Data Science Hizmetinin Özellikleri
Veri hazırlama
Esnek veri erişimi
Veri bilimciler, istenilen bulutta veya şirket içinde istenilen veri kaynağına erişebilir ve bunları kullanabilir. Böylece daha iyi modeller sağlayan daha fazla potansiyel veri özelliği elde edilir.
Veri etiketleme
Oracle Cloud Infrastructure (OCI) Data Labeling, yapay zeka ve makine öğrenimi modellerini daha doğru şekilde eğitmeye yönelik veri kümeleri oluşturma hizmetidir. OCI Data Labeling sayesinde, geliştiriciler ve veri bilimciler verileri bir araya getirir, veri kümeleri oluşturup inceler ve veri kayıtlarına etiket uygular.
Spark ile geniş ölçekte veri hazırlama
OCI Data Flow Spark kümenize etkileşimli Spark sorguları gönderin. Dilerseniz kolayca bir Spark uygulaması geliştirip ardından OCI Data Flow'da geniş ölçekte çalıştırmak için Oracle Accelerated Data Science SDK'yı kullanın.
Özellik deposu (Önizlemede)
Özellik mühendisliği ardışık düzenlerini tanımlayın ve tamamen yönetilen yürütme ile özellikler oluşturun. Hem özellikleri hem de özellik ardışık düzenleri için sürüm oluşturun ve bunları belgeleyin. Özelliklere erişimi paylaşın, yönetin ve kontrol edin. Hem toplu hem de gerçek zamanlı çıkarım senaryoları için özellikleri kullanın.
Model oluşturma
JupyterLab arayüzü
Yerleşik, bulutta barındırılan JupyterLab not defteri ortamları, veri bilimi ekiplerinin tanıdık bir kullanıcı arayüzü kullanarak modeller oluşturmasına ve eğitmesine imkân tanır.
Açık kaynaklı makine öğrenimi sistemleri
OCI Data Science, TensorFlow veya PyTorch gibi yüzlerce popüler açık kaynak aracı ve sistemi ya da ekleyebilecekleri tercih ettikleri sistemlerle sistemiyle veri bilimciler için tanıdıklık ve çok yönlülük sağlar. OCI ve Anaconda arasındaki stratejik iş ortaklığı, OCI kullanıcılarının paketleri ücretsiz olarak doğrudan Anaconda veri havuzundan indirmesine ve yüklemesine olanak tanıyarak güvenli açık kaynağı her zamankinden daha erişilebilir hâle getirir.
Oracle Accelerated Data Science (ADS) kitaplığı
Oracle Accelerated Data Science SDK, veri bilimcileri uçtan uca veri bilimi iş akışının tümünde destekleyen, kullanıcı dostu bir Python araç setidir.
Model eğitimi
Grafik işleme birimleri (GPU'lar) içeren güçlü donanım
Veri bilimciler, NVIDIA GPU'lar sayesinde daha kısa sürede derin öğrenme modelleri oluşturup eğitebilirler. Performans hızları 5 ila 10 kat daha yüksektir.
- GPU sanal makine şekilleri OCI Data Science'ta kullanıma sunuldu
- RAPIDS içeren NVIDIA GPU'lar ile makine öğrenimi kullanımını hızlandırın
İşler
İşler'i kullanarak tekrarlanabilir veri bilimi görevlerini toplu işlem modunda çalıştırın. Yalın donanım NVIDIA GPU'lar ve dağıtılmış eğitim desteğiyle model eğitiminizi ölçeklendirin.
İş oluşumlarını konsolda düzenleme
Kod Düzenleyici'yi kullanarak Data Science iş oluşumlarını doğrudan OCI Console'dan kolayca oluşturun, düzenleyin ve çalıştırın. Git entegrasyonu, otomatik sürüm oluşturma, kişiselleştirme ve daha fazlası ile birlikte gelir.
Yönetişim ve model yönetimi
Model kataloğu
Veri bilimciler, tamamlanmış makine öğrenimi modellerini korumak ve paylaşmak için model kataloğunu kullanır. Katalog, oluşumları depolar ve modelin taksonomisi ile bağlamına dair meta verileri, hiper parametreleri, model girdi ve çıktı veri şemalarının tanımlarını ve kaynak kodu ile eğitim ortamı dahil olmak üzere model kaynağıyla ilgili detaylı köken bilgilerini yakalar.
Model değerlendirme ve karşılaştırma
Model performansını yeni verilerle ölçmek ve model adaylarını karşılaştırmak için otomatik olarak kapsamlı bir metrik ve görselleştirme paketi oluşturun.
Yeniden oluşturulabilir ortamlar
NLP, bilgisayarlı görüş, tahmin, grafik analitiği ve Spark gibi çeşitli kullanım senaryolarında kullanılmak üzere önceden oluşturulmuş, derlenmiş conda ortamlarından yararlanın. Özel ortamlar yayımlayıp iş arkadaşlarınızla paylaşarak eğitim ve çıkarım ortamlarının yeniden oluşturulmasını sağlayın.
Sürüm kontrolü
Veri bilimciler, makine öğrenimi çalışmalarını korumak ve almak için kuruluşlarının Git veri havuzuna bağlanabilir.
Otomasyon ve MLOps
Yönetilen model dağıtımı
Makine öğrenimi modellerini, yeni verilerde gerçek zamanlı olarak model tahminleri sunmaya yönelik HTTP uç noktaları olarak devreye alın. Model kataloğundan devreye almak için tıklamanız yeterlidir. OCI Data Science, hesaplama sağlaması ve yük dengeleme dahil tüm altyapı operasyonlarını yürütür.
Makine öğrenimi hatları
Makine öğrenimi ardışık düzenlerini yazmak, hatalarını ayıklamak, izlemek, yönetmek ve yürütmek için tümüyle yönetilen bir hizmetle model geliştirme, eğitme ve dağıtımı iş akışlarınızı operasyonel hâle getirin ve otomatikleştirin.
Makine öğrenimi izleme
Veriler ve kavram değişimleri için üretimdeki modelleri sürekli olarak izleyin. Veri bilimciler, site güvenilirliği mühendisleri ve DevOps mühendislerinin uyarı almasını ve model yeniden eğitimi ihtiyaçlarını hızlı bir şekilde değerlendirmesini sağlar.
Makine öğrenimi uygulamaları
Başlangıçta Oracle'ın kendi SaaS uygulamalarının yapay zeka özelliklerini gömülü hâle getirmesi için tasarlanmış olan makine öğrenimi uygulamaları artık binlerce müşterisi için yüzlerce modele sahip ISV'lerin geliştirme, yetkilendirme ve devam eden bakım ve filo yönetimi dahil olmak üzere MLOps yaşam döngüsünün tamamını otomatik hâle getirmek amacıyla kullanılabilir.
Yapay Zeka Hızlı Eylemleri
Kodsuz erişim
OCI Data Science not defterlerindeki sorunsuz kullanıcı arayüzü aracılığıyla tek bir kod satırı yazmadan Mistral, Meta ve diğerlerindeki LLM'leri kullanın.
OCI Object Storage'dan herhangi bir LLM'yi içe aktarın, daha sonra kullanımı kolay bir kullanıcı arayüzü aracılığıyla ince ayar yapın ve dağıtın.
Konuşlandırma
En iyi performans için vLLM (UC Berkeley'den), Metin Oluşturma Çıkarması (NVIDIA'dan) veya TensorRT-LLM (NVIDIA'dan) gibi popüler çıkarım sunucuları tarafından desteklenen birkaç tıklamayla LLM'leri dağıtın.
İnce ayar yapın
Optimum performans elde etmek için PyTorch, Hugging Face Accelerate veya ince ayar LLM'leri için DeepSpeed ile dağıtılmış eğitimin avantajından yararlanın. Nesne depolama ile ince ayarlı ağırlıkların depolanmasını etkinleştirin. Ayrıca, hizmet tarafından sağlanan Condas özel Docker ortamı gereksinimini ortadan kaldırır ve daha az yavaşlama ile paylaşım sağlar.
Değerlendirin
Modelin performansının diğer modellere kıyasla nasıl olduğunuzu anlamanıza yardımcı olmak için LLM'niz için BERTScore veya Recall-Oriented Understudy for Gisting Evaluation (ROUGE) temelinde ayrıntılı değerlendirme raporları oluşturun.