观看甲骨文公司执行副总裁 Juan Loaiza 在甲骨文全球云大会上的主题演讲视频,了解这个以 AI 为中心的突破性应用开发基础设施。
防止数据漂移,监视机器学习模型性能。Machine Learning in Oracle Database 服务推出全新的监视功能,可提醒您注意数据和原生数据库内模型质量问题。
在 Oracle Machine Learning Notebooks 中的 Oracle Autonomous Database 上利用更大的 Python 和 R 程序包生态系统。在由 Oracle Database 环境产生和管理的引擎中,利用第三方软件包功能运行用户定义的函数。
使用熟悉的 R 语法和语义,在 Oracle Database 这个高性能计算环境中更快速、规模化地探索、转换和分析数据。
在生产环境中部署和扩展机器学习模型以及更广泛的基于 Python 和 R 的解决方案通常具有一定难度。了解如何使用 Machine Learning in Oracle Database 轻松将 AI 和机器学习嵌入应用中。
Oracle Database 支持数据管理、模型开发和部署选项、数据和模型监视以及团队协作。通过内置自动化、数据库内执行性能和可扩展性来提高工作效率。识别数据中可能存在的偏差,并了解影响预测的因素。
无需将数据提取到单独的分析引擎,即可快速、大规模地构建模型和评分数据。Oracle Exadata 的横向扩展架构和智能扫描技术可以更快地获得成果。
从 SQL、Python 和 R 接口进行选择,以进行数据库内数据探索和准备、机器学习建模和解决方案部署。此外,您还可以使用 SQL 和 REST 部署 Python 和 R 解决方案。
在 Oracle Database 中处理数据,以简化数据探索和准备以及模型构建和部署。缩短应用开发时间、降低复杂性并解决数据安全性问题。
通过无代码 AutoML 用户界面,提高数据科学家的工作效率,同时也让非专家用户可以使用强大的数据库内算法来执行分类和回归。
了解您的数据如何随时间变化,并在问题对企业产生重大负面影响之前采取纠正措施。使用 REST 端点和无代码用户界面。
在 SQL 和 REST 界面,通过易于部署的选项实现即时的机器学习模型可用性。
以 Open Neural Network Exchange (ONNX) 格式导入文本转换器、分类、回归和聚类模型,从 SQL 与数据库内 ONNX Runtime 一起使用。对于实时推理的使用场景,您可以将 ONNX 格式模型部署到 Oracle Machine Learning Services。
利用 Oracle Database 的内置并行性和可扩展特性,以及针对 Oracle Exadata 的优化功能,有效避免在数据准备、模型构建和数据评分期间发生性能问题。
通过 Oracle Database 的内置安全性和加密以及基于角色的访问,保护用户数据、数据库内和第三方模型以及 R 和 Python 的对象和脚本。
Oracle Autonomous Database Serverless 现已通过 Oracle Machine Learning Notebooks 提供对 GPU 的集成访问。用户可以使用 Oracle Machine Learning Notebooks Python 解释器开发 Python 代码,将其用于需要 GPU 性能和可扩展性的使用场景,例如运行向量嵌入(即 Transformer)模型以及构建用于卫星图像处理的深度学习模型。
阅读全文Oracle Autonomous Data Warehouse 内置您所需的各种工具,助您高效加载和准备数据,以及训练、部署和管理机器学习模型。您还可以灵活地结合使用这些工具,更好地满足组织的需求。
注:为免疑义,本网页所用以下术语专指以下含义: