该平台以Oracle云基础设施数据科学服务为核心。它为用户提供了使用Python、TensorFlow、Keras、Jupyter和其他流行的数据科学工具在Oracle Cloud上构建、培训和管理机器学习算法的能力。此外，无极4账号注册该平台还提供了6项附加服务，包括集成在Oracle Autonomous Database、Oracle Cloud Infrastructure Data Catalog、Oracle Big Data Service、Oracle Cloud SQL、Oracle Cloud Infrastructure Data Flow和Oracle Cloud Infrastructure Data Science虚拟机中的新的机器学习功能。

 

Oracle数据和人工智能服务产品开发高级副总裁Greg Pavlik表示:“就本地云服务而言，这项服务确实是第一个此类服务，因为它确实是针对企业的。”“它的重点是为数据科学家提供协作和治理的环境。”

 

根据Pavlik的说法，该产品的目标是企业内机器学习的整个生命周期，这意味着它不仅要开发或培训模型，还要将这些模型投入生产并维护它们。

 

“随着数据的变化，模型可能变得不那么有效，一方面用户需要能够在应用程序或分析报告中继续利用它们。另一方面，他们必须有很高的信心，他们所使用的实际上是给他们好的答案或正确的回答，”帕夫里克说。

 

简化数据科学

 

通过Oracle Cloud Infrastructure Data Science, Oracle正在与竞争对手的平台进行竞争，如Alteryx、KNIME Analytics Platform和RapidMiner，重点是自动化数据科学工作流程。

 

Pavlik说，该平台利用自动算法选择和调优，无极4平台产品使用机器学习模型为特定用例选择最适合的算法，并帮助用户选择算法输入和调优模型。该平台还通过从更大的数据集中自动识别关键的预测特征来简化特征工程。

 

Oracle Cloud Infrastructure Data Science还通过生成一组度量和可视化来帮助用户根据新数据度量模型性能，并根据时间对模型进行排序，从而帮助进行模型评估。

 

为了支持法规遵循工作，无极4注册网站并帮助数据团队在其算法的输出中建立信任，Oracle的产品提供了用于生成预测的因素的权重和重要性的自动解释。

 

Pavlik说:“我们在Oracle实验室的组织中开发了高级的模型解释能力。”“这是真正理解是什么推动了模型的预测，这对于监管情况尤其重要，因为你必须能够解释为什么:为什么企业要做出这个决定?”为什么模型告诉我们要这么做?”

 

共享项目

 

为了支持协作，Oracle从现代软件开发过程中获得了灵感，添加了支持共享项目、模型目录、基于团队的安全策略、可再现性和可说明性的功能。

 

“我们经常看到的团队的大问题是，数据科学家在他们的笔记本电脑上下载了一堆东西，然后他们在相对独立的环境下工作，”帕夫利克说。“你会失去一些责任感、安全感，以及一些从软件开发中获得的最佳实践。因此，我们希望帮助组织解决这个问题，而不需要从数据科学家那里拿走任何东西。”

 

该平台使团队能够利用版本控制并共享数据和笔记本会话。使用模型目录，团队还可以共享修改和部署它们所需的模型和工件。基于团队的安全策略提供对模型、代码和数据的访问控制，所有这些都与Oracle云基础设施身份和访问管理集成在一起。企业还可以通过平台跟踪资产，从而确保模型可以被复制和审计，即使团队成员离开。

 

额外的数据和机器学习服务

 

Oracle云基础设施数据科学是新的Oracle云数据科学平台的核心，但Oracle还推出了其他6项数据和机器学习服务来支持该平台，并将其与公司的整体云产品集成。