No Oracle Open World London, a empresa fez vários anúncios. Os três principais anúncios incluem a disponibilidade do Oracle Cloud Data Science Platform. A Oracle criou um novo banco de dados que suporta todos os dados. E a Oracle expandiu sua parceria de interoperabilidade com a Microsoft.
No Oracle Open World London, a empresa fez vários anúncios. Os três principais anúncios incluem a disponibilidade do Oracle Cloud Data Science Platform. A Oracle criou um novo banco de dados que suporta todos os dados. E a Oracle expandiu sua parceria de interoperabilidade com a Microsoft.
A Oracle anunciou a disponibilidade de sua nova Oracle Cloud Data Science Platform. Essa plataforma gira em torno do aprendizado de máquina e ajuda os cientistas de dados a colaborar na criação, treinamento, gerenciamento e implantação de modelos de ML. Oferecer acesso fácil a todas as equipes tem um enorme potencial de transformação. Um tempo mais rápido para desenvolver um projeto pode potencialmente levar a uma implementação mais rápida versus morrer antes da produção devido ao tempo que leva para finalizá-los.
As capacidades incluem:
- A seleção e o ajuste automatizados de algoritmos do AutoML automatizam o processo de execução de testes em vários algoritmos e configurações de hiperparâmetros. Ele verifica a precisão dos resultados e confirma se o modelo e a configuração ideais foram selecionados para uso. Isso economiza um tempo significativo para os cientistas de dados e, mais importante, é projetado para permitir que todos os cientistas de dados alcancem os mesmos resultados que os profissionais mais experientes.
- A seleção automatizada de recursos preditivos simplifica a engenharia de recursos, identificando automaticamente os principais recursos preditivos de conjuntos de dados maiores.
- A avaliação do modelo gera um conjunto abrangente de métricas de avaliação e visualizações adequadas para medir o desempenho do modelo em relação a novos dados e pode classificar os modelos ao longo do tempo para permitir um comportamento ideal na produção. A avaliação do modelo vai além do desempenho bruto para levar em conta o comportamento esperado da linha de base e usa um modelo de custo para que os diferentes impactos de falsos positivos e falsos negativos possam ser totalmente incorporados.
- Explicação do modelo: Oracle Cloud Infrastructure Data Science fornece explicação automatizada da ponderação relativa e importância dos fatores que entram na geração de uma previsão. O Oracle Cloud Infrastructure Data Science oferece a primeira implementação comercial de explicação independente de modelo. Com um modelo de detecção de fraude, por exemplo, um cientista de dados pode explicar quais fatores são os maiores impulsionadores da fraude para que a empresa possa modificar processos ou implementar proteções.
- Os projetos compartilhados ajudam os usuários a organizar, habilitar o controle de versão e compartilhar de forma confiável o trabalho de uma equipe, incluindo dados e sessões de notebook.
- Os catálogos de modelos permitem que os membros da equipe compartilhem de forma confiável modelos já construídos e os artefatos necessários para modificá-los e implantá-los.
- As políticas de segurança baseadas em equipe permitem que os usuários controlem o acesso a modelos, códigos e dados, que são totalmente integrados ao Oracle Cloud Infrastructure Identity and Access Management.
- As funcionalidades de reprodutibilidade e auditabilidade permitem que a empresa acompanhe todos os ativos relevantes, para que todos os modelos possam ser reproduzidos e auditados, mesmo que os membros da equipe saiam.
A Oracle levou os bancos de dados um passo adiante em um mundo que deseja uma abordagem completa com um único mecanismo de banco de dados convergente capaz de atender a todas as necessidades de uma empresa. Além de o banco de dados atender a todas as necessidades, os usuários também podem aproveitar novas tendências de tecnologia, como blockchain para prevenção de fraudes, alavancar a flexibilidade de documentos JSON ou treinar e avaliar algoritmos de aprendizado de máquina dentro do banco de dados.
Os recursos convergentes no Oracle Database incluem:
- Oracle Machine Learning para Python (OML4Py): O Oracle Machine Learning (OML) dentro do Oracle Database acelera insights preditivos incorporando algoritmos avançados de ML que podem ser aplicados diretamente aos dados. Como os algoritmos de ML já estão colocados com os dados, não há necessidade de mover os dados para fora do banco de dados. Os cientistas de dados também podem usar o Python para estender os algoritmos de ML no banco de dados.
- OML4Py AutoML: Com o OML4Py AutoML, até mesmo não especialistas podem aproveitar o aprendizado de máquina. O AutoML recomendará algoritmos de melhor ajuste, automatizará a seleção de recursos e ajustará os hiperparâmetros para melhorar significativamente a precisão do modelo.
- Armazenamento de memória persistente nativa: dados de banco de dados e refazer agora podem ser armazenados na memória persistente local (PMEM). O SQL pode ser executado diretamente nos dados armazenados no sistema de arquivos PMEM mapeado, eliminando o caminho do código IO e reduzindo a necessidade de grandes caches de buffer. Permite que as empresas acelerem o acesso a dados em cargas de trabalho que exigem menor latência, incluindo comércio de alta frequência e comunicação móvel.
- Gerenciamento Automático In-Memory: O Oracle Database In-Memory otimiza tanto a análise quanto o processamento de transações on-line de cargas de trabalho mistas, oferecendo desempenho otimizado para transações e, ao mesmo tempo, oferecendo suporte a análises e relatórios em tempo real. O Gerenciamento Automático In-Memory simplifica muito o uso do In-Memory, avaliando automaticamente os padrões de uso de dados e determinando, sem qualquer intervenção humana, quais tabelas se beneficiariam mais de serem colocadas no In-Memory Column Store.
- Native Blockchain Tables: A Oracle facilita o uso da tecnologia Blockchain para ajudar a identificar e prevenir fraudes. As tabelas blockchain nativas da Oracle se parecem com tabelas padrão. Eles permitem inserções SQL e as linhas inseridas são encadeadas criptograficamente. Opcionalmente, os dados da linha podem ser assinados para garantir proteção contra fraude de identidade. As tabelas blockchain da Oracle são simples de integrar aos aplicativos. Eles podem participar de transações e consultas com outras tabelas. Além disso, eles suportam taxas de inserção muito altas em comparação com um blockchain descentralizado porque os commits não requerem consenso.
- Tipo de dados binários JSON: documentos JSON armazenados em formato binário no banco de dados Oracle permitem atualizações 4 vezes mais rápidas e varreduras até 10 vezes mais rápidas.
Por fim, a Oracle e a Microsoft anunciaram que estão estendendo sua parceria de nuvem com um novo local de interconexão de nuvem em Amsterdã. Esse novo local permitirá que as organizações compartilhem dados entre aplicativos em execução no Microsoft Azure e no Oracle Cloud. Isso expande ainda mais a parceria de interoperabilidade em nuvem Oracle e Microsoft que as empresas anunciaram no ano passado.
Discuta no Reddit
Envolva-se com a StorageReview
Newsletter | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | Facebook | RSS feed
