All'Oracle Open World di Londra, la società ha fatto diversi annunci. I tre annunci principali includono la disponibilità di Oracle Cloud Data Science Platform. Oracle ha creato un nuovo database che supporta tutti i dati. E Oracle ha ampliato la sua partnership di interoperabilità con Microsoft.
All'Oracle Open World di Londra, la società ha fatto diversi annunci. I tre annunci principali includono la disponibilità di Oracle Cloud Data Science Platform. Oracle ha creato un nuovo database che supporta tutti i dati. E Oracle ha ampliato la sua partnership di interoperabilità con Microsoft.
Oracle ha annunciato la disponibilità della sua nuova piattaforma Oracle Cloud Data Science. Questa piattaforma è incentrata sull'apprendimento automatico e aiuta i data scientist a collaborare alla creazione, formazione, gestione e distribuzione di modelli ML. Dare un facile accesso a tutti i team racchiude un enorme potenziale di trasformazione. Tempi più rapidi per sviluppare un progetto possono potenzialmente portare a un'implementazione più rapida rispetto alla morte prima della produzione a causa del tempo necessario per completarli.
Le funzionalità includono:
- La selezione e l'ottimizzazione automatizzata degli algoritmi AutoML automatizzano il processo di esecuzione dei test su più algoritmi e configurazioni di iperparametri. Controlla l'accuratezza dei risultati e conferma che sono stati selezionati il modello e la configurazione ottimali per l'uso. Ciò consente un notevole risparmio di tempo per i data scientist e, cosa ancora più importante, è progettato per consentire a ogni data scientist di ottenere gli stessi risultati dei professionisti più esperti.
- La selezione automatizzata delle funzionalità predittive semplifica la progettazione delle funzionalità identificando automaticamente le principali funzionalità predittive da set di dati più grandi.
- La valutazione del modello genera una suite completa di metriche di valutazione e visualizzazioni adeguate per misurare le prestazioni del modello rispetto ai nuovi dati e può classificare i modelli nel tempo per consentire un comportamento ottimale in produzione. La valutazione del modello va oltre le prestazioni grezze per tenere conto del comportamento di base previsto e utilizza un modello di costo in modo che i diversi impatti dei falsi positivi e dei falsi negativi possano essere pienamente incorporati.
- Spiegazione del modello: Oracle Cloud Infrastructure Data Science fornisce una spiegazione automatizzata del peso relativo e dell'importanza dei fattori che contribuiscono alla generazione di una previsione. Oracle Cloud Infrastructure Data Science offre la prima implementazione commerciale della spiegazione indipendente dal modello. Con un modello di rilevamento delle frodi, ad esempio, un data scientist può spiegare quali fattori sono i principali fattori di frode in modo che l’azienda possa modificare i processi o implementare misure di salvaguardia.
- I progetti condivisi aiutano gli utenti a organizzare, abilitare il controllo della versione e condividere in modo affidabile il lavoro di un team, comprese le sessioni di dati e notebook.
- I cataloghi di modelli consentono ai membri del team di condividere in modo affidabile modelli già realizzati e gli artefatti necessari per modificarli e distribuirli.
- Le policy di sicurezza basate sul team consentono agli utenti di controllare l'accesso a modelli, codice e dati, che sono completamente integrati con Oracle Cloud Infrastructure Identity and Access Management.
- Le funzionalità di riproducibilità e verificabilità consentono all'azienda di tenere traccia di tutte le risorse rilevanti, in modo che tutti i modelli possano essere riprodotti e verificati, anche se i membri del team se ne vanno.
Oracle ha portato i database un ulteriore passo avanti in un mondo che richiede un approccio unico per tutti con un unico motore di database convergente in grado di soddisfare tutte le esigenze di un'azienda. Non solo il database soddisfa tutte le esigenze, ma gli utenti possono anche sfruttare le nuove tendenze tecnologiche, come la blockchain per la prevenzione delle frodi, sfruttare la flessibilità dei documenti JSON o formare e valutare gli algoritmi di apprendimento automatico all'interno del database.
Le funzionalità convergenti in Oracle Database includono:
- Oracle Machine Learning for Python (OML4Py): Oracle Machine Learning (OML) all'interno di Oracle Database accelera gli insight predittivi incorporando algoritmi ML avanzati che possono essere applicati direttamente ai dati. Poiché gli algoritmi ML sono già collocati con i dati, non è necessario spostare i dati fuori dal database. I data scientist possono anche utilizzare Python per estendere gli algoritmi ML nel database.
- OML4Py AutoML: con OML4Py AutoML, anche i non esperti possono trarre vantaggio dall'apprendimento automatico. AutoML consiglierà gli algoritmi più adatti, automatizzerà la selezione delle funzionalità e ottimizzerà gli iperparametri per migliorare significativamente la precisione del modello.
- Archivio memoria persistente nativa: i dati del database e le operazioni di ripetizione possono ora essere archiviati nella memoria persistente locale (PMEM). SQL può essere eseguito direttamente sui dati archiviati nel file system PMEM mappato, eliminando il percorso del codice IO e riducendo la necessità di cache buffer di grandi dimensioni. Consente alle aziende di accelerare l'accesso ai dati attraverso carichi di lavoro che richiedono una latenza inferiore, inclusi il trading ad alta frequenza e la comunicazione mobile.
- Gestione automatica in-memory: Oracle Database In-Memory ottimizza sia l'analisi che l'elaborazione delle transazioni online di carichi di lavoro misti, offrendo prestazioni ottimizzate per le transazioni e supportando contemporaneamente analisi e reporting in tempo reale. La gestione automatica in memoria semplifica notevolmente l'utilizzo di In-Memory valutando automaticamente i modelli di utilizzo dei dati e determinando, senza alcun intervento umano, quali tabelle trarrebbero maggiori vantaggi dall'inserimento nell'archivio colonne in-memoria.
- Tabelle Blockchain native: Oracle semplifica l'utilizzo della tecnologia Blockchain per identificare e prevenire le frodi. Le tabelle blockchain native di Oracle sembrano tabelle standard. Consentono inserimenti SQL e le righe inserite sono concatenate crittograficamente. Facoltativamente, i dati delle righe possono essere firmati per garantire la protezione dalle frodi sull'identità. Le tabelle blockchain Oracle sono semplici da integrare nelle app. Sono in grado di partecipare a transazioni e query con altre tabelle. Inoltre, supportano tassi di inserimento molto elevati rispetto a una blockchain decentralizzata perché i commit non richiedono consenso.
- Tipo di dati binari JSON: i documenti JSON archiviati in formato binario nel database Oracle consentono aggiornamenti 4 volte più rapidi e scansioni fino a 10 volte più veloci.
Infine, Oracle e Microsoft hanno annunciato che stanno estendendo la loro partnership cloud con una nuova sede di interconnessione cloud ad Amsterdam. Questa nuova posizione consentirà alle organizzazioni di condividere dati tra applicazioni in esecuzione su Microsoft Azure e Oracle Cloud. Ciò espande ulteriormente la partnership di interoperabilità cloud tra Oracle e Microsoft annunciata dalle società lo scorso anno.
Discuti su Reddit
Interagisci con StorageReview
Newsletter | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | Facebook | RSS feed
