad de los científicos de datos y el acceso de usuarios no expertos a potentes algoritmos en la base de datos para clasificación y regresión. Experimenta rápidamente con datos, algoritmos e hiperparámetros para acelerar la exploración y el descubrimiento. Implementa modelos inmediatamente a través de consultas SQL o en los servicios Oracle Machine Learning como puntos finales de REST para una integración perfecta con las aplicaciones y una puntuación en tiempo real. Genera blocs de notas para los modelos seleccionados, lo que permite a los usuarios acotar y personalizar aún más los modelos dentro de los blocs de notas de Oracle Machine Learning.
Obtén insights sobre cómo evolucionan los datos de tu empresa a lo largo del tiempo y toma medidas correctivas antes para evitar problemas de datos que puedan tener un impacto negativo significativo. La supervisión de datos te ayuda a garantizar la integridad de los datos de tus aplicaciones y paneles de control empresariales. Identifica la desviación de datos de forma rápida y fiable y comprende las columnas de datos individuales y sus interacciones. El monitoreo del modelo ayuda a identificar cuándo cambia significativamente la métrica del modelo, como la precisión o el R cuadrado, o la distribución de los valores previstos se desvía demasiado de los valores iniciales. Esto puede indicar la necesidad de reconstruir o rediseñar el modelo. La interfaz de usuario de monitoreo de modelos y datos sin código ofrece diversas visualizaciones y métricas para ayudar a los usuarios a evaluar problemas de calidad.
Los científicos y los analistas de datos pueden utilizar esta interfaz de usuario de arrastrar y soltar para crear rápidamente flujos de trabajo analíticos en Oracle SQL Developer. El rápido desarrollo y ajuste de modelos permite a los usuarios descubrir patrones, relaciones y conocimientos ocultos en sus datos.