HeatWave AutoMLの機能

統合された機械学習(ML)

Oracle HeatWave AutoMLには、ユーザーがHeatWave内で機械学習モデルを構築、トレーニング、説明するために必要なすべての機能が含まれているため、追加コストは不要です。HeatWaveにMLが統合されているため、データを別のMLサービスに移動する必要はありません。Oracle HeatWave AutoMLの支援により、MLトレーニング、推論、説明を、MySQL Database内とオブジェクト・ストレージの両方に保存されたデータに簡単かつセキュアに適用できます。その結果、MLへの取り組みの促進、セキュリティの向上、コストの削減を支援します。

MLライフサイクルの自動化

HeatWave AutoMLは、アルゴリズムの選択、モデル・トレーニングのためのインテリジェントなデータ・サンプリング、機能の選択、ハイパーパラメータの最適化など、MLライフサイクルを自動化し、データ・アナリストおよびデータ・サイエンティストの時間と労力の大幅な削減を支援します。間と労力の大幅な削減を支援します。アルゴリズムの選択、機能の選択、ハイパー・パラメータの最適化など、MLパイプラインの機能をカスタマイズできます。HeatWave AutoMLは、異常検知、予測、分類、回帰、推奨システムなどのタスクをサポートし、これらはテキスト列に対しても実行できます。ユーザーは、教師なし異常検知の結果に対するフィードバックを提供し、このラベル付けされたデータを使用して、その後の予測の改善に役立てることができます。

推奨システムによる推奨のパーソナライズ

推薦システムは、最も人気のあるMLアプリケーションの1つです。HeatWave AutoMLの推薦システムは、暗黙的なフィードバック（過去の購入履歴、閲覧行動など）と明示的なフィードバック（評価、「いいね！」など）の両方を考慮することで、パーソナライズされた推薦事項を生成することができます。例えば、アナリストは、ユーザーが好むアイテム、特定のアイテムを好むユーザー、アイテムの評価などを予測することができます。さらに、ユーザー情報をもとに類似ユーザーのリストを取得したり、特定のアイテムに基づき類似アイテムのリストを取得したりすることもできます。

インタラクティブなHeatWave AutoMLコンソール

インタラクティブなコンソールにより、ビジネスアナリストはSQLコマンドやコーディングを一切使用せずに、ビジュアル・インターフェースを使用してMLモデルを構築、トレーニング、実行、説明することができます。また、このコンソールでは、ユーザーがビジネス上の前提条件を評価するためのwhat-ifシナリオを簡単に調べることができます。たとえば、「ソーシャルメディアの有料広告に30%多く投資すると、収益と利益の両方にどのような影響があるか」などです。

説明可能なMLモデル

HeatWave AutoMLでトレーニングされたすべてのモデルは説明可能です。HeatWave AutoMLは、予測結果を説明付きで提供するため、企業コンプライアンス、公平性、再現性、因果関係、および信頼性で企業を支援します。

トピック・モデリング

トピック・モデリングは、例えばソーシャルメディア・データの感情分析など、ユーザーが大量のテキストデータセットからインサイトを発見し、ドキュメントの主要テーマを理解できるよう支援します。

データ・ドリフト検出

データドリフト検出機能は、トレーニングに使用したデータと新たに受信したデータの差異を検出することで、アナリストがモデルの再トレーニングのタイミングを決定するのに役立ちます。

現在のスキルを活用

開発者、データ・アナリスト、データ・サイエンティストは、使い慣れたSQLコマンドでMLモデルを構築できるため、新しいツールと言語を学習する必要はありません。さらに、HeatWave AutoMLは、JupyterやApache Zeppelinなどの一般的なノートブックと統合されています。