데이터 과학자, 데이터 엔지니어 또는 개발자에 관계없이 생산성을 높일 수 있습니다. Oracle Machine Learning Notebooks에서는 SQL, PL/SQL, Python, R, Conda 및 마크다운 해석기를 지원하므로 인데이터베이스 머신 러닝 및 맞춤형 서드파티 패키지와 함께 원하는 언어를 사용하여 분석 솔루션을 개발할 수 있습니다. 더욱 다양한 데이터 과학 팀과 협업하고, 노트북 자동 실행을 예약하고, 데이터와 버전을 시각화하고, 이 내장 노트북 환경으로 노트북을 비교할 수 있습니다.
Oracle Autonomous Database 환경에서 네이티브 인데이터베이스 모델 및 Open Neural Network Exchange(ONNX) 형식 모델을 배포 및 관리하는 시간을 단축할 수 있습니다. 애플리케이션 개발자는 통합이 용이한 REST 끝점을 통해 머신 러닝 모델을 사용할 수 있습니다. 사용자의 데이터 및 인데이터베이스 모델을 모니터링하여 무결성과 정확성의 유지를 보장합니다. Oracle Machine Learning AutoML 및 모델 UI를 통해 모델을 빠르고 쉽게 배포하고 MLOps 요구 사항의 주요 측면을 지원할 수 있습니다.
엔터프라이즈 데이터가 시간이 지남에 따라 어떻게 변화하는지에 대한 인사이트를 확보하고, 보다 신속하게 수정 조치를 취하여 기업에 부정적인 영향을 미칠 수 있는 데이터 문제를 방지할 수 있습니다. 데이터 모니터링 기능을 사용하면 엔터프라이즈 애플리케이션과 대시보드의 데이터 무결성을 유지하는 데 도움이 됩니다. 데이터 드리프트를 빠르고 안정적으로 식별하고, 개별 데이터 열 및 해당 데이터 열들 간의 상호작용을 파악할 수 있습니다. 모델 모니터링은 정확도 또는 R-제곱과 같은 모델 측정 단위가 크게 변경되는 시기 또는 예측 값의 분포가 초기 값에서 너무 많이 벗어나는 시기를 식별하는 데 도움이 됩니다. 이는 모델을 재구축하거나 재설계해야 함을 나타낼 수 있습니다. 노코드 데이터 및 모델 모니터링 UI는 품질 문제를 평가하는 데 도움이 되는 여러 시각화 및 척도를 제공합니다.
SQL과 PL/SQL을 사용하여 데이터 준비, 모델 구축, 평가, 배포 작업을 수행할 수 있으므로 데이터 과학자와 비전문가 사용자 모두가 인데이터베이스 머신 러닝 모델을 더욱 간편하고 신속하게 생성할 수 있습니다.
Oracle Autonomous Database에서의 AutoML 사용을 지원하는 노코드 사용자 인터페이스입니다. 데이터 과학자의 생산성을 높여주고, 비전문가도 강력한 인데이터베이스 분류 및 회귀 알고리즘을 활용할 수 있도록 접근성이 개선되었습니다. 더 빠른 탐색 및 검색을 위해 데이터, 알고리즘 및 하이퍼파라미터를 신속하게 실험합니다. 애플리케이션과의 원활한 통합 및 실시간 점수 부여를 위해 SQL 쿼리를 통해 또는 Oracle Machine Learning Services에 REST 엔드포인트로 모델을 즉시 배포할 수 있습니다. 선택한 모델에 대한 노트북을 생성하여 사용자가 Oracle Machine Learning Notebooks 내에서 모델을 추가로 세분화하고 사용자 정의할 수 있습니다.
R 인터페이스를 통해 Oracle Autonomous Database를 고성능 컴퓨팅 플랫폼으로 활용하여 머신 러닝 모델링을 가속화합니다. Oracle Machine Learning Notebooks 또는 선호하는 R 통합 개발 환경(IDE)을 사용하여 R에서 확장 가능한 머신 러닝 기반 솔루션을 개발하고, 서드파티 패키지를 통해 Conda 환경을 구축할 수 있습니다. 시스템에서 제공하는 데이터 병렬 처리 및 작업 병렬 처리 기능을 통해 SQL 및 REST API에서 사용자 정의 R 함수를 간단히 배포할 수 있습니다.
데이터 과학자 및 기타 Python 사용자들이 Oracle Autonomous Database를 Python 인터페이스를 갖춘 고성능 컴퓨팅 플랫폼으로 활용하여 머신 러닝 모델링 및 솔루션 배포를 가속화할 수 있도록 지원합니다. Oracle Machine Learning Notebooks 또는 선호하는 Python IDE를 사용하여 Python으로 확장 가능한 머신 러닝 기반 솔루션을 개발할 수 있습니다. 내장된 AutoML 기능이 데이터 알고리즘 및 기능에 관한 추천을 제안하고, 자동화된 모델 튜닝 및 선택 작업을 수행합니다.
데이터 과학자와 데이터 분석가는 드래그 앤 드롭 인터페이스를 사용하여 Oracle SQL Developer 내에서 분석 워크플로우를 신속하게 구축할 수 있습니다. 사용자는 신속하게 이루어지는 모델 개발 및 개선을 통해 보유 데이터로부터 숨겨진 패턴, 관계, 인사이트 등을 도출할 수 있습니다.
SQL 및 PL/SQL을 사용하여 데이터 준비, 모델 구축, 평가, 배포 작업을 수행할 수 있으므로 데이터 과학자와 비전문가 사용자 모두가 인데이터베이스 머신 러닝 모델을 더욱 간편하고 신속하게 생성할 수 있습니다.
데이터 과학자와 데이터 분석가는 드래그 앤 드롭 인터페이스를 사용하여 Oracle SQL Developer 내에서 분석 워크플로우를 신속하게 구축할 수 있습니다. 사용자는 신속하게 이루어지는 모델 개발 및 개선을 통해 보유 데이터로부터 숨겨진 패턴, 관계, 인사이트 등을 도출할 수 있습니다.
R 인터페이스를 통해 Oracle Database를 고성능 컴퓨팅 플랫폼으로 활용하여 머신 러닝 모델링을 가속화합니다. 시스템에서 제공하는 데이터 병렬 처리 및 작업 병렬 처리 기능을 통해 SQL 및 R API에서 사용자 정의 R 함수를 간단히 배포할 수 있습니다. 사용자 정의 R 함수에는 R 패키지 생태계의 기능이 포함될 수 있습니다.
Python 인터페이스를 통해 Oracle Database를 고성능 컴퓨팅 플랫폼으로 활용하여 머신 러닝 모델링을 가속화합니다. 내장된 AutoML 기능이 데이터 알고리즘 및 기능에 관한 추천을 제안하고, 자동화된 모델 튜닝 및 선택 작업을 수행합니다. 시스템에서 제공하는 데이터 병렬 처리 및 작업 병렬 처리 기능을 통해 Python SQL 및 API에서 사용자 정의 Python 함수를 간단히 배포할 수 있습니다. 사용자 정의 Python 함수에는 Python 패키지 생태계의 기능이 포함될 수 있습니다.
Oracle Autonomous Database에서의 AutoML 사용을 지원하는 노코드 사용자 인터페이스입니다. 데이터 과학자의 생산성을 높여주고, 비전문가도 강력한 인데이터베이스 분류 및 회귀 알고리즘을 활용할 수 있도록 접근성이 개선되었습니다. 더 빠른 탐색 및 검색을 위해 데이터, 알고리즘 및 하이퍼파라미터를 신속하게 실험합니다. 애플리케이션과의 원활한 통합 및 실시간 점수 부여를 위해 SQL 쿼리를 통해 또는 Oracle Machine Learning Services에 REST 엔드포인트로 모델을 즉시 배포할 수 있습니다. 선택한 모델에 대한 노트북을 생성하여 사용자가 Oracle Machine Learning Notebooks 내에서 모델을 추가로 세분화하고 사용자 정의할 수 있습니다.
데이터 과학자 및 기타 Python 사용자들이 Oracle Autonomous Database와 Oracle Database를 Python 인터페이스를 갖춘 고성능 컴퓨팅 플랫폼으로 활용하여 머신 러닝 모델링 및 솔루션 배포를 가속화할 수 있도록 지원합니다. 내장된 AutoML 기능이 데이터 알고리즘 및 기능에 관한 추천을 제안하고, 자동화된 모델 튜닝 및 선택 작업을 수행합니다. 이와 같은 기능들을 활용하여 사용자 생산성, 모델 정확성, 시스템 확장성을 향상시킬 수 있습니다.
Oracle Autonomous Database에서의 AutoML 사용을 지원하는 노코드 사용자 인터페이스입니다. 데이터 과학자의 생산성을 높여주고, 비전문가도 강력한 인데이터베이스 분류 및 회귀 알고리즘을 활용할 수 있도록 접근성이 개선되었습니다. 더 빠른 탐색 및 검색을 위해 데이터, 알고리즘 및 하이퍼파라미터를 신속하게 실험합니다. 애플리케이션과의 원활한 통합 및 실시간 점수 부여를 위해 SQL 쿼리를 통해 또는 Oracle Machine Learning Services에 REST 엔드포인트로 모델을 즉시 배포할 수 있습니다. 선택한 모델에 대한 노트북을 생성하여 사용자가 Oracle Machine Learning Notebooks 내에서 모델을 추가로 세분화하고 사용자 정의할 수 있습니다.
엔터프라이즈 데이터가 시간이 지남에 따라 어떻게 변화하는지에 대한 인사이트를 확보하고, 보다 신속하게 수정 조치를 취하여 기업에 부정적인 영향을 미칠 수 있는 데이터 문제를 방지할 수 있습니다. 데이터 모니터링 기능은 엔터프라이즈 애플리케이션 및 대시보드용 데이터 무결성 향상에 기여합니다. 데이터 드리프트를 빠르고 안정적으로 식별하고, 개별 데이터 열 및 해당 데이터 열들 간의 상호작용을 파악할 수 있습니다. 모델 모니터링은 정확도 또는 R-제곱과 같은 모델 측정 단위가 크게 변경되는 시기 또는 예측 값의 분포가 초기 값에서 너무 많이 벗어나는 시기를 식별하는 데 도움이 됩니다. 이는 모델을 재구축하거나 재설계해야 함을 나타낼 수 있습니다. 노코드 데이터 및 모델 모니터링 UI는 사용자가 품질 문제를 평가하는 데 도움이 되는 여러 시각화 및 척도를 제공합니다.
데이터 과학자와 데이터 분석가는 드래그 앤 드롭 인터페이스를 사용하여 Oracle SQL Developer 내에서 분석 워크플로우를 신속하게 구축할 수 있습니다. 사용자는 신속하게 이루어지는 모델 개발 및 개선을 통해 보유 데이터로부터 숨겨진 패턴, 관계, 인사이트 등을 도출할 수 있습니다.
구매를 고려하고 계십니까?
영업팀에 전화영업 팀과 채팅계정/구독, 프로모션 문제
채팅 시작기술 지원 또는 기타 지원 요청이 필요하십니까?
지원 옵션 보기