Funciones de HeatWave AutoML

Aprendizaje automático (ML) integrado

Oracle HeatWave AutoML incluye todo lo que los usuarios necesitan para construir, entrenar y explicar modelos de aprendizaje automático dentro de HeatWave, sin costo adicional. Con ML integrado en HeatWave, no es necesario mover los datos a un servicio de ML separado. Puedes aplicar fácilmente y de manera segura entrenamiento, inferencia y explicación de ML a los datos almacenados tanto en MySQL Database como en almacenamiento de objetos con la ayuda de Oracle HeatWave AutoML. Como resultado, acelera las iniciativas de ML, aumenta la seguridad y reduce costos.

Ciclo de vida automatizado de ML

HeatWave AutoML automatiza el ciclo de vida del ML, incluyendo la selección de algoritmos, el muestreo inteligente de datos para el entrenamiento del modelo, la selección de características y la optimización de hiperparámetros, ayudando a los analistas y científicos de datos a ahorrar tiempo y esfuerzo. Los aspectos del pipeline de ML pueden personalizarse, incluyendo la selección de algoritmos, la selección de características y la optimización de hiperparámetros. HeatWave AutoML soporta tareas del sistema de detección, previsión, clasificación, regresión y recomendación de anomalías, incluidas las columnas de texto. Los usuarios pueden proporcionar retroalimentación sobre los resultados de la detección de anomalías no supervisada y usar estos datos etiquetados para mejorar las predicciones posteriores.

Sistema para personalización de recomendaciones

Los sistemas de recomendación son una de las aplicaciones de ML más buscadas. Al considerar tanto el feedback implícito (compras pasadas, comportamiento de navegación, etc.) como el feedback explícito (calificaciones, "me gusta", etc.), el sistema de recomendación de HeatWave AutoML puede generar sugerencias personalizadas. Los analistas, por ejemplo, pueden predecir los elementos que a un usuario le gustarán, los usuarios a quienes les gustará un elemento específico y las calificaciones que recibirán los elementos. También puede, dado un usuario, obtener una lista de usuarios similares y, dado un artículo específico, obtener una lista de artículos similares.

Consola interactiva HeatWave AutoML

La consola interactiva permite a los analistas de negocios construir, entrenar, ejecutar y explicar modelos de ML utilizando una interfaz visual, sin necesidad de conocer comandos SQL o codificación. La consola también facilita a los usuarios explorar escenarios hipotéticos para evaluar suposiciones empresariales, por ejemplo: "¿Cómo afectaría invertir un 30 % más en publicidad en redes sociales pagadas tanto a los ingresos como a las ganancias?"

Modelos de aprendizaje automático explicables

Todos los modelos entrenados por HeatWave AutoML son explicables. HeatWave AutoML ayuda a entregar predicciones con una explicación de los resultados, ayudando a las organizaciones con el cumplimiento normativo, la equidad, la repetibilidad, la causalidad y la confianza.

Modelado de temas

El modelado de temas ayuda a los usuarios a descubrir insights en grandes conjuntos de datos textuales al ayudarles a comprender los temas clave en documentos, por ejemplo, para completar análisis de sentimientos en datos de redes sociales.

Detección de desviaciones de datos

La detección de deriva de datos ayuda a los analistas a determinar cuándo volver a entrenar los modelos al detectar diferencias entre los datos utilizados para el entrenamiento y los nuevos datos entrantes.

Utiliza tus aptitudes actuales

Los desarrolladores, analistas de datos y científicos de datos pueden construir modelos de ML utilizando comandos SQL familiares; no necesitan aprender nuevas herramientas o lenguajes. Además, HeatWave AutoML está integrado con notebooks populares, como Jupyter y Apache Zeppelin.

Chatbot de Oracle
Disconnected