HeatWave AutoML 기능

통합된 머신러닝(ML)

Oracle HeatWave AutoML은 HeatWave에서 머신러닝 모델을 구축, 훈련, 설명하는 데 필요한 모든 도구를 무료로 제공합니다. HeatWave에 통합된 ML을 사용하면 데이터를 별도의 ML 서비스로 옮기지 않아도 됩니다. 또한 Oracle HeatWave AutoML을 사용해 MySQL 데이터베이스 및 객체 스토리지에 저장된 데이터에 ML 학습, 추론, 설명을 쉽고 안전하게 적용할 수 있죠. 결과적으로 ML 이니셔티브를 가속화하고, 보안을 강화하고, 비용을 절감할 수 있습니다.

자동화된 ML 수명 주기

HeatWave AutoML은 알고리즘 선택, 모델 교육을 위한 지능형 데이터 샘플링, 기능 선택, 하이퍼변수 최적화 등의 ML 수명 주기 관리를 자동화합니다. 덕분에 데이터 분석가 및 과학자들의 시간과 수고를 절약할 수 있죠. 알고리즘 선택, 기능 선택, 하이퍼파라미터 최적화 등 ML 파이프라인의 다양한 요소를 사용자 정의할 수 있습니다. HeatWave AutoML은 텍스트 열을 포함한 이상 감지, 예측, 분류, 회귀, 추천 시스템 작업을 지원합니다. 사용자는 감독되지 않은 이상 감지 결과에 대한 피드백을 제공하고, 해당하는 레이블이 지정된 데이터를 사용해 후속 예측을 개선할 수 있습니다.

개인화된 추천을 위한 추천 시스템

추천 시스템은 가장 인기있는 ML 애플리케이션 중 하나입니다. HeatWave AutoML의 추천 시스템은 암시적인 피드백(과거 구매 이력, 탐색 활동 등)과 명시적인 피드백(평점, 좋아요 등)을 모두 고려해 개인화된 제안을 생성합니다. 예를 들어 분석가들은 사용자가 좋아할 만한 항목, 특정 항목을 좋아할 만한 사용자, 해당 항목에 기대되는 평점 등을 예측할 수 있습니다. 또한 특정 사용자와 유사한 사용자들의 목록, 특정 항목과 유사한 항목들의 목록을 도출할 수도 있습니다.

대화형 HeatWave AutoML 콘솔

비즈니스 분석가는 대화형 콘솔의 시각적 인터페이스를 사용해 SQL 명령이나 코딩에 대한 지식 없이도 ML 모델을 구축, 교육, 실행, 설명할 수 있습니다. 또한 해당 콘솔을 통해 가상(what-if) 시나리오를 간단히 탐색해 비즈니스 가정을 평가할 수 있습니다(예: "유료 소셜 미디어 광고에 대한 투자를 30% 늘리면 매출과 수익에 어떤 영향이 있을까?").

설명 가능한 ML 모델

HeatWave AutoML로 훈련시킨 모든 모델은 설명 가능합니다. HeatWave AutoML은 학습 결과에 대한 설명과 관련 예측을 함께 제공하므로, 기업의 규제 준수, 공정성, 반복성, 인과성, 신뢰성 관련 분야에 활용할 수 있습니다.

토픽 모델링

사용자는 토픽 모델링을 활용해 문서의 주요 주제를 이해하고(예: 소셜 미디어 데이터에 대한 감성 분석) 대규모 텍스트 데이터 세트에서 인사이트를 확보할 수 있습니다.

데이터 드리프트 감지

데이터 분석가는 데이터 드리프트 감지 기능으로 학습에 사용된 데이터와 새로 입력되는 데이터 간의 차이를 감지해 모델을 재훈련시킬 시기를 결정할 수 있습니다.

최신 기술 사용

개발자, 데이터 분석가, 데이터 과학자는 새로운 도구나 언어를 배울 필요 없이 친숙한 SQL 명령을 사용해 ML 모델을 구축할 수 있습니다. 또한 HeatWave AutoML은 Jupyter, Apache Zeppelin 등의 인기 노트북과 통합되어 있습니다.