API

OML4Py

Oracle Machine Learning for Python (OML4Py)では、Oracle Autonomous DatabaseインスタンスとOracle Databaseインスタンスに格納されているデータや、Python APIを使用してそれらのインスタンスを介してアクセス可能なデータに対して、データ変換のためや、統計分析、機械学習分析およびグラフィカル分析のためのPythonコードを実行できます。OML4Pyは、PythonユーザーがPython構文を使用してデータベース表内およびビュー内のデータを操作できるようにする、独自のPythonモジュールです。OML4Pyでは、厳選された一連のPython関数およびメソッド(リクエストされた機能をデータベース内処理で実行するためにSQLとPL/SQLを透過的に生成する)が提供されます。

OML4Pyユーザーは、自動機械学習(AutoML)を使用して、自動化されたアルゴリズム選択と特徴選択、および自動化されたモデルのチューニングと選択によって、ユーザーの生産性と機械学習の結果を向上させることができます。Embedded Python Executionを使用すると、Oracle Autonomous DatabaseインスタンスとOracle Databaseインスタンスによって生成されたPythonエンジンで、ユーザー定義Python関数を実行できます。

OML4Pyは、Oracle Databaseオンプレミス、Base Database Service (BDBS)およびOracle Autonomous Databaseに含まれています。さらに学習するには、Machine Learningシステム要件を参照してください。

OML4R

Oracle Machine Learning for R (OML4R)では、Oracle Autonomous DatabaseインスタンスとOracle Databaseインスタンスに格納されているデータや、R APIを使用してそれらのインスタンスを介してアクセス可能なデータに対して、データ変換のためや、統計分析、機械学習およびグラフィカル分析のためのRコードを実行できます。OML4Rは、RユーザーがR構文を使用してデータベース表内およびビュー内のデータを操作できるようにし、ユーザー定義R関数を実行できるようにする、独自の一連のRパッケージです。OML4Rの関数とメソッドでは、厳選された一連のR関数(リクエストされた機能をデータベース内処理で実行するためにSQLとPL/SQLを透過的に生成する)が変換されます。

OML4Rでは、Oracle Machine Learningアルゴリズムを使用したデータベース内機械学習モデル作成、スコアリングおよび評価がサポートされています。しかしながら、ユーザーは、Embedded R Executionを利用して、Oracle Autonomous DatabaseインスタンスとOracle Databaseインスタンスによって管理されるRエンジン内で、ユーザー定義R関数を実行できます。

OML4Rは、Oracle Databaseオンプレミス、Base Database Service (BDBS)およびOracle Autonomous Databaseに含まれています。

OML4SQL

Oracle Machine Learning for SQL (OML4SQL)では、強力なデータベース内機械学習アルゴリズムへのPL/SQLアクセス、および対応するモデルへのSQLアクセスが可能です。OML4SQLを使用すると、高い知能を備えた機能をアプリケーションとダッシュボードに追加するために使用できる、予測的かつ記述的な機械学習モデルを作成しデプロイできます。OML4SQLは、Oracle Autonomous DatabaseインスタンスとOracle Databaseインスタンスに含まれています。

さらに学習するには、Machine Learningシステム要件を参照してください。

OML Services

Oracle Machine Learning Services (OML Services)では、Autonomous Database ServerlessおよびDedicatedリージョンでのMLOpsサポートが提供されます。ここで、RESTエンドポイントから機械学習モデルを管理および使用できます。

OML Servicesでは、モデル管理、デプロイメント、データとモデルのモニタリング、およびデータ・バイアス検出がサポートされています。OML Servicesでは、RESTエンドポイントを使用した軽量スコアリングが提供されるため、リアルタイムおよびストリーミング・アプリケーションに適しています。

ユーザーには、データベース内モデルのデプロイか、Open Neural Networks Exchange (ONNX)形式での"独自のモデルの持ち込み"という選択肢があります。これらのONNX形式モデルは、サードパーティ環境で作成でき、同じREST APIを介して使用するためにデータベースにインポートできます。OML Servicesでは、分類、回帰、クラスタリング、特徴抽出など、様々なタイプのモデルがサポートされています。

仮想マシンのプロビジョニング、構成、管理および支払いが24時間必要になる他の機械学習モデル・デプロイメント方法とは異なり、OML Servicesでは、実際のスコアリングに対してのみ課金されます。Autonomous Databaseが、仮想マシン環境のプロビジョニングと管理を担当します。

詳細は、OML Servicesとはを参照してください。