无论您是数据科学家、数据工程师还是开发人员,都可以提高工作效率。Oracle Machine Learning Notebooks 支持 SQL、PL/SQL、Python、R、Conda 和 Markdown 解释器,因此您可以使用自己的首选语言、数据库中机器学习和定制的第三方软件包来开发分析解决方案。利用这一内置 notebook 环境,您可以与更大规模的数据科学团队协作;设置 notebook 自动运行;以可视化方式查看数据与版本;对比不同 notebook。
更快地在 Oracle Autonomous Database 环境中部署和管理原生数据库中模型和开放神经网络交换 (ONNX) 格式模型。应用开发人员可以通过易于集成的 REST 端点来使用模型,通过监视数据和数据库中模型来持续确保正确率和精确度,通过 Oracle Machine Learning AutoML 和模型用户界面轻松、快速地部署模型,满足关键机器学习运营需求。
洞悉企业数据如何随时间变化,并在数据问题对企业产生重大负面影响之前采取纠正措施。数据监视可帮助您确保企业应用和仪表盘的数据完整性,快速可靠地识别数据漂移并了解各个数据列及其交互情况。模型监视有助于识别模型度量(例如精确度或 R 平方)何时发生显著变化,或者预测值分布与初始值偏差过大。这可能表明需要重新构建或重新设计您的模型。无代码式数据和模型监视 UI 提供了多种可视化形式和指标,可帮助您轻松评估质量问题。
数据科学家和非专业用户可以使用 SQL 和 PL/SQL 来执行数据准备以及模型构建、评估和部署任务,从而更加轻松、快速地创建数据库中机器学习模型。
这一无代码式用户界面支持基于 Oracle Autonomous Database 运行 AutoML,可帮助数据科学家提高工作效率并让非专业用户也能使用强大的数据库中分类和回归算法。用户可以快速试验数据、算法和超参数,加快探索和发现工作速度。在 SQL 查询过程中即时部署模型,或以 REST 端点形式为 Oracle Machine Learning Services 部署模型(以此与应用无缝集成并进行实时评分)。为所选模型生成 notebook,帮助用户在 Oracle Machine Learning Notebooks 中进一步细化和自定义模型。
在 Oracle Autonomous Database 这一拥有 R 接口的高性能计算平台上加速进行机器学习建模。用户可以使用 Oracle Machine Learning Notebooks 或自己喜爱的 R 语言集成开发环境 (IDE),以 R 语言开发基于机器学习的可扩展解决方案,利用第三方包创建 Conda 环境。通过系统提供的数据并行性和任务并行性,从 SQL 和 REST API 轻松部署自定义的 R 函数。
数据科学家和其他 Python 用户使用 Oracle Autonomous Database 作为随带 Python 接口的高性能计算平台来加速机器学习建模和解决方案部署。使用 Oracle Machine Learning Notebooks 或您喜爱的 Python IDE 在 Python 中开发基于机器学习的可扩展解决方案。内置的 AutoML 可推荐相关数据库中算法和功能,并执行自动模型调优和选择。
数据科学家和数据分析人员可以使用这一拖放式用户界面在 Oracle SQL Developer 中快速构建分析工作流。通过快速开发和完善模型,用户可以发现其数据中的隐藏数据模式、关系和洞察。
数据科学家和非专业用户可以使用 SQL 和 PL/SQL 来执行数据准备以及模型构建、评估和部署任务,从而更加轻松、快速地创建数据库中机器学习模型。
数据科学家和数据分析人员可以使用这一拖放式用户界面在 Oracle SQL Developer 中快速构建分析工作流。通过快速开发和完善模型,用户可以发现其数据中的隐藏数据模式、关系和洞察。
在 Oracle Database 这一拥有 R 接口的高性能计算平台上加速进行机器学习建模。用户可以通过系统提供的数据并行性和任务并行性,从 SQL 和 REST API 轻松部署自定义的 R 函数。用户自定义的 R 函数可利用 R 包生态系统中的功能。
在 Oracle Database 这一拥有 Python 接口的高性能计算平台上加速进行机器学习建模。内置的 AutoML 可推荐相关数据库中算法和功能,并执行自动模型调优和选择。通过系统提供的数据并行性和任务并行性,从 SQL 和 Python API 轻松部署自定义的 R 函数。用户自定义的 Python 函数可利用 Python 包生态系统中的功能。
这一无代码式用户界面支持基于 Oracle Autonomous Database 运行 AutoML,可帮助数据科学家提高工作效率并让非专业用户也能使用强大的数据库中分类和回归算法。用户可以快速试验数据、算法和超参数,加快探索和发现工作速度。在 SQL 查询过程中即时部署模型,或以 REST 端点形式为 Oracle Machine Learning Services 部署模型(以此与应用无缝集成并进行实时评分)。为所选模型生成 notebook,帮助用户在 Oracle Machine Learning Notebooks 中进一步细化和自定义模型。
数据科学家和其他 Python 用户使用 Oracle Autonomous Database 和 Oracle Database 作为随带 Python 接口的高性能计算平台来加速机器学习建模和解决方案部署。内置的 AutoML 可推荐相关数据库中算法和功能,并执行自动模型调优和选择。这些功能可共同提高用户工作效率、模型精确度和可扩展性。
这一无代码式用户界面支持基于 Oracle Autonomous Database 运行 AutoML,可帮助数据科学家提高工作效率并让非专业用户也能使用强大的数据库中分类和回归算法。用户可以快速试验数据、算法和超参数,加快探索和发现工作速度。在 SQL 查询过程中即时部署模型,或以 REST 端点形式为 Oracle Machine Learning Services 部署模型(以此与应用无缝集成并进行实时评分)。为所选模型生成 notebook,帮助用户在 Oracle Machine Learning Notebooks 中进一步细化和自定义模型。
洞悉企业数据如何随时间变化,并在数据问题对企业产生重大负面影响之前采取纠正措施。数据监视可帮助您确保企业应用和仪表盘的数据完整性,快速可靠地识别数据漂移并了解各个数据列及其交互情况。模型监视有助于识别模型度量(例如精确度或 R 平方)何时发生显著变化,或者预测值分布与初始值偏差过大。这可能表明需要重新构建或重新设计您的模型。无代码数据和模型监视 UI 提供了多种可视化和指标,可帮助用户评估质量问题。
数据科学家和数据分析人员可以使用这一拖放式用户界面在 Oracle SQL Developer 中快速构建分析工作流。通过快速开发和完善模型,用户可以发现其数据中的隐藏数据模式、关系和洞察。
注:为免疑义,本网页所用以下术语专指以下含义: