검색 증강 생성(RAG)을 통한 AI 선택
Select AI with RAG는 의미 유사성 검색을 사용하여 지정된 벡터 저장소에서 콘텐츠를 검색하여 자연어 프롬프트를 보강합니다. 이를 통해 특정 최신 콘텐츠를 사용하여 환각을 줄이고 프롬프트에 보다 관련성 높은 자연어 응답을 제공합니다.
Select AI는 검색 증강 생성(RAG) 프로세스를 자동화합니다. 이 기술은 AI 벡터 검색을 사용하여 엔터프라이즈 소스에서 데이터를 검색하고 지정된 대규모 언어 모델(LLM)에 대한 사용자 프롬프트를 보강합니다. RAG는 엔터프라이즈 데이터 저장소의 정보를 활용하여 환각을 줄이고 기반 응답을 생성합니다.
RAG는 벡터 인덱스에서 AI 벡터 검색을 사용하여 지정된 질문에 대해 의미상 유사한 데이터를 찾습니다. 벡터 저장소는 텍스트, 이미지 및 오디오와 같은 다양한 데이터 포인트의 수학적 표현인 벡터 임베딩을 처리합니다. 이러한 임베딩은 데이터의 의미를 포착하여 효율적인 처리 및 분석을 가능하게 합니다. 벡터 임베딩 및 AI 벡터 검색에 대한 자세한 내용은 AI Vector Search 개요를 참고하세요.
Select AI는 벡터 임베딩을 사용한 유사성 검색을 위해 Oracle Autonomous AI Database 26ai에서 사용할 수 있는 AI 벡터 검색과 통합됩니다.
항목
Select AI RAG의 이점
LLM에서 사용하는 소스를 검토하여 쿼리를 단순화하고, 현재 데이터로 응답 정확도를 향상시키고, 투명성을 확보할 수 있습니다.
-
데이터 쿼리 간소화 및 응답 정확도 향상: 사용자가 자연어를 사용하여 엔터프라이즈 데이터를 쿼리하고, LLM에 엔터프라이즈 데이터의 세부 컨텍스트를 제공하여 보다 정확하고 관련성 높은 응답을 생성함으로써 LLM 환각 인스턴스를 줄일 수 있습니다.
-
최신 정보: 벡터 저장소를 사용하여 LLM이 현재 엔터프라이즈 정보에 액세스할 수 있도록 함으로써 정적 데이터 세트에 대해 학습된 LLM의 비용이 많이 들고 시간이 많이 걸리는 미세 조정이 필요하지 않습니다.
-
원활한 통합: 간소화된 데이터 처리 및 향상된 성능을 위해 Oracle AI Vector Search와 통합합니다.
-
자동화된 데이터 통합관리: 완전 관리형 벡터 인덱스 파이프라인을 통해 통합관리 단계를 자동화하여 새로운 데이터의 효율적인 처리를 보장합니다.
-
이해하기 쉬운 상황별 결과: 벡터 저장소에서 LLM이 사용하는 소스에 액세스하고 해당 소스를 검색하여 결과의 투명성과 신뢰성을 보장합니다. 간편한 통합 및 애플리케이션 개발을 위해 자연어 텍스트 또는 JSON 형식으로 데이터를 보고 추출합니다.
벡터 스토어 구축
Select AI는 자동으로 청크로 문서를 처리하고, 임베딩을 생성하고, 지정된 벡터 저장소에 저장하고, 새로운 데이터가 도착할 때 벡터 인덱스를 업데이트합니다.
- 입력: 데이터는 처음에 오브젝트 스토리지에 저장됩니다.
- Oracle Autonomous Database는 입력 데이터 또는 문서를 검색하여 청크를 처리하고 임베딩 모델로 전송합니다.
- 임베딩 모델은 청크 데이터를 처리하고 벡터 임베딩을 반환합니다.
- 그런 다음 벡터 임베딩은 RAG와 함께 사용할 수 있도록 벡터 저장소에 저장됩니다. 콘텐츠가 추가되면 벡터 인덱스가 자동으로 업데이트됩니다.
RAG는 사용자의 질문에 답하기 위해 엔터프라이즈 데이터베이스에서 관련 정보를 검색합니다. 이 정보는 사용자 프롬프트와 함께 지정된 대규모 언어 모델에 제공됩니다. Select AI는 이 추가적인 엔터프라이즈 정보를 사용하여 프롬프트를 개선함으로써 LLM의 응답을 개선합니다. RAG는 벡터 저장소의 최신 엔터프라이즈 정보를 통해 응답 품질을 향상시킬 수 있습니다.
-
입력: 사용자가 AI
narrate선택 작업을 사용하여 질문(프롬프트 지정)을 요청합니다. -
Select AI는 AI 프로파일에 지정된 임베딩 모델을 사용하여 프롬프트의 벡터 임베딩을 생성합니다.
-
벡터 검색 인덱스는 질문의 벡터 임베딩을 사용하여 인덱스화된 고객의 엔터프라이즈 데이터(벡터 저장소 검색)에서 일치하는 컨텐트를 찾습니다.
- 벡터 검색은 자율운영 AI 데이터베이스 인스턴스의 입력과 유사한 상위 K 텍스트를 반환합니다.
- 그런 다음 자율운영 AI 데이터베이스는 이 상위 K 쿼리 결과를 사용자 질문과 함께 LLM에 전송합니다.
- LLM은 자율운영 AI 데이터베이스 인스턴스에 대한 응답을 반환합니다.
- 자율운영 AI 데이터베이스 Select AI는 사용자에게 응답을 제공합니다.
DBMS_CLOUD_AI를 사용하여 벡터 인덱스 생성 및 관리
DBMS_CLOUD_AI 패키지를 사용하여 벡터 인덱스를 생성 및 관리하고 벡터 데이터베이스 JSON 매개변수를 구성합니다.
주:
테이블 데이터 또는 벡터 검색 문서를 LLM으로 전송하지 않으려는 경우 관리자 권한이 있는 사용자는 지정된 데이터베이스의 모든 사용자에 대해 해당 액세스를 사용 안함으로 설정할 수 있습니다. 그러면 RAG에 대해 narrate 작업이 사용 안함으로 설정됩니다.
에 나열된 공급자에 대한 AI 프로파일은 DBMS_CLOUD_AI 패키지를 통해 구성할 수 있습니다.
참조:
-
벡터 인덱스 생성: CREATE_VECTOR_INDEX Procedure.
-
벡터 인덱스 프로파일 및 기타 AI 프로파일 관리: DBMS_CLOUD_AI 서브프로그램 요약.
-
쿼리 벡터 인덱스 뷰: DBMS_CLOUD_AI 뷰.
데이터베이스 내 변환기 모델 사용
Select AI RAG를 사용하면 Oracle Database 23ai 인스턴스에서 데이터베이스로 임포트된 사전 학습된 ONNX 변환기 모델을 사용하여 문서 조각 및 사용자 프롬프트에서 임베딩 벡터를 생성할 수 있습니다.
주:
가져온 데이터베이스 내 변환기 모델에서 Select AI RAG를 사용하려면 사전 학습된 ONNX 형식 변환기 모델을 Oracle Database 23ai 인스턴스로 임포트해야 합니다. 지원되는 AI 제공자의 다른 변환기 모델도 사용할 수 있습니다.기능을 탐색하려면 Example: Select AI with In-database Transformer Models을 참조하십시오.
예: RAG와 함께 Select AI 설정 및 사용
이 예에서는 인증서 설정, 네트워크 액세스 구성, Oracle Autonomous AI Database를 사용하여 OCI Generative AI 벡터 스토어 클라우드 서비스를 OpenAI과 통합하기 위한 벡터 인덱스 생성 과정을 안내합니다.
이 설정은 벡터 인덱스를 사용하여 LLM 응답을 개선하는 AI 프로파일을 생성하는 것으로 마무리됩니다. 마지막으로 이 예에서는 지정된 벡터 데이터베이스의 정보를 사용하여 향상된 응답을 반환하는 AI narrate 선택 작업을 사용합니다.
다음 예제는 Oracle Database 23ai에서 벡터 인덱스 구축 및 쿼리를 보여줍니다.
--Grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the OpenAI credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OPENAI_CRED',
username => 'OPENAI_CRED',
password => '<your_api_key>'
);
END;
/
PL/SQL procedure successfully completed.
-- Append the OpenAI endpoint
BEGIN
DBMS_NETWORK_ACL_ADMIN.APPEND_HOST_ACE(
host => 'api.openai.com',
ace => xs$ace_type(privilege_list => xs$name_list('http'),
principal_name => 'ADB_USER',
principal_type => xs_acl.ptype_db)
);
END;
/
PL/SQL procedure successfully completed.
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
PL/SQL procedure successfully completed.
-- Create the profile with the vector index.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'OPENAI_ORACLE',
attributes =>'{"provider": "openai",
"credential_name": "OPENAI_CRED",
"vector_index_name": "MY_INDEX",
"temperature": 0.2,
"max_tokens": 4096,
"model": "gpt-3.5-turbo-1106"
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI_ORACLE');
PL/SQL procedure successfully completed.
-- create a vector index with the vector store name, object store location and
-- object store credential
BEGIN
DBMS_CLOUD_AI.CREATE_VECTOR_INDEX(
index_name => 'MY_INDEX',
attributes => '{"vector_db_provider": "oracle",
"location": "https://swiftobjectstorage.us-phoenix-1.oraclecloud.com/v1/my_namespace/my_bucket/my_data_folder",
"object_storage_credential_name": "OCI_CRED",
"profile_name": "OPENAI_ORACLE",
"vector_dimension": 1536,
"vector_distance_metric": "cosine",
"chunk_overlap":128,
"chunk_size":1024
}');
END;
/
PL/SQL procedure successfully completed.
-- After the vector index is populated, we can now query the index.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OPENAI_ORACLE');
PL/SQL procedure successfully completed.
-- Select AI answers the question with the knowledge available in the vector database.
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate permissions are in place.
Sources:
- Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt (https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt)
- Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt (https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt)
예: 데이터베이스 내 변환기 모델이 있는 AI 선택
이 예제는 Oracle 객체 스토리지에 저장된 사전 학습된 변환기 모델을 Oracle Database 23ai 인스턴스로 임포트한 다음 Select AI 프로파일에서 임포트된 데이터베이스 내 모델을 사용하여 문서 조각 및 사용자 프롬프트에 대한 벡터 임베딩을 생성하는 방법을 보여줍니다.
-
Oracle Database 23ai 인스턴스에서 가져온 사전 학습 모델
-
선택적으로 Oracle Object Storage에 액세스합니다.
데이터베이스 내에서 벡터 생성을 위한 ONNX 형식의 사전 학습 모델 임포트 및 Oracle AI Database 26ai를 위한 사전 구축된 임베딩 생성 모델 블로그의 단계를 검토하여 사전 학습된 변환기 모델을 데이터베이스로 임포트합니다.
다음 예에서는 Oracle 객체 스토리지에서 데이터베이스로 미리 유지된 변환기 모델을 임포트한 다음 임포트된 모델을 보는 방법을 보여줍니다.
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';다음 예에서는 Select AI 프로파일 내에서 데이터베이스 내 변환기 모델을 사용하는 방법을 보여줍니다. 하나의 프로파일은 벡터 임베딩을 생성하기 위해서만 구성되며, 다른 프로파일은 Select AI 작업과 벡터 인덱스 생성을 모두 지원합니다.
DBMS_CLOUD_AI 패키지 구성을 위한 요구 사항을 검토하여 필요 조건을 완료합니다.
다음은 벡터 임베딩만 생성하는 예입니다.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'EMBEDDING_PROFILE',
attributes => '{"provider" : "database",
"embedding_model": "MY_ONNX_MODEL"}'
);
END;
/다음은 지원되는 AI 제공자를 지정할 수 있는 일반 AI 선택 작업 및 벡터 인덱스 생성의 예입니다. 이 예에서는 OCI Gen AI 프로파일 및 인증서를 사용합니다. 지원되는 공급자 목록은 를 참조하십시오. 그러나 벡터 임베딩 생성을 위해 데이터베이스 내 변환기 모델을 사용하려면 embedding_model 속성에서 "database: <MY_ONNX_MODEL>"를 사용합니다.
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1..aaaa...',
tenancy_ocid => 'ocid1.tenancy.oc1..aaaa...',
private_key => '<your_api_key>',
fingerprint => '<your_fingerprint>'
);
END;
/
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"model": "meta.llama-3.3-70b-instruct",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: MY_ONNX_MODEL"}'
);
END;
/이 예에서는 다른 스키마 소유자가 모델을 소유한 경우 데이터베이스 내 변환기 모델에서 Select AI를 사용하는 방법을 보여줍니다. embedding_model 속성에서 모델의 전체 이름으로 schema_name.object_name를 지정합니다. 현재 사용자가 스키마 소유자이거나 모델을 소유하는 경우 스키마 이름을 생략할 수 있습니다.
CREATE ANY MINING MODEL시스템 권한SELECT ANY MINING MODEL시스템 권한- 특정 모델에 대한
SELECT MINING MODEL객체 권한
시스템 권한을 부여하려면 ADMIN OPTION에 시스템 권한이 부여되었거나 GRANT ANY PRIVILEGE 시스템 권한이 부여되어 있어야 합니다.
권한을 검토하려면 Oracle Machine Learning for SQL에 대한 시스템 권한을 참조하십시오.
다음 명령문을 통해 SELECT 액세스 권한이 데이터에 부여된 경우 ADB_USER1는 모든 스키마에서 데이터에 점수를 부여하고 모델 세부정보를 볼 수 있습니다. 그러나 ADB_USER1는 ADB_USER1 스키마에서만 모델을 생성할 수 있습니다.
GRANT CREATE MINING MODEL TO ADB_USER1;
GRANT SELECT ANY MINING MODEL TO ADB_USER1;
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: ADB_USER1.MY_ONNX_MODEL"}'
);
END;
/다음 예에서는 대소문자 구분 모델 객체 이름을 지정하는 방법을 보여줍니다.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"credential_name": "GENAI_CRED",
"model": "meta.llama-3.3-70b-instruct",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: \"adb_user1\".\"my_model\""}'
);
END;
/이 예에서는 Select AI RAG와 함께 인데이터베이스 변환기 모델을 사용하기 위한 엔드투엔드 단계를 보여줍니다. 한 프로파일은 임베딩 벡터를 생성하기 위해 독점적으로 생성된 provider로 database를 사용하고 다른 프로파일은 벡터 인덱스뿐 아니라 AI 선택 작업에 대해 생성된 provider로 oci를 사용합니다.
DBMS_CLOUD_AI 패키지 구성을 위한 요구 사항을 검토하여 필요 조건을 완료합니다.
--Grant create any directory privilege to the user
GRANT CREATE ANY DIRECTORY to ADB_USER;
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';
--Administrator grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Administrator grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
PL/SQL procedure successfully completed.
-- Create the profile with Oracle Database.
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name =>'EMBEDDING_PROFILE',
attributes =>'{"provider": "database",
"embedding_model": "MY_ONNX_MODEL"
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('EMBEDDING_PROFILE');
PL/SQL procedure successfully completed.
이 예에서는 oci를 provider로 사용합니다.
--Grant create any directory privilege to the user
GRANT CREATE ANY DIRECTORY to ADB_USER;
- Create a Directory object, or use an existing directory object
CREATE OR REPLACE DIRECTORY ONNX_DIR AS 'onnx_model';
-- Object storage bucket
VAR location_uri VARCHAR2(4000);
EXEC :location_uri := 'https://adwc4pm.objectstorage.us-ashburn-1.oci.customer-oci.com/p/eLddQappgBJ7jNi6Guz9m9LOtYe2u8LWY19GfgU8flFK4N9YgP4kTlrE9Px3pE12/n/adwc4pm/b/OML-Resources/o/';
-- Model file name
VAR file_name VARCHAR2(512);
EXEC :file_name := 'all_MiniLM_L12_v2.onnx';
-- Download ONNX model from object storage into the directory object
BEGIN
DBMS_CLOUD.GET_OBJECT(
credential_name => NULL,
directory_name => 'ONNX_DIR',
object_uri => :location_uri || :file_name);
END;
/
-- Load the ONNX model into the database
BEGIN
DBMS_VECTOR.LOAD_ONNX_MODEL(
directory => 'ONNX_DIR',
file_name => :file_name,
model_name => 'MY_ONNX_MODEL');
END;
/
-- Verify
SELECT model_name, algorithm, mining_function
FROM user_mining_models
WHERE model_name='MY_ONNX_MODEL';
–-Administrator Grants EXECUTE privilege to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_AI to ADB_USER;
--Administrator Grants EXECUTE privilege DBMS_CLOUD_PIPELINE to ADB_USER
GRANT EXECUTE on DBMS_CLOUD_PIPELINE to ADB_USER;
-- Create the object store credential
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'OCI_CRED',
username => '<your_username>',
password => '<OCI_profile_password>'
);
END;
/
--Create GenAI credentials
BEGIN
DBMS_CLOUD.CREATE_CREDENTIAL(
credential_name => 'GENAI_CRED',
user_ocid => 'ocid1.user.oc1..aaaa...',
tenancy_ocid => 'ocid1.tenancy.oc1..aaaa...',
private_key => '<your_api_key>',
fingerprint => '<your_fingerprint>'
);
END;
/
--Create OCI AI profile
BEGIN
DBMS_CLOUD_AI.CREATE_PROFILE(
profile_name => 'OCI_GENAI',
attributes => '{"provider": "oci",
"model": "meta.llama-3.3-70b-instruct",
"credential_name": "GENAI_CRED",
"vector_index_name": "MY_INDEX",
"embedding_model": "database: MY_ONNX_MODEL"}'
);
END;
/
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_GENAI');
PL/SQL procedure successfully completed.
-- create a vector index with the vector store name, object store location and
-- object store credential
BEGIN
DBMS_CLOUD_AI.CREATE_VECTOR_INDEX(
index_name => 'MY_INDEX',
attributes => '{"vector_db_provider": "oracle",
"location": "https://swiftobjectstorage.us-phoenix-1.oraclecloud.com/v1/my_namespace/my_bucket/my_data_folder",
"object_storage_credential_name": "OCI_CRED",
"profile_name": "OCI_GENAI",
"vector_dimension": 384,
"vector_distance_metric": "cosine",
"chunk_overlap":128,
"chunk_size":1024
}');
END;
/
PL/SQL procedure successfully completed.
-- Set profile
EXEC DBMS_CLOUD_AI.SET_PROFILE('OCI_GENAI');
PL/SQL procedure successfully completed.
-- Select AI answers the question with the knowledge available in the vector database.
set pages 1000
set linesize 150
SELECT AI narrate how can I deploy an oracle machine learning model;
RESPONSE
To deploy an Oracle Machine Learning model, you would first build your model within the Oracle database. Once your in-database models are
built, they become immediately available for use, for instance, through a SQL query using the prediction operators built into the SQL
language.
The model scoring, like model building, occurs directly in the database, eliminating the need for a separate engine or environment within
which the model and corresponding algorithm code operate. You can also use models from a different schema (user account) if the appropriate
permissions are in place.
Sources:
- Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt (https://objectstorage.../v1/my_namespace/my_bucket/
my_data_folder/Manage-your-models-with-Oracle-Machine-Learning-on-Autonomous-Database.txt)
- Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-Database-Machine-Learning-and-APEX.txt
(https://objectstorage.../v1/my_namespace/my_bucket/my_data_folder/Develop-and-deploy-machine-learning-models-using-Oracle-Autonomous-
Database-Machine-Learning-and-APEX.txt)For information about Oracle's commitment to accessibility, visit the Oracle Accessibility Program website at http://www.oracle.com/pls/topic/lookup?ctx=acc&id=docacc.
오라클 고객지원센터 액세스
오라클 고객의 오라클 지원 서비스 접근 및 이용은 해당 서비스의 오라클 주문서에 명시된 조항들에 따릅니다.