Oracle が OOW London でいくつかの発表を行う

Oracle Open World London で、同社はいくつかの発表を行った。 3つの重要な発表には、Oracle Cloud Data Science Platformの利用可能性が含まれます。オラクルは、すべてのデータをサポートする新しいデータベースを作成しました。そしてOracleはMicrosoftとの相互運用性パートナーシップを拡大した。

オラクルは、新しいOracle Cloud Data Science Platformの提供を発表しました。このプラットフォームは機械学習を中心としており、データサイエンティストが ML モデルの構築、トレーニング、管理、デプロイで共同作業できるように支援します。すべてのチームに簡単にアクセスできるようにすることは、大きな変革の可能性を秘めています。プロジェクトの開発時間が短縮されると、完了までに時間がかかるために本番稼働前に終了してしまうのではなく、実装が迅速化される可能性があります。

機能は次のとおりです。

AutoML の自動アルゴリズムの選択と調整により、複数のアルゴリズムとハイパーパラメーター構成に対するテストを実行するプロセスが自動化されます。結果の精度をチェックし、使用するために最適なモデルと構成が選択されていることを確認します。これにより、データサイエンティストの時間が大幅に節約され、さらに重要なことに、すべてのデータサイエンティストが最も経験豊富な実務者と同じ結果を達成できるように設計されています。
自動予測特徴選択により、大規模なデータセットから主要な予測特徴が自動的に識別されるため、特徴エンジニアリングが簡素化されます。
モデル評価では、新しいデータに対するモデルのパフォーマンスを測定するための包括的な評価メトリクスと適切な視覚化を生成し、時間の経過とともにモデルをランク付けして、運用環境での最適な動作を可能にします。モデル評価では、生のパフォーマンスを超えて、予想されるベースライン動作が考慮され、コストモデルが使用されるため、偽陽性と偽陰性のさまざまな影響を完全に組み込むことができます。
モデルの説明: Oracle Cloud Infrastructure Data Scienceは、予測の生成に使用される要素の相対的な重み付けと重要性の自動説明を提供します。 Oracle Cloud Infrastructure Data Scienceは、モデルに依存しない説明の最初の商用実装を提供します。たとえば、不正検出モデルを使用すると、データサイエンティストはどの要因が不正の最大の要因であるかを説明できるため、企業はプロセスを変更したり、安全策を導入したりできます。
共有プロジェクトは、ユーザーが整理し、バージョン管理を有効にし、データやノートブックセッションを含むチームの作業を確実に共有するのに役立ちます。
モデルカタログを使用すると、チームメンバーは、構築済みのモデルと、それらを変更して展開するために必要なアーティファクトを確実に共有できます。
チームベースのセキュリティ・ポリシーにより、ユーザーはOracle Cloud Infrastructure Identity and Access Managementと完全に統合されたモデル、コードおよびデータへのアクセスを制御できます。
再現性と監査可能性の機能により、企業はすべての関連資産を追跡できるため、チームメンバーが退職した場合でも、すべてのモデルを再現して監査できます。

オラクルは、ビジネスのすべてのニーズを満たすことができる単一の統合データベース・エンジンによるワンストップ・フィット・オールのアプローチを求める世界において、データベースをさらに一歩進めました。データベースがすべてのニーズを満たすと述べられているだけでなく、ユーザーは、不正防止のためのブロックチェーン、JSON ドキュメントの柔軟性の活用、データベース内の機械学習アルゴリズムのトレーニングと評価など、新しいテクノロジートレンドも活用できます。

Oracle Databaseの統合機能には次のものが含まれます。

Oracle Machine Learning for Python (OML4Py): Oracle Database内のOracle Machine Learning (OML)は、データに直接適用できる高度なMLアルゴリズムを組み込むことで予測洞察を加速します。 ML アルゴリズムはすでにデータと併置されているため、データをデータベースから移動する必要はありません。データサイエンティストは、Python を使用してデータベース内 ML アルゴリズムを拡張することもできます。
OML4Py AutoML: OML4Py AutoML を使用すると、専門家でなくても機械学習を利用できます。 AutoML は、最適なアルゴリズムを推奨し、特徴選択を自動化し、ハイパーパラメーターを調整してモデルの精度を大幅に向上させます。
ネイティブ永続メモリストア: データベースデータと REDO をローカル永続メモリ (PMEM) に保存できるようになりました。 SQL はマップされた PMEM ファイルシステムに保存されたデータに対して直接実行できるため、IO コードパスが不要になり、大規模なバッファキャッシュの必要性が軽減されます。企業は、高頻度の取引やモバイル通信など、低レイテンシを必要とするワークロード全体でのデータアクセスを高速化できます。
自動インメモリー管理: Oracle Database In-Memory は、分析と混合ワークロードのオンライン・トランザクション処理の両方を最適化し、トランザクションの最適化されたパフォーマンスを提供すると同時に、リアルタイム分析とレポート作成をサポートします。自動インメモリ管理は、データ使用パターンを自動的に評価し、人間の介入なしでインメモリ列ストアに配置することで最もメリットが得られるテーブルを判断することにより、インメモリの使用を大幅に簡素化します。
ネイティブ・ブロックチェーン・テーブル: オラクルは、ブロックチェーン・テクノロジーを簡単に使用して、不正行為の特定と防止を支援します。 Oracle ネイティブブロックチェーンテーブルは標準テーブルのように見えます。 SQL 挿入が可能であり、挿入された行は暗号的にチェーンされます。オプションで、行データに署名して、ID 詐欺から確実に保護できます。 Oracle ブロックチェーンテーブルはアプリに簡単に統合できます。これらは、他のテーブルとのトランザクションやクエリに参加できます。さらに、コミットにはコンセンサスが必要ないため、分散型ブロックチェーンと比較して非常に高い挿入率をサポートします。
JSONバイナリ・データ型: Oracle Databaseにバイナリ形式で保存されたJSONドキュメントにより、更新が4倍高速になり、スキャンが最大10倍高速になります。

最後に、Oracle と Microsoft は、アムステルダムに新しいクラウド相互接続拠点を設けてクラウドパートナーシップを拡大すると発表しました。この新しい場所により、組織は Microsoft Azure と Oracle Cloud で実行されているアプリケーション間でデータを共有できるようになります。これにより、両社が昨年発表したOracleとMicrosoftのクラウド相互運用性パートナーシップがさらに拡大される。

オラクル

Redditで議論する

StorageReview と連携する

Oracle が OOW London でいくつかの発表を行う

アダムアームストロング

新しいIBM FlashSystemファミリーの導入

Dell Technologies が PowerEdge をエッジにもたらす

信頼できるベンダー