0 |
Компания Oracle анонсировала набор новшеств в автономном облачном хранилище данных Oracle Autonomous Data Warehouse. Последние обновления обеспечивают бизнесу единую платформу данных, позволяющую аккумулировать данные из любого источника, преобразовывать, хранить и управлять данные для выполнения разнообразных аналитических рабочих задач, от создания отраслевых систем управления, до корпоративных хранилищ и озер данных. Простые интегрированные инструменты предоставляют интерфейс drag&drop, упрощающий загрузку, преобразование, очистку данных для аналитиков, а также преимущество автоматизированного создания бизнес-моделей и поиска закономерностей для генерации аналитических данных.
В новом релизе добавлены инструменты самообслуживания для аналитиков и дата-сайнтистов, позволяющие без лишних сложностей формировать массивы данных, создавать модели машинного обучения на основе AutoML и развертывать модели. Чтобы дать разработчикам возможность создавать приложения, управляемые данными, Oracle предлагает Oracle APEX (Application Express) Application Development, инструмент разработки low-code приложений, встроенный непосредственно в базу данных, а также службы RESTful, которые упрощают взаимодействие любого современного приложения c хранилищем данных. Таким образом, Oracle Autonomous Data Warehouse обеспечивает поддержку многомодельных, многозадачных и многопользовательских требований – и все это в рамках единого современного конвергентного механизма базы данных, включая поддержку JSON, операционную, аналитическую, графическую базы данных, сервисы машинного обучения и блокчейн.
В наиболее актуальный релиз включено множество инноваций:
- Встроенные инструменты обработки данных: бизнес-аналитики могут загружать и преобразовывать данные из своего компьютера или из облака с помощью drag&drop интерфейса. Затем они могут автоматически создавать бизнес-модели; быстро обнаруживать аномалии, выбросы и скрытые закономерности в своих данных; понимать зависимости данных и влияние изменений;
- Oracle Machine Learning AutoML: автоматизируя трудоемкие этапы создания моделей машинного обучения, AutoML повышает продуктивность специалистов по обработке данных, повышает точность моделей и позволяет даже неспециалистам получить доступ к использованию машинного обучения. AutoML можно вызывать через Python или через пользовательский интерфейс AutoML без использования кода;
- Машинное обучение Oracle для Python: специалисты по обработке данных и другие пользователи Python теперь могут использовать Python для применения машинного обучения к данным в своем хранилище, полностью используя производительные параллельные возможности Oracle Autonomous Data Warehouse;
- Oracle Machine Learning Services: DevOps и группы дата-сайнтистов могут теперь развертывать свои собственные модели в базе данных, а также модели классификации и регрессии в формате ONNX вне Oracle Autonomous Data Warehouse и управлять ими, а также использовать когнитивную аналитику текста. Разработчики приложений получили простые с точки зрения интеграции конечные точки REST для всех функций;
- Поддержка графов: графы помогают моделировать и анализировать отношения между объектами (например, граф социальной сети). Теперь пользователи могут создавать графы в своем хранилище данных, запрашивать графы с помощью PGQL (язык запросов графов свойств) и анализировать графы с помощью более чем 60 in-memory алгоритмов.
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
0 |