培训医疗用例的机器学习模型

使用 Oracle Cloud Infrastructure Data Science 服务探索并训练用于医疗保健用例的机器学习模型。

体系结构

此体系结构显示 Oracle Cloud Infrastructure (OCI) 中的典型 Oracle Cloud Infrastructure Data Science 部署。

下图显示了核心服务和一些可选服务，您可以根据需要进行整合。

插图 health-ml-design-pattern.png 的说明

healthcare-ml-design-pattern-oracle.zip

以下是体系结构的关键组件：

对象存储或 Oracle Autonomous Database 作为存储位置。
数据科学记事本研讨会，探讨和发展模型
通过模型部署将模型产品化，并通过 REST API 提供模型。

此体系结构支持以下组件：

区域
Oracle Cloud Infrastructure 区域是一个局部地理区域，其中包含一个或多个数据中心，称为可用性域。区域独立于其他区域，而广阔的距离可以分离它们（跨国家甚至大陆）。
虚拟云网络 (VCN) 和子网
VCN 是可在 Oracle Cloud Infrastructure 区域中设置的可定制的软件定义网络。与传统的数据中心网络一样，VCN 允许您完全控制您的网络环境。VCN 可以具有多个不可重叠的 CIDR 块，您可以在创建 VCN 后更改这些块。您可以将 VCN 分段到子网，这些子网可以限定到区域或可用性域。每个子网包含一个连续的地址范围，这些地址与 VCN 中的其他子网不重叠。您可以在创建子网后更改其大小。子网可以是公共子网，也可以是专用子网。
Internet 网关
互联网网关允许 VCN 中的公共子网与公共互联网之间的通信。
API 网关
利用 Oracle API Gateway，您可以发布具有专用端点的 API，这些端点可以从您的网络访问，并且可以在需要时向公共互联网公开。端点支持 API 验证、请求和响应转换、CORS、验证和授权以及请求限制。
数据集成
Oracle Cloud Infrastructure Data Integration 是一项完全托管的云原生服务，它可以将各种数据源中的数据提取、加载、转换、清理和重新映射到目标 Oracle Cloud Infrastructure 服务，例如 Autonomous Data Warehouse 和 Oracle Cloud Infrastructure Object Storage 。ETL（提取转换负载）利用在 Spark 上完全托管的横向扩展处理，ELT（提取负载转换）利用 Autonomous Data Warehouse 的完全 SQL 下推功能，可以最大限度地减少数据移动，并缩短新摄取的数据的价值实现时间。用户使用直观的无代码用户界面设计数据集成流程。该界面可优化集成流来生成高效的引擎和编排，并自动分配和扩展执行环境。Oracle Cloud Infrastructure Data Integration 提供交互式探索和数据准备，通过定义用于处理方案更改的规则，帮助数据工程师防止模式偏差。
数据目录
Oracle Cloud Infrastructure Data Catalog 是针对企业数据的完全托管式自助数据发现和治理解决方案。它为数据工程师、数据科学家、数据管理员和首席数据官提供单个协作环境来管理组织的技术、业务和运营元数据。
对象存储
通过对象存储，可以快速访问任意内容类型的大量结构化和非结构化数据，包括数据库备份、分析数据以及丰富的内容（例如图像和视频）。您可以安全可靠地存储数据，然后直接从互联网或云平台检索数据。您可以在不降低性能或服务可靠性的情况下无缝扩展存储。将标准存储用于需要快速、立即和频繁访问的“热”存储。将归档存储用于长时间保留的“冷”存储，很少或很少访问。
Autonomous Database
Oracle Cloud Infrastructure Autonomous Database 是一个完全托管的预配置数据库环境，可用于事务处理和数据仓库负载。您不需要配置和管理任何硬件，也不需要安装任何软件。Oracle Cloud Infrastructure 可处理数据库创建以及备份、打补丁、升级和优化数据库。
数据科学
Oracle Cloud Infrastructure Data Science 是一款端到端机器学习 (ML) 服务，它提供 JupyterLab 记事本环境以及访问数百种常用的开源工具和框架。使用 NVIDIA GPU、AutoML 功能以及自动超参数优化来构建和训练机器学习模型。将模型部署为 HTTP 端点或使用 Oracle Functions。通过版本控制、可重复作业和模型目录来管理模型。

机器学习的注意事项

开始使用 Oracle Cloud Infrastructure Data Science 服务的机器学习时，请考虑以下事项：

理解数据
数据是任何机器学习项目的主要也是最关键的组成部分。发布的数据集通常经过整理，甚至可能已经为您提取了功能，这使得它成为了解服务的好选择。

使用新数据需要做更多工作来清理构件，计算缺少的值，并通过其他功能转换、编码或扩充数据集。

数据科学家工作流的这一部分通常最耗时，可以轻松地在机器学习项目上花费 80% 到 90%。
了解 Jupyter Notebook 语法
Oracle Cloud Infrastructure Data Science 服务基于广泛采用的 Jupyter Notebook 框架构建。它提供了一个丰富的可视化环境来试验 python 语言中的数据。Python 是数据科学最流行的语言之一，Jupyter Notebook 用特定的语法（称为魔法）增强语言，有助于减少一些繁琐的操作，同时增强数据的可视渲染。请花时间详细了解 Jupyter Notebook 特定的语法，以便利用这些功能。
将作业用于昂贵的操作
虽然研究是一项非常适合 Jupyter Notebook 界面的交互式活动，但如模型训练和超参数优化等开销很大的操作可能需要较长时间，并且可以分载到作业功能中，这样用户就可以在专用计算机上运行长时间运行的脚本。