Menú Comunicarse con nosotros Iniciar sesión en Oracle Cloud

Aprendizaje automático de Oracle Database

Machine Learning in Oracle Database permite la exploración de datos, la preparación y la creación de modelos de machine learning (ML) a escala mediante SQL, R, Python, REST, ML automatizado (AutoML) e interfaces sin código. Incluye más de 30 algoritmos de alto rendimiento en la base de datos que producen modelos para su uso inmediato en aplicaciones. Al mantener los datos en la base de datos, las organizaciones pueden simplificar su arquitectura general y mantener la sincronización y seguridad de los datos. Permite a los científicos de datos y a otros profesionales de datos crear modelos rápidamente al simplificar y automatizar elementos clave del ciclo de vida del aprendizaje automático.

Oracle DatabaseWorld: Edición Multicloud con IA

Impulsa tus estrategias de IA y multicloud con las últimas innovaciones de Oracle en tecnologías de bases de datos y nube. Mira las sesiones bajo demanda para obtener más información.

Ver ahora

Presentamos Oracle Machine Learning Monitoring en Autonomous Database
Evita la deriva de datos y supervisa el rendimiento de tus modelos de aprendizaje automático. Las nuevas capacidades de supervisión con Machine Learning en los servicios de Oracle Database te alertan sobre problemas tanto en los datos como en la calidad del modelo nativo en la base de datos.

Leer el anuncio
Uso de paquetes Python y R de terceros personalizados en Autonomous Database
Aprovecha los ecosistemas de paquetes Python y R más amplios en Oracle Autonomous Database en Oracle Machine Learning Notebooks. Ejecuta funciones definidas por el usuario con funcionalidad de paquetes de terceros en los motores generados y gestionados por el entorno de Oracle Database.

Lee el blog sobre el uso de paquetes personalizados de Python y R de terceros en Autonomous Database
Ejecuta R a escala en los datos de la base de datos con Oracle Machine Learning for R
Consulta, transforma y analiza los datos de forma más rápida y a escala, al tiempo que utilizas semántica y sintaxis R conocidas y aprovechas Oracle Database como un entorno informático de alto rendimiento.

Lee el blog sobre cómo ejecutar R a gran escala en datos de base de datos con Oracle Machine Learning for R
Incorporación de IA/ML en tu aplicación utilizando Oracle Machine Learning
Implementar y escalar modelos de machine learning y soluciones basadas en Python y R en producción a menudo presenta desafíos. Aprende cómo simplificar la incorporación de IA y ML en aplicaciones utilizando Machine Learning en Oracle Database.

Ver la grabación (39:21)

¿Por qué elegir Machine Learning in Oracle Database?

Consulta todas las características

Oracle Database soporta la gestión de datos, las opciones de desarrollo y despliegue de modelos, la supervisión de datos y modelos y la colaboración en equipo. Mejora la productividad con automatización incorporada, rendimiento de ejecución en la base de datos y escalabilidad. Identifica posibles sesgos en los datos y comprende los factores que contribuyen a elaborar las predicciones.

Operaciones en la base de datos

Construye modelos y evalúa datos de manera más rápida y a gran escala sin extraer datos a motores de análisis separados. La arquitectura de escalabilidad horizontal de Oracle Exadata y la tecnología Smart Scan ayudan a conseguir resultados rápidos.

API en múltiples idiomas

Elige entre interfaces SQL, Python y R para la exploración y preparación de datos en la base de datos, el modelado de aprendizaje automático y el despliegue de soluciones. Además, despliega soluciones Python y R con SQL y REST.

Sin traslado de datos

Procesa los datos donde residen en Oracle Database para simplificar la exploración y preparación de datos, así como la creación y el despliegue de modelos. Acelera el desarrollo de aplicaciones, reduce la complejidad y aborda la seguridad de los datos.

Creación de modelos sin código

Mejora la productividad de los científicos de datos y permite a los usuarios no expertos utilizar algoritmos integrados en la base de datos para clasificación y regresión a través de una interfaz de usuario AutoML sin código.

Supervisión de datos y modelos

Obtén insights sobre cómo evolucionan tus datos y modelos de aprendizaje automático a lo largo del tiempo y acelera la toma de medidas correctivas para evitar problemas que puedan tener un importante impacto negativo en la empresa. Utiliza puntos finales REST e interfaces de usuario sin código.

Implementación empresarial rápida

Logre la disponibilidad inmediata de modelos de machine learning con opciones sencillas de implementación mediante interfaces SQL y REST.

Trae tu propio modelo

Importa modelos de transformador de texto, clasificación, regresión y agrupación en clústeres en formato Open Neural Network Exchange (ONNX) para utilizarlos desde SQL con ONNX Runtime en la base de datos. Despliega modelos de formato ONNX en Oracle Machine Learning Services para inferir casos de uso en tiempo real.

Computación de alto rendimiento

Evita problemas de rendimiento durante la preparación de datos, construcción de modelos y evaluación con el paralelismo y la escalabilidad integrados de Oracle Database, con optimizaciones únicas para Oracle Exadata.

Seguridad integrada

Benefíciate de la seguridad integrada, el cifrado y el acceso basado en roles de Oracle Database a datos de usuario, modelos de terceros, y objetos y scripts en R y Python, todo dentro de la base de datos.

El aprendizaje automático en los éxitos de clientes de Oracle Database

Descubre todos los casos de éxito de nuestros clientes

10 de septiembre de 2024

Anuncio del soporte de GPU para Oracle Machine Learning Notebooks en Autonomous Database

Mark Hornick, director general, Data Science and Machine Learning, Oracle

Oracle Autonomous Database Serverless ahora proporciona acceso integrado a las GPU a través de Oracle Machine Learning Notebooks. Desarrolla código Python con el intérprete de Python de Oracle Machine Learning Notebooks para casos de uso que requieran el rendimiento y la escalabilidad de las GPU, como la ejecución de modelos de inserción de vectores (transformador) y la creación de modelos de aprendizaje profundo para el procesamiento de imágenes satelitales.

Lee el post completo