Oracle Open World London에서 이 회사는 몇 가지 발표를 했습니다. 세 가지 주요 발표에는 Oracle Cloud Data Science Platform의 가용성이 포함됩니다. 오라클은 모든 데이터를 지원하는 새로운 데이터베이스를 만들었습니다. 또한 Oracle은 Microsoft와의 상호 운용성 파트너십을 확장했습니다.
Oracle Open World London에서 이 회사는 몇 가지 발표를 했습니다. 세 가지 주요 발표에는 Oracle Cloud Data Science Platform의 가용성이 포함됩니다. 오라클은 모든 데이터를 지원하는 새로운 데이터베이스를 만들었습니다. 또한 Oracle은 Microsoft와의 상호 운용성 파트너십을 확장했습니다.
오라클은 새로운 Oracle Cloud Data Science Platform의 가용성을 발표했습니다. 이 플랫폼은 기계 학습을 중심으로 하며 데이터 과학자가 ML 모델을 구축, 교육, 관리 및 배포하는 데 협력할 수 있도록 지원합니다. 모든 팀에 쉽게 액세스할 수 있도록 하면 엄청난 혁신 잠재력이 있습니다. 프로젝트를 개발하는 데 더 빠른 시간이 걸리면 완료하는 데 걸리는 시간으로 인해 생산 전에 종료되는 것보다 잠재적으로 더 빠른 구현으로 이어질 수 있습니다.
기능에는 다음이 포함됩니다.
- AutoML 자동화 알고리즘 선택 및 튜닝은 여러 알고리즘 및 하이퍼파라미터 구성에 대한 테스트 실행 프로세스를 자동화합니다. 결과의 정확성을 확인하고 최적의 모델과 구성이 선택되었는지 확인합니다. 이를 통해 데이터 과학자의 시간을 크게 절약할 수 있으며, 더 중요한 것은 모든 데이터 과학자가 가장 숙련된 실무자와 동일한 결과를 달성할 수 있도록 설계되었다는 것입니다.
- 자동화된 예측 기능 선택은 더 큰 데이터 세트에서 주요 예측 기능을 자동으로 식별하여 기능 엔지니어링을 단순화합니다.
- 모델 평가는 새로운 데이터에 대한 모델 성능을 측정하기 위해 포괄적인 평가 지표 및 적절한 시각화 모음을 생성하고 시간이 지남에 따라 모델의 순위를 지정하여 프로덕션에서 최적의 동작을 가능하게 합니다. 모델 평가는 원시 성능을 넘어 예상되는 기본 동작을 고려하고 비용 모델을 사용하므로 오탐지 및 오탐지의 다양한 영향을 완전히 통합할 수 있습니다.
- 모델 설명: Oracle Cloud Infrastructure Data Science는 예측 생성에 들어가는 요소의 상대적 가중치 및 중요성에 대한 자동 설명을 제공합니다. Oracle Cloud Infrastructure Data Science는 모델에 구애받지 않는 설명의 최초 상용 구현을 제공합니다. 예를 들어 사기 탐지 모델을 사용하면 데이터 과학자가 사기의 가장 큰 동인인 요소를 설명할 수 있으므로 비즈니스에서 프로세스를 수정하거나 보호 장치를 구현할 수 있습니다.
- 공유 프로젝트는 사용자가 데이터 및 노트북 세션을 포함하여 팀의 작업을 구성하고 버전 제어를 활성화하고 안정적으로 공유할 수 있도록 도와줍니다.
- 모델 카탈로그를 사용하면 팀 구성원이 이미 구축된 모델과 이를 수정하고 배포하는 데 필요한 아티팩트를 안정적으로 공유할 수 있습니다.
- 팀 기반 보안 정책을 통해 사용자는 Oracle Cloud Infrastructure Identity and Access Management와 완전히 통합된 모델, 코드 및 데이터에 대한 액세스를 제어할 수 있습니다.
- 재현성 및 감사 가능성 기능을 통해 기업은 모든 관련 자산을 추적할 수 있으므로 팀 구성원이 떠나더라도 모든 모델을 재현하고 감사할 수 있습니다.
Oracle은 비즈니스의 모든 요구 사항을 충족할 수 있는 단일 통합 데이터베이스 엔진을 통해 모든 것을 충족하는 원스톱 접근 방식을 원하는 세상에서 데이터베이스를 한 단계 더 발전시켰습니다. 데이터베이스는 모든 요구 사항을 충족한다고 명시되어 있을 뿐만 아니라 사용자는 사기 방지를 위한 블록체인, JSON 문서의 유연성 활용 또는 데이터베이스 내부의 기계 학습 알고리즘 교육 및 평가와 같은 새로운 기술 동향을 활용할 수 있습니다.
Oracle Database의 통합 기능은 다음과 같습니다.
- OML4Py(Oracle Machine Learning for Python): Oracle Database 내부의 Oracle Machine Learning(OML)은 데이터에 직접 적용할 수 있는 고급 ML 알고리즘을 내장하여 예측 통찰력을 가속화합니다. ML 알고리즘은 이미 데이터와 함께 배치되어 있으므로 데이터를 데이터베이스 외부로 옮길 필요가 없습니다. 데이터 과학자는 Python을 사용하여 데이터베이스 내 ML 알고리즘을 확장할 수도 있습니다.
- OML4Py AutoML: OML4Py AutoML을 사용하면 비전문가도 기계 학습을 활용할 수 있습니다. AutoML은 최적의 알고리즘을 추천하고, 기능 선택을 자동화하고, 하이퍼파라미터를 조정하여 모델 정확도를 크게 향상시킵니다.
- 기본 영구 메모리 저장소: 이제 데이터베이스 데이터 및 redo를 로컬 영구 메모리(PMEM)에 저장할 수 있습니다. SQL은 매핑된 PMEM 파일 시스템에 저장된 데이터에서 직접 실행될 수 있으므로 IO 코드 경로가 제거되고 대용량 버퍼 캐시의 필요성이 줄어듭니다. 초단타 거래 및 모바일 통신을 포함하여 짧은 대기 시간을 요구하는 워크로드에서 기업이 데이터 액세스를 가속화할 수 있습니다.
- 자동 인메모리 관리: Oracle Database In-Memory는 분석 및 혼합 워크로드 온라인 트랜잭션 처리를 모두 최적화하여 트랜잭션에 대해 최적화된 성능을 제공하는 동시에 실시간 분석 및 보고를 지원합니다. 자동 In-Memory 관리는 데이터 사용 패턴을 자동으로 평가하고 사람의 개입 없이 어떤 테이블이 In-Memory Column Store에 배치될 때 가장 이점이 있는지 결정하여 In-Memory 사용을 크게 단순화합니다.
- 네이티브 블록체인 테이블: 오라클은 블록체인 기술을 쉽게 사용하여 사기를 식별하고 방지할 수 있도록 합니다. Oracle 기본 블록체인 테이블은 표준 테이블처럼 보입니다. SQL 삽입을 허용하고 삽입된 행은 암호로 연결됩니다. 선택적으로 ID 사기 방지를 위해 행 데이터에 서명할 수 있습니다. Oracle 블록체인 테이블은 앱에 간단하게 통합됩니다. 다른 테이블과의 트랜잭션 및 쿼리에 참여할 수 있습니다. 또한 커밋에 합의가 필요하지 않기 때문에 분산형 블록체인에 비해 매우 높은 삽입률을 지원합니다.
- JSON 바이너리 데이터 유형: Oracle Database에 바이너리 형식으로 저장된 JSON 문서는 4배 더 빠른 업데이트와 최대 10배 더 빠른 스캔을 가능하게 합니다.
마지막으로 Oracle과 Microsoft는 암스테르담의 새로운 클라우드 상호 연결 위치로 클라우드 파트너십을 확장한다고 발표했습니다. 이 새로운 위치를 통해 조직은 Microsoft Azure 및 Oracle Cloud에서 실행되는 애플리케이션 간에 데이터를 공유할 수 있습니다. 이로써 작년에 두 회사가 발표한 Oracle, Microsoft 클라우드 상호 운용성 파트너십이 더욱 확장됩니다.
Reddit에서 토론
StorageReview에 참여
뉴스레터 | 유튜브 | 팟캐스트 iTunes/스포티 파이 | 인스타그램 | 트위터 | 페이스북 | RSS 피드
