Oracle Machine Learning
Oracle Machine Learningを使用すると、企業の主要なビジネス上の問題を解決し、データ・サイエンスおよび機械学習ベースのソリューションの開発とデプロイメントを促進できます。スケーラブルで自動化された安全な機械学習を利用して、データの探索と準備、モデルの構築、評価およびデプロイメントという課題に対応します。興味のある分野にSQL、Python、RまたはRESTのAPIが含まれる場合や、ノーコードのユーザー・インタフェースが望ましい場合、Oracleはソリューションの開発およびデプロイメントをサポートします。
Oracle Machine Learningスタート・ガイド
Oracle Machine Learningの詳細
現在、特定のOML製品は、特定のOracle Databaseプラットフォームで使用できます。OMLで使用するOracle Databaseプラットフォームを選択します。
OML Notebooks
データ・サイエンティストおよび開発者は、Oracle Autonomous DatabaseでPython、R、SQL、PL/SQL、およびMarkdownのインタプリタをサポートするApache Zeppelinノートブック・テクノロジに基づき、使いやすいマルチユーザー・コラボレーション・インタフェースを介して分析ソリューションを開発します。
使用可能対象: Oracle Autonomous Database
使用可能対象: Oracle Autonomous Database
OML AutoMLユーザー・インタフェース
Autonomous DatabaseでAutoMLをサポートするノーコードのユーザー・インタフェースで、データ・サイエンティストの生産性、および分類や回帰のための強力なデータベース内アルゴリズムへの非エキスパート・ユーザー・アクセスの両方を向上させます。
使用可能対象: Oracle Autonomous Database
使用可能対象: Oracle Autonomous Database
OML Monitoring
OML Monitoringは、データと機械学習のモデルをモニターするための2つの強力な機能を提供します。
使用可能対象: Oracle Autonomous Database
- データ・モニタリングは、長期間にわたるデータ・ドリフト、および機械学習モデルのパフォーマンスにそれが及ぼす潜在的な影響を検知します。この機能は、OML UIおよびOML ServicesAPIで使用できます。
- モデル・モニタリングを使用すると、長期間にわたってモデル・パフォーマンスを追跡できます。この機能は、現在OML ServicesAPIで使用できます。
使用可能対象: Oracle Autonomous Database
OML for SQL
SQLおよびPL/SQLユーザーは、データの探索と準備、機械学習モデルの構築、評価およびデプロイメントにデータベース内計算を利用します。スケーラブルなデータベース内機械学習アルゴリズムを活用し、SQL問合せで直接予測を行います。
使用可能対象: Oracle Database (オンプレミスおよびDatabase Cloud Service)およびOracle Autonomous Database
使用可能対象: Oracle Database (オンプレミスおよびDatabase Cloud Service)およびOracle Autonomous Database
OML for Python
Pythonユーザーは、ユーザー定義Python関数と自動機械学習(AutoML)のAPIサポートの即時デプロイメントを使用して、適切に統合されたPythonインタフェースからデータの探索、データの準備および機械学習を行うために、Oracle DatabaseとOracle Autonomous Databaseのパフォーマンスとスケーラビリティを利用します。
使用可能対象: Oracle DatabaseおよびOracle Database Cloud Service 19cと21c、およびOracle Autonomous Database
使用可能対象: Oracle DatabaseおよびOracle Database Cloud Service 19cと21c、およびOracle Autonomous Database
OML for R
Rユーザーは、ユーザー定義R関数の即時デプロイメントのサポートを使用して、適切に統合されたRインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle DatabaseおよびOracle Autonomous Databaseのパフォーマンスとスケーラビリティを利用します。
使用可能対象: Oracle Database、Oracle Database Cloud ServiceおよびOracle Autonomous Database
使用可能対象: Oracle Database、Oracle Database Cloud ServiceおよびOracle Autonomous Database
OML Services
簡単に統合できるRESTエンドポイントを使用して、ネイティブのデータベース内モデルとONNXフォーマットの分類、回帰およびクラスタリング・モデルをリアルタイム・アプリケーションの外部にデプロイして管理する時間を短縮します。Oracle Machine LearningのAutoMLユーザー・インタフェースから、数回のクリックで統合モデル・デプロイメントのメリットを得られます。
使用可能対象: Oracle Autonomous Database
使用可能対象: Oracle Autonomous Database
Oracle Data Miner
データ・サイエンティストおよび一般データ・サイエンティストがデータを探索して準備し、複数の機械学習モデルを簡単に構築して比較して、予測を行い、モデル・デプロイメントを促進できるOracle SQL Developerの拡張機能です。
使用可能対象: Oracle DatabaseおよびOracle Autonomous Database
使用可能対象: Oracle DatabaseおよびOracle Autonomous Database
OML for Spark
Oracle Machine Learning for SparkはOracle R Advanced Analytics for Hadoopでサポートされており、データ・サイエンティストやアプリケーション開発者が機械学習モデルを構築およびデプロイできるように、R APIを通じてSparkおよびHadoop環境にきわめてスケーラブルな機械学習アルゴリズムを提供します。
使用可能対象: Oracle Big Data Service
使用可能対象: Oracle Big Data Service
OML Notebooks
データ・サイエンティストおよび開発者は、Oracle Autonomous DatabaseでPython、R、SQL、PL/SQL、およびMarkdownのインタプリタをサポートするApache Zeppelinノートブック・テクノロジに基づき、使いやすいマルチユーザー・コラボレーション・インタフェースを介して分析ソリューションを開発します。
OML AutoMLユーザー・インタフェース
Autonomous DatabaseでAutoMLをサポートするノーコードのユーザー・インタフェースで、データ・サイエンティストの生産性、および分類や回帰のための強力なデータベース内アルゴリズムへの非エキスパート・ユーザー・アクセスの両方を向上させます。
OML Monitoring
OML Monitoringは、データと機械学習のモデルをモニターするための2つの強力な機能を提供します。
- データ・モニタリングは、長期間にわたるデータ・ドリフト、および機械学習モデルのパフォーマンスにそれが及ぼす潜在的な影響を検知します。この機能は、OML UIおよびOML ServicesAPIで使用できます。
- モデル・モニタリングを使用すると、長期間にわたってモデル・パフォーマンスを追跡できます。この機能は、現在OML ServicesAPIで使用できます。
OML for SQL
SQLおよびPL/SQLユーザーは、データの探索と準備、機械学習モデルの構築、評価およびデプロイメントにデータベース内計算を利用します。スケーラブルなデータベース内機械学習アルゴリズムを活用し、SQL問合せで直接予測を行います。
OML for Python
Pythonユーザーは、SQLやREST APIを使用したユーザー定義Python関数の即時デプロイメント、および自動機械学習(AutoML)のAPIサポートを使用して、適切に統合されたPythonインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Autonomous Databaseのパフォーマンスとスケーラビリティを利用します。
OML for R
Rユーザーは、SQLおよびREST APIを使用するユーザー定義R関数の即時デプロイメントのサポートを使用して、適切に統合されたRインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Autonomous Databaseのパフォーマンスとスケーラビリティを利用します。
OML Services
簡単に統合できるRESTエンドポイントを使用して、ネイティブのデータベース内モデルとONNXフォーマットの分類、回帰およびクラスタリング・モデルをリアルタイム・アプリケーションの外部にデプロイして管理する時間を短縮します。Oracle Machine LearningのAutoMLユーザー・インタフェースから、数回のクリックで統合モデル・デプロイメントのメリットを得られます。
Oracle Data Miner
データ・サイエンティストおよび一般データ・サイエンティストがデータを探索して準備し、複数の機械学習モデルを簡単に構築して比較して、予測を行い、モデル・デプロイメントを促進できるOracle SQL Developerの拡張機能です。
OML for SQL
SQLおよびPL/SQLユーザーは、データの探索と準備、機械学習モデルの構築、評価およびデプロイメントにデータベース内計算を利用します。スケーラブルなデータベース内機械学習アルゴリズムを活用し、SQL問合せで直接予測を行います。
OML for Python
Pythonユーザーは、SQL APIからのユーザー定義Python関数の即時デプロイメント、および自動機械学習(AutoML)のAPIサポートを使用して、適切に統合されたPythonインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Databaseのパフォーマンスとスケーラビリティを利用します。
OML for R
Rユーザーは、SQL APIからのユーザー定義R関数の即時デプロイメントのサポートを使用して、適切に統合されたRインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Databaseのパフォーマンスとスケーラビリティを利用します。
Oracle Data Miner
データ・サイエンティストおよび一般データ・サイエンティストがデータを探索して準備し、複数の機械学習モデルを簡単に構築して比較して、予測を行い、モデル・デプロイメントを促進できるOracle SQL Developerの拡張機能です。
OML for SQL
SQLおよびPL/SQLユーザーは、データの探索と準備、機械学習モデルの構築、評価およびデプロイメントにデータベース内計算を利用します。スケーラブルなデータベース内機械学習アルゴリズムを活用し、SQL問合せで直接予測を行います。
OML for Python
Pythonユーザーは、SQL APIからのユーザー定義Python関数の即時デプロイメント、および自動機械学習(AutoML)のAPIサポートを使用して、適切に統合されたPythonインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Databaseのパフォーマンスとスケーラビリティを利用します。
OML for R
Rユーザーは、SQL APIからのユーザー定義R関数の即時デプロイメントのサポートを使用して、適切に統合されたRインタフェースから、データの探索、データの準備および機械学習を行うために、Oracle Databaseのパフォーマンスとスケーラビリティを利用します。
Oracle Data Miner
データ・サイエンティストおよび一般データ・サイエンティストがデータを探索して準備し、複数の機械学習モデルを簡単に構築して比較して、予測を行い、モデル・デプロイメントを促進できるOracle SQL Developerの拡張機能です。
OML for Spark
Oracle Machine Learning for SparkはOracle R Advanced Analytics for Hadoopでサポートされており、データ・サイエンティストやアプリケーション開発者が機械学習モデルを構築およびデプロイできるように、R APIを通じてSparkおよびHadoop環境にきわめてスケーラブルな機械学習アルゴリズムを提供します。