為科學家量身打造 甲骨文推Oracle雲端數據科學平台

甲骨文發佈Oracle雲端數據科學平台 (Oracle Cloud Data Science Platform)，該平台的核心服務為Oracle雲端基礎設施數據科學平台 (Oracle Cloud Infrastructure Data Science)，旨在幫助企業以合作方式構建、訓練、管理和部署機器學習模型，提高數據科學項目的成功率。

與其他專注於數據科學家個人使用的產品不同，Oracle雲端基礎設施數據科學平台提供共享項目、模型目錄、團隊安全性策略、複用性和可審計性等功能，協助數據科學團隊提高效率。此外，Oracle雲端基礎設施數據科學平台可以透過AutoML演算法選擇和優化、模型評估、模型說明等功能，自動選擇最佳的訓練數據集。

目前，眾多企業僅能從數據的巨大潛能中挖掘出一小部分，這是因為他們的數據科學團隊仍無法輕鬆使用合適的數據和工具來建構、部署有效的機器學習模型，導致模型開發時間過長，難以持續滿足企業對準確性和可靠性的更高需求，因而無法投入生產。

甲骨文數據和AI服務產品開發高級副總裁Greg Pavlik表示：「有效的機器學習模型是數據科學項目取得成功的基礎，但不同類型的大量數據會阻礙項目的實施。使用Oracle雲端基礎設施數據科學平台，讓我們實現整個工作流程的自動化並建立強大的團隊合作支持，以此提高各數據科學家的效率，確保數據科學項目為企業創造真正的價值。」

專為數據科學團隊和科學家量身打造

Oracle雲端基礎設施數據科學平台提供自動化的數據科學工作流程，透過下列功能節省時間並減少錯誤：

·         AutoML自動演算法選擇和優化 — 可針對多種演算法和超參數配置，自動運行測試過程。這項功能可以檢查結果的準確性，並確認目前選擇的模型和配置是最佳方案，不僅可以為數據科學家節省大量時間，更重要的是，能夠賦予不同水平的數據科學家專家級的能力。

·         自動選擇預測性特性 — 透過自動識別大型數據集裡的關鍵預測性特性，從而簡化特性設計。

·         模型評估 —一套全面的評估指標和合適的可視化工具，以便針對新數據來衡量模型性能，並且可以持續對模型進行排序，在生產環境中採取最佳行動。除了原始性能之外，模型評估還將考慮預期的基準線行為(baseline behavior)，並運用成本模型將誤報和漏報的不同影響計算其中。

·         模型說明 — 針對預測中的影響因素，Oracle雲端基礎設施數據科學平台可對它們的對應權重和重要性提供自動說明。Oracle雲端基礎設施數據科學平台首次提供了商業化、與模型無關的說明。舉例來說，借助欺詐檢測模型，數據科學家可以解釋哪些因素是欺詐的最大動因，以便企業修改流程或實施保護措施。

眾所皆知，要將有效的機器學習模型成功投入生產，僅憑一人之力是無法實現的，這需要多個數據科學家進行團隊合作完成。Oracle雲端基礎設施數據科學平台提供強大的團隊合作功能，包括：

·         共享項目 — 幫助用戶安排、啟用版本控制並可靠地共享團隊工作內容，包括數據和notebook 會話。

·         模型目錄 — 使團隊成員可靠地共享已經建構的模型，以及那些修改和部署它們所需的工件。

·         針對團隊的安全功能 — 允許使用者控制對模型、代碼和數據的訪問權限，這已經與Oracle Cloud Infrastructure Identity and Access Management全面整合。

·         複用性和可審計功能 — 支持企業追蹤所有相關資產，即便成員離開團隊，企業也可以重現和審計所有模型。

藉助Oracle雲端基礎設施數據科學平台，企業可以提高部署模型的速度和成功率，產生企業級結果和性能指標進行預測分析，從而取得正面的業務成果。