Podczas konferencji Oracle Open World London firma ogłosiła kilka nowości. Trzy najważniejsze to dostępność platformy Oracle Cloud Data Science Platform. Oracle stworzyło nową bazę danych, która obsługuje wszystkie rodzaje danych. Oracle rozszerzyło również współpracę z Microsoft w zakresie interoperacyjności.
Firma Oracle ogłosiła dostępność swojej nowej platformy Oracle Cloud Data Science Platform. Platforma ta koncentruje się na uczeniu maszynowym i ułatwia analitykom danych współpracę przy budowaniu, szkoleniu, zarządzaniu i wdrażaniu modeli uczenia maszynowego. Łatwy dostęp wszystkich zespołów niesie ze sobą ogromny potencjał transformacyjny. Krótszy czas realizacji projektu może potencjalnie prowadzić do szybszej implementacji, zamiast rezygnacji z niego przed produkcją ze względu na czas potrzebny na jego ukończenie.
Możliwości obejmują:
- Automatyczny wybór i dostrajanie algorytmów AutoML automatyzuje proces przeprowadzania testów z wykorzystaniem wielu algorytmów i konfiguracji hiperparametrów. Sprawdza dokładność wyników i potwierdza, że wybrano optymalny model i konfigurację. To rozwiązanie pozwala naukowcom zajmującym się danymi zaoszczędzić sporo czasu, a co ważniejsze, pozwala każdemu analitykowi danych osiągać takie same rezultaty, jak najbardziej doświadczeni praktycy.
- Zautomatyzowany wybór cech predykcyjnych upraszcza inżynierię cech poprzez automatyczną identyfikację kluczowych cech predykcyjnych w większych zbiorach danych.
- Ewaluacja modelu generuje kompleksowy zestaw metryk ewaluacyjnych i odpowiednich wizualizacji do pomiaru wydajności modelu w odniesieniu do nowych danych oraz umożliwia rankingowanie modeli w czasie, co pozwala na optymalizację ich działania w środowisku produkcyjnym. Ewaluacja modelu wykracza poza surową wydajność, uwzględniając oczekiwane zachowanie bazowe i wykorzystuje model kosztów, co pozwala na pełne uwzględnienie zróżnicowanego wpływu wyników fałszywie dodatnich i fałszywie ujemnych.
- Wyjaśnienie modelu: Oracle Cloud Infrastructure Data Science zapewnia automatyczne wyjaśnienie względnego ważenia i ważności czynników wpływających na generowanie prognoz. Oracle Cloud Infrastructure Data Science oferuje pierwszą komercyjną implementację wyjaśnienia niezależnego od modelu. Na przykład, dzięki modelowi wykrywania oszustw, analityk danych może wyjaśnić, które czynniki są głównymi czynnikami napędzającymi oszustwa, co pozwala firmie na modyfikację procesów lub wdrożenie zabezpieczeń.
- Współdzielone projekty pomagają użytkownikom organizować pracę, umożliwiają kontrolę wersji i umożliwiają niezawodne udostępnianie pracy zespołowej, w tym danych i sesji notatników.
- Katalogi modeli umożliwiają członkom zespołu niezawodne dzielenie się już zbudowanymi modelami i artefaktami niezbędnymi do ich modyfikacji i wdrażania.
- Zespołowe zasady bezpieczeństwa umożliwiają użytkownikom kontrolowanie dostępu do modeli, kodu i danych, które są w pełni zintegrowane z rozwiązaniem Oracle Cloud Infrastructure Identity and Access Management.
- Funkcjonalności powtarzalności i audytowalności umożliwiają przedsiębiorstwu śledzenie wszystkich istotnych zasobów, dzięki czemu wszystkie modele mogą być odtwarzane i audytowane, nawet jeśli członkowie zespołu odejdą.
Oracle posunął bazy danych o krok dalej w świecie, który poszukuje uniwersalnego rozwiązania z jednym, konwergentnym silnikiem baz danych, zdolnym do zaspokojenia wszystkich potrzeb firmy. Baza danych nie tylko spełnia wszystkie wymagania, ale także pozwala użytkownikom wykorzystać nowe trendy technologiczne, takie jak technologia blockchain do zapobiegania oszustwom, elastyczność dokumentów JSON czy trenowanie i ewaluacja algorytmów uczenia maszynowego w bazie danych.
Połączone możliwości bazy danych Oracle obejmują:
- Oracle Machine Learning for Python (OML4Py): Oracle Machine Learning (OML) w bazie danych Oracle przyspiesza predykcyjne analizy danych poprzez osadzanie zaawansowanych algorytmów uczenia maszynowego (ML), które można stosować bezpośrednio do danych. Ponieważ algorytmy uczenia maszynowego są już zintegrowane z danymi, nie ma potrzeby przenoszenia danych poza bazę danych. Analitycy danych mogą również używać języka Python do rozszerzania algorytmów uczenia maszynowego w bazie danych.
- OML4Py AutoML: Dzięki OML4Py AutoML nawet osoby bez specjalistycznej wiedzy mogą korzystać z uczenia maszynowego. AutoML rekomenduje algorytmy najlepszego dopasowania, automatyzuje dobór cech i dostraja hiperparametry, aby znacząco poprawić dokładność modelu.
- Natywny, trwały magazyn pamięci: Dane bazy danych i operacje redo mogą być teraz przechowywane w lokalnej pamięci trwałej (PMEM). SQL może działać bezpośrednio na danych przechowywanych w mapowanym systemie plików PMEM, eliminując ścieżkę kodu wejścia/wyjścia i zmniejszając potrzebę stosowania dużych buforów pamięci podręcznej. Umożliwia przedsiębiorstwom przyspieszenie dostępu do danych w przypadku obciążeń wymagających mniejszych opóźnień, w tym w transakcjach o wysokiej częstotliwości i komunikacji mobilnej.
- Automatyczne zarządzanie w pamięci: Oracle Database In-Memory optymalizuje zarówno analitykę, jak i przetwarzanie transakcji online w obciążeniach mieszanych, zapewniając optymalną wydajność transakcji, a jednocześnie obsługując analizy i raportowanie w czasie rzeczywistym. Automatyczne zarządzanie w pamięci znacznie upraszcza korzystanie z pamięci, automatycznie oceniając wzorce wykorzystania danych i określając, bez ingerencji człowieka, które tabele odniosłyby największe korzyści z umieszczenia ich w magazynie kolumn In-Memory.
- Natywne tabele blockchain: Oracle ułatwia wykorzystanie technologii blockchain do identyfikacji i zapobiegania oszustwom. Natywne tabele blockchain Oracle wyglądają jak standardowe tabele. Umożliwiają one wstawianie danych SQL, a wstawiane wiersze są łączone kryptograficznie. Opcjonalnie dane wierszy mogą być podpisywane, aby zapewnić ochronę przed kradzieżą tożsamości. Tabele blockchain Oracle można łatwo zintegrować z aplikacjami. Mogą uczestniczyć w transakcjach i zapytaniach z innymi tabelami. Ponadto, w porównaniu ze zdecentralizowanym blockchainem, obsługują bardzo wysokie wskaźniki wstawiania danych, ponieważ zatwierdzenia nie wymagają konsensusu.
- Typ danych binarnych JSON: dokumenty JSON przechowywane w formacie binarnym w bazie danych Oracle umożliwiają 4-krotnie szybsze aktualizacje i nawet 10-krotnie szybsze skanowanie.
Oracle i Microsoft ogłosiły rozszerzenie partnerstwa w zakresie chmury o nową lokalizację w Amsterdamie, umożliwiającą współpracę między chmurami. Nowa lokalizacja umożliwi organizacjom udostępnianie danych między aplikacjami działającymi w Microsoft Azure i Oracle Cloud. To kolejne rozszerzenie partnerstwa Oracle i Microsoft w zakresie interoperacyjności chmury, ogłoszonego przez firmy w zeszłym roku.
Dyskusja na Reddicie
Amazon