Le machine learning dans Oracle Database
Machine learning dans Oracle Autonomous Database
Blocs-notes de machine learning
Augmentez votre productivité, que vous soyez data scientist, ingénieur de données ou développeur. Oracle Machine Learning (OML) Notebooks prend en charge les interprètes SQL, PL/SQL, Python, R, Conda et Markdown, pour vous permettre d'utiliser le langage de votre choix avec le machine learning dans la base de données et les packages tiers personnalisés, en vue de développer des solutions d'analyse. Collaborez avec votre équipe de data science, planifiez l'exécution automatique des blocs-notes, visualisez vos données, et gérez les versions et comparez les blocs-notes avec cet environnement de blocs-notes intégrés.
- Voir une visite guidée interactive du produit
- Documentation principale d'Oracle Machine Learning Notebooks
- Utiliser la documentation d'Oracle Machine Learning Notebooks avec Autonomous Database
Services de machine learning
Réduisez le temps de déploiement et de gestion des modèles natifs dans la base de données et des modèles au format ONNX dans l'environnement Oracle Autonomous Database. Les développeurs d'applications utilisent des modèles grâce à des terminaux REST faciles à intégrer. Surveillez vos données et vos modèles dans la base de données pour vérifier l'exactitude et la précision. Déployez des modèles rapidement et facilement à partir de l'interface utilisateur AutoML d'Oracle Machine Learning.
- API REST pour Oracle Machine Learning Services
- Documentation des services Oracle Machine Learning
- Documentation sur la modélisation des données
- Documentation de surveillance des modèles de machine learning
- Utilisation de la fonctionnalité de texte cognitif
- Dépôt GitHub
Surveillance du machine learning
Suivez l'évolution de vos données d'entreprise au fil du temps et prenez des mesures correctives avant que les problèmes de données n'aient un impact trop négatif sur votre entreprise. La surveillance des données vous aide à garantir l'intégrité des données pour vos applications et tableaux de bord d'entreprise. Identifiez rapidement et de manière fiable les écarts de données et analysez les colonnes de données individuelles et leurs interactions. La surveillance des modèles permet d'identifier quand les mesures de votre modèle, telles que la précision ou le R-squared, change considérablement, ou lorsque la répartition des valeurs prévues s'écarte trop des valeurs initiales. Cela peut signaler la nécessité de recréer ou de reconcevoir votre modèle. L'interface utilisateur de surveillance des modèles et des données no-code fournit plusieurs visualisations et mesures pour aider les utilisateurs à évaluer les problèmes de qualité.
- Documentation principale d'Oracle Machine Learning Monitoring
- Documentation Oracle Machine Learning Data Monitoring
- Documentation Oracle Machine Learning Model Monitoring
Machine Learning for SQL
Simplifiez et accélérez la création de modèles de machine learning intégrés à la base de données par des data scientists et des utilisateurs non experts avec SQL et PL/SQL pour la préparation des données et la création, l'évaluation et le déploiement de modèles.
Interface utilisateur de Machine Learning AutoML
Une interface utilisateur no-code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non experts aux puissants algorithmes de classification et de régression de la base de données. Accélérez l'exploration et la détection à partir de données, d'algorithmes et d'hyperparamètres. Déployez immédiatement des modèles via des requêtes SQL ou vers des services OML en tant que points d'extrémité REST pour une intégration transparente aux applications et un scoring en temps réel. Générez des blocs-notes pour les modèles sélectionnés, afin de permettre aux utilisateurs d'affiner et de personnaliser davantage les modèles dans les blocs-notes OML.
- Présentation de l'interface utilisateur d'Oracle Machine Learning AutoML
- Documentation relative à l'interface utilisateur d'Oracle Machine Learning AutoML
Machine Learning for R
Accélérez la modélisation du machine learning avec Oracle Autonomous Database en tant que plateforme de calcul haute performances avec une interface R. Utilisez Oracle Machine Learning Notebooks ou votre IDE R préféré pour développer des solutions évolutives de machine learning dans les environnements R et créer des environnements Conda avec des packages tiers. Déployer facilement des fonctions R définies par l'utilisateur à partir d'API SQL et REST avec un parallélisme des données et un parallélisme des tâches fournis par le système.
Machine learning for Python
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Autonomous Database comme plateforme de calcul haute performance avec une interface Python. Utilisez Oracle Machine Learning Notebooks ou votre IDE Python préféré pour développer des solutions évolutives de machine learning en Python. AutoML intégré recommande des algorithmes et des fonctionnalités pertinents intégrées aux bases de données et automatise le réglage et la sélection du modèle.
Data Miner
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques dans SQL Developer. Le développement et le perfectionnement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.
Le machine learning dans Oracle Database
Machine Learning for SQL
Simplifiez et accélérez la création de modèles de machine learning intégrés à la base de données par des data scientists et des utilisateurs non experts avec SQL et PL/SQL pour la préparation des données, et la création, l'évaluation et le déploiement de modèles.
Data Miner
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le perfectionnement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.
Machine Learning for R
Accélérez la modélisation de machine learning et le déploiement de solutions en utilisant Oracle Database comme plateforme de calcul haute performance avec une interface R. Déployez facilement des fonctions R définies par l'utilisateur à partir d'API SQL et R avec un parallélisme des données et un parallélisme des tâches fournis par le système. Les fonctions R définies par l'utilisateur peuvent inclure des fonctionnalités issues de l'écosystème de packages R.
- Installez Oracle Machine Learning for R
- Fiche technique (PDF)
- Documentation d'Oracle Machine Learning for R
- Dépôt GitHub
Machine learning for Python
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Database comme plateforme de calcul haute performance avec une interface Python. AutoML intégré recommande des algorithmes et des fonctionnalités pertinents intégrées aux bases de données et automatise le réglage et la sélection du modèle.
AutoML
Interface utilisateur de Machine Learning AutoML
Une interface utilisateur no-code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non experts aux puissants algorithmes de classification et de régression de la base de données. Accélérez l'exploration et la détection à partir de données, d'algorithmes et d'hyperparamètres. Déployez immédiatement des modèles via des requêtes SQL ou vers des services OML en tant que points d'extrémité REST pour une intégration transparente aux applications et un scoring en temps réel. Générez des blocs-notes pour les modèles sélectionnés, afin de permettre aux utilisateurs d'affiner et de personnaliser davantage les modèles dans les blocs-notes OML.
- Découvrir comment l'IA peut faciliter le réglage des modèles de machine learning
- Documentation relative à l'interface utilisateur d'Oracle Machine Learning AutoML
Machine learning for Python
Les data scientists et autres utilisateurs de Python accélèrent la modélisation du machine learning et le déploiement de solutions en utilisant Oracle Autonomous Database et Oracle Database comme plateforme de calcul haute performance avec une interface Python. AutoML intégré recommande des algorithmes et des fonctionnalités pertinents intégrées aux bases de données et automatise le réglage et la sélection du modèle. Ensemble, ces fonctionnalités améliorent la productivité des utilisateurs, la précision des modèles et l'évolutivité.
Interfaces utilisateur sans code
Interface utilisateur de Machine Learning AutoML
Une interface utilisateur no-code prenant en charge AutoML sur Oracle Autonomous Database pour améliorer la productivité des data scientists et l’accès des utilisateurs non experts aux puissants algorithmes de classification et de régression de la base de données. Accélérez l'exploration et la détection à partir de données, d'algorithmes et d'hyperparamètres. Déployez immédiatement des modèles via des requêtes SQL ou vers des services OML en tant que points d'extrémité REST pour une intégration transparente aux applications et un scoring en temps réel. Générez des blocs-notes pour les modèles sélectionnés, afin de permettre aux utilisateurs d'affiner et de personnaliser davantage les modèles dans les blocs-notes OML.
- Découvrir comment l'IA peut faciliter le réglage des modèles de machine learning
- Documentation relative à l'interface utilisateur d'Oracle Machine Learning AutoML
Surveillance du machine learning
Suivez l'évolution de vos données d'entreprise au fil du temps et prenez des mesures correctives avant que les problèmes de données n'aient un impact trop négatif sur votre entreprise. La surveillance des données vous aide à garantir l'intégrité des données pour vos applications et tableaux de bord d'entreprise. Identifiez rapidement et de manière fiable les écarts de données et analysez les colonnes de données individuelles et leurs interactions. La surveillance des modèles permet d'identifier quand les mesures de votre modèle, telles que la précision ou le R-squared, change considérablement, ou lorsque la répartition des valeurs prévues s'écarte trop des valeurs initiales. Cela peut signaler la nécessité de recréer ou de reconcevoir votre modèle. L'interface utilisateur de surveillance des modèles et des données no-code fournit plusieurs visualisations et mesures pour aider les utilisateurs à évaluer les problèmes de qualité.
- Documentation principale d'Oracle Machine Learning Monitoring
- Documentation Oracle Machine Learning Data Monitoring
- Documentation Oracle Machine Learning Model Monitoring
Data Miner
Les data scientists et analystes peuvent utiliser cette interface utilisateur de type glisser-déposer pour construire rapidement des flux de travail analytiques. Le développement et le perfectionnement rapides des modèles permettent aux utilisateurs de découvrir des modèles, des relations et des informations cachés dans leurs données.