Στον πυρήνα της νέας big data cloud πλατφόρμας της Oracle βρίσκεται η Oracle Cloud Infrastructure Data Science, βοηθώντας τις εταιρείες να συνεργαστούν για να δημιουργήσουν, να εκπαιδεύσουν, να διαχειριστούν και να υλοποιήσουν μοντέλα μηχανικής εκμάθησης ώστε να αυξήσουν την επιτυχία των έργων της επιστήμης των δεδομένων. Σε αντίθεση με άλλα προϊόντα της επιστήμης των δεδομένων που εστιάζουν σε μεμονωμένους χρήστες, η Oracle Cloud Infrastructure Data Science συνεισφέρει στη βελτίωση της αποτελεσματικότητας των ομάδων που δραστηριοποιούνται στην επιστήμη των δεδομένων με δυνατότητες όπως κοινόχρηστα έργα, καταλόγους μοντέλων, πολιτικές ασφάλειας ομάδων, επαναληψιμότητα και δυνατότητα ελέγχου-επαλήθευσης. Η Oracle Cloud Infrastructure Data Science επιλέγει αυτόματα τα πιο βέλτιστα σετ δεδομένων εκπαίδευσης μέσω επιλογής και λεπτομερούς ρύθμισης αλγόριθμων AutoML, αξιολόγησης και επεξήγησης μοντέλων.
Σήμερα, οι οργανισμοί αξιοποιούν ένα μικρό μόνο κλάσμα των τεράστιων δυνατοτήτων ερμηνείας, κατανόησης και εξαγωγής πληροφοριών από τα δεδομένα, επειδή οι ομάδες που ασχολούνται με την επιστήμη αυτών δεν έχουν εύκολη πρόσβαση στα κατάλληλα δεδομένα και εργαλεία για να δημιουργήσουν και να υλοποιήσουν αποτελεσματικά μοντέλα μηχανικής εκμάθησης. Το τελικό αποτέλεσμα είναι ότι τα μοντέλα χρειάζονται πολύ χρόνο για να σχεδιαστούν, δεν καλύπτουν πάντα τις εταιρικές απαιτήσεις περί ακρίβειας και αξιοπιστίας και πολύ συχνά ούτε καν φτάνουν μέχρι το στάδιο της παραγωγής.
Ο Greg Pavlik, senior vice president, product development, Oracle Data & AI Services, δήλωσε: «Τα αποτελεσματικά μοντέλα μηχανικής εκμάθησης αποτελούν το υπόβαθρο για επιτυχημένα έργα επιστήμης των δεδομένων, αλλά ο όγκος και η ποικιλία των δεδομένων που αντιμετωπίζουν οι εταιρείες μπορούν να προκαλέσουν εμπλοκή σε τέτοιες πρωτοβουλίες προτού καν ξεκινήσει η υλοποίησή τους. Με την πλατφόρμα Oracle Cloud Infrastructure Data Science, βελτιώνουμε την παραγωγικότητα των μεμονωμένων επιστημόνων χάρη στην αυτοματοποίηση του συνόλου της ροής εργασιών τους και στην προσθήκη ισχυρής υποστήριξης των ομάδων για συνεργασία, ώστε να διασφαλιστεί ότι τα έργα επιστήμης των δεδομένων θα φέρνουν πραγματική αξία για τις επιχειρήσεις».
Σχεδιασμένη για ομάδες και επιστήμονες της επιστήμης δεδομένων
Η πλατφόρμα Oracle Cloud Infrastructure Data Science περιλαμβάνει αυτοματοποιημένη ροή εργασιών επιστήμης των δεδομένων, εξοικονομώντας χρόνο και μειώνοντας τα σφάλματα χάρη στις παρακάτω δυνατότητες:
Αυτοματοποιημένη επιλογή και λεπτομερής ρύθμιση αλγόριθμων AutoML: αυτοματοποιεί τη διαδικασία εκτέλεσης δοκιμών ως προς πολλαπλούς αλγόριθμους και διαμορφώσεις υπερπαραμέτρων. Ελέγχει τα αποτελέσματα ως προς την ακρίβεια και επιβεβαιώνει ότι επιλέγεται το βέλτιστο μοντέλο και διαμόρφωση. Έτσι, εξοικονομείται πολύτιμος χρόνος για τους επιστήμονες των δεδομένων και, ακόμα πιο σημαντικό, κάθε επιστήμονας έχει τη δυνατότητα να πετύχει τα ίδια αποτελέσματα με τους πιο έμπειρους επαγγελματίες.
Αυτοματοποιημένη επιλογή χαρακτηριστικών πρόβλεψης: απλοποιεί τη διαμόρφωση χαρακτηριστικών μέσα από τον αυτόματο εντοπισμό βασικών χαρακτηριστικών πρόβλεψης από μεγαλύτερα σετ δεδομένων.
Αξιολόγηση μοντέλων: δημιουργεί μια ολοκληρωμένη σουίτα δεικτών αξιολόγησης και κατάλληλες οπτικοποιήσεις για μέτρηση της απόδοσης του μοντέλου ως προς νέα δεδομένα και έχει τη δυνατότητα να κατατάξει τα μοντέλα διαχρονικά ώστε να υπάρξει βέλτιστη συμπεριφορά στην παραγωγή. Η αξιολόγηση των μοντέλων φτάνει πέρα από την απλή απόδοση ώστε να συνυπολογίζει την αναμενόμενη βασική συμπεριφορά και χρησιμοποιεί ένα μοντέλο κόστους ώστε να μπορούν να ενσωματωθούν πλήρως οι διαφορετικές επιπτώσεις των ψευδώς θετικών και των ψευδώς αρνητικών αποτελεσμάτων.
Επεξήγηση μοντέλων: Η πλατφόρμα Oracle Cloud Infrastructure Data Science παρέχει αυτοματοποιημένη επεξήγηση των σχετικών συντελεστών στάθμισης και της σπουδαιότητας των παραγόντων που συνυπολογίζονται για τη δημιουργία μιας πρόβλεψης. Η πλατφόρμα Oracle Cloud Infrastructure Data Science παρέχει την πρώτη εμπορική υλοποίηση μιας λύσης επεξήγησης ανεξαρτήτως μοντέλου. Με ένα μοντέλο εντοπισμού περιστατικών απάτης, για παράδειγμα, ένας επιστήμονας δεδομένων μπορεί να εξηγήσει ποιοί παράγοντες είναι τα σημαντικότερα εφαλτήρια για περιστατικά απάτης, ώστε η επιχείρηση να μπορεί να τροποποιήσει τις διαδικασίες ή να εφαρμόσει ασφαλιστικές δικλείδες.