1. Oracle Deutschland
  2. Cloud
  3. Künstliche Intelligenz

Maschinelles Lernen in Oracle Database

Machine Learning in Oracle Database unterstützt mithilfe von SQL-, R-, Python-, REST-, AutoML- und No-Code-Schnittstellen die Datenexploration, -vorbereitung und Machine Learning-(ML-)Modellierung in großem Maßstab. Es enthält mehr als 30 leistungsstarke datenbankinterne Algorithmen, die Modelle für den sofortigen Einsatz in Anwendungen erstellen. Dadurch, dass die Daten in der Datenbank verbleiben, können Unternehmen ihre Gesamtarchitektur vereinfachen und die Datensynchronisierung und -sicherheit gewährleisten. Außerdem können Data Scientists und anderen Datenexperten Modelle schnell erstellen, indem Schlüsselelemente des Machine Learning-Lebenszyklus vereinfacht und automatisiert werden.

Ankündigung der generativen Entwicklung (GenDev) für Unternehmen

Sehen Sie sich die Aufzeichnung der Oracle CloudWorld-Keynote von EVP Juan Loaiza an, um mehr über diese bahnbrechende, KI-zentrierte AppDev-Infrastruktur zu erfahren.

Warum Sie sich für Machine Learning in Oracle Database entscheiden sollten

Oracle Database unterstützt Datenverwaltung, Modellentwicklung und Bereitstellungsoptionen, Daten- und Modellüberwachung sowie Teamzusammenarbeit. Steigern Sie die Produktivität durch integrierte Automatisierung, datenbankinterne Ausführungsleistung und Skalierbarkeit. Identifizieren Sie mögliche Verzerrungen in Daten und verstehen Sie die Faktoren, die zu Vorhersagen beitragen.

Datenbankinterne Vorgänge

Erstellen Sie Modelle und bewerten Sie Daten schneller und im großen Maßstab, ohne Daten in separate Analyse-Engines zu extrahieren. Die Skalierungsarchitektur und die Smart Scan-Technologie von Oracle Exadata helfen dabei, schneller Ergebnisse zu erzielen.

Mehrere Sprach-APIs

Wählen Sie aus SQL-, Python- und R-Schnittstellen für die Erkundung und Aufbereitung von Daten in der Datenbank, die Modellierung des maschinellen Lernens und die Bereitstellung von Lösungen. Darüber hinaus können Sie Python- und R-Lösungen mit SQL und REST bereitstellen.

Keine Datenverschiebungen

Verarbeiten Sie Daten dort, wo sie in der Oracle Database gespeichert sind, um die Datenexploration und -vorbereitung sowie die Modellierung und Bereitstellung zu vereinfachen. Verkürzen Sie die Anwendungsentwicklungszeit, reduzieren Sie die Komplexität und sorgen Sie für Datensicherheit.

No-Code-Modellerstellung

Steigern Sie die Produktivität von Data Scientists und helfen Sie Laien, leistungsstarke datenbankinterne Algorithmen für Klassifizierung und Regression über eine codefreie AutoML-Benutzeroberfläche zu nutzen.

Daten- und Modellüberwachung

Erhalten Sie Einblicke in die Entwicklung Ihrer Daten und Modelle für maschinelles Lernen im Laufe der Zeit und ergreifen Sie früher Korrekturmaßnahmen, um Probleme zu vermeiden, die sich erheblich negativ auf das Unternehmen auswirken können. Verwenden Sie REST-Endpunkte und codefreie Benutzeroberflächen.

Schnelle Unternehmensbereitstellungen

Erzielen Sie mithilfe von SQL- und REST-Schnittstellen und den einfachen Bereitstellungsoptionen eine sofortige Verfügbarkeit von ML-Modellen.

Bring Your Own Model

Importieren Sie Texttransformations-, Klassifizierungs-, Regressions- und Clustering-Modelle im ONNX-Format (Open Neural Network Exchange), um sie von SQL aus mit der datenbankinternen ONNX-Laufzeitumgebung zu verwenden. Verwenden Sie Modelle im ONNX-Format für Oracle Machine Learning Services für Echtzeit-Inferenz-Anwendungsfälle.

Datenverarbeitung mit hoher Leistung

Vermeiden Sie mithilfe der integrierten Parallelität und Skalierbarkeit von Oracle Database und der einzigartigen Optimierungen für Oracle Exadata jegliche Leistungsprobleme bei der Datenvorbereitung, Modellerstellung und Datenbewertung.

Integrierte Sicherheit

Profitieren Sie von der integrierten Sicherheit und Verschlüsselung von Oracle Database, dem rollenbasierten Zugriff auf Benutzerdaten, datenbankinternen und Drittanbieter-Modellen sowie R- und Python-Objekten und -Skripten.

Machine Learning in Oracle Database – Kundenerfolge

Alle Kundenerfolge anzeigen
10. September 2024

Ankündigung von GPU-Unterstützung für Oracle Machine Learning Notebooks on Autonomous Database

Mark Hornick, Senior Director, Data Science and Machine Learning

Oracle Autonomous Database Serverless bietet jetzt über Oracle Machine Learning Notebooks integrierten Zugriff auf GPUs. Entwickeln Sie Python-Code mit dem Oracle Machine Learning Notebooks Python-Interpreter für Anwendungsfälle, die die Leistung und Skalierbarkeit von GPUs erfordern, wie z. B. die Ausführung von Vektor-Einbettungsmodellen (Transformatoren) und die Erstellung von Deep-Learning-Modellen für die Satellitenbildverarbeitung.

Vollständigen Beitrag lesen

Ausgewählte Blogs

Alle anzeigen

Ressourcen

Verwandte Inhalte

Zugehörige Informationen

Machine Learning in Oracle Database – Referenzarchitekturen

Alle Referenzarchitekturen anzeigen
  • Referenzarchitektur

    Machine Learning-Plattform auf Autonomous Data Warehouse

    Mit Oracle Autonomous Data Warehouse verfügen Sie über alle notwendigen integrierten Tools zum Laden und Vorbereiten von Daten sowie zum Trainieren, Bereitstellen und Verwalten von ML-Modellen. Außerdem haben Sie die Flexibilität, andere Tools zu kombinieren, um sie optimal an die Anforderungen Ihres Unternehmens anzupassen.

  • Referenzarchitektur

    Moderne Anwendungsentwicklung – maschinelles Lernen und künstliche Intelligenz

    Lernen Sie die Designprinzipien kennen, die mit der Erstellung einer Plattform für maschinelles Lernen und einem optimalen Implementierungspfad verbunden sind. Dieses Muster können Sie verwenden, um Plattformen für maschinelles Lernen zu erstellen, die den Anforderungen Ihrer Data-Scientist-Benutzer entsprechen.

  • Referenzarchitektur

    Datenplattform – Data Warehouse mit komplexer Integration

    Holen Sie sich das Framework, um Daten von Unternehmensanwendungen mit Rohdaten aus anderen Quellen anzureichern, und nutzen Sie dann ML-Modelle, um Intelligenz und prädiktive Erkenntnisse in Geschäftsprozesse einzubringen.

  • Referenzarchitektur

    Entwerfen eines Data Lakehouse für die Bestandsanalyse im Einzelhandel

    Entdecken Sie die Plattformtopologie, die Komponentenübersicht und die empfohlenen Best Practices für die Implementierung eines erfolgreichen Data Lakehouse auf OCI. So können Sie eine Fülle von Daten erfassen und Daten für eine Bestandstransparenz in Echtzeit aggregieren und verwalten.

Erste Schritte mit Machine Learning in Oracle Database


Machine Learning in Oracle Database ausprobieren

Beginnen Sie mit Oracle Cloud und greifen Sie in Autonomous Database kostenlos auf Machine Learning zu.

Kostenlos testen

Folgen Sie uns @OracleDatabase

Holen Sie sich die neuesten Nachrichten, Ereignisse und Community-Ressourcen zu Oracle Database.

Folgen Sie uns

Kontakt

Möchten Sie mehr erfahren? Kontaktieren Sie einen unserer branchenführenden Experten.

Kontakt aufnehmen