Oracle ha anunciado la disponibilidad de Oracle Cloud Data Science Platform. En su núcleo se encuentra Oracle Cloud Infrastructure Data Science, que ayuda a las empresas a construir, capacitar, administrar e implementar colaborativamente modelos de aprendizaje automático para aumentar el éxito de los proyectos de ciencia de datos.
A diferencia de otros productos de ciencia de datos que ponen el foco en científicos de datos individuales, Oracle Cloud Infrastructure Data Science ayuda a mejorar la efectividad de los equipos de ciencia de datos con capacidades como proyectos compartidos, catálogos de modelos, políticas de seguridad de equipo, reproducibilidad y auditabilidad. Oracle Cloud Infrastructure Data Science selecciona automáticamente los conjuntos de datos de entrenamiento óptimos a través de la selección y el ajuste del algoritmo AutoML, la evaluación y la explicación del modelo.
Hoy en día, las organizaciones solo se dan cuenta de una fracción del enorme potencial de transformación de los datos porque los equipos de ciencia de datos no tienen fácil acceso a los datos y las herramientas adecuadas para construir e implementar modelos efectivos de aprendizaje automático. El resultado neto es que los modelos tardan demasiado en desarrollarse, no siempre cumplen con los requisitos empresariales de precisión y robustez y con demasiada frecuencia nunca llegan a producción.
“Los modelos efectivos de aprendizaje automático son la base de proyectos exitosos de ciencia de datos, pero el volumen y la variedad de datos que enfrentan las empresas pueden parar estas iniciativas antes de que despeguen”, dijo Greg Pavlik, senior vice president product development, Oracle Data and AI Services. “Con Oracle Cloud Infrastructure Data Science, estamos mejorando la productividad de los científicos de datos individuales mediante la automatización de todo su flujo de trabajo y agregando un soporte sólido del equipo para la colaboración de cara a ayudar a garantizar que los proyectos de ciencia de datos entreguen un valor real a las empresas”.
Diseñado para equipos de ciencia de datos y científicos
Oracle Cloud Infrastructure Data Science incluye flujo de trabajo automatizado de ciencia de datos, ahorrando tiempo y reduciendo errores con las siguientes capacidades:
• AutoML la selección y ajuste automatizado de algoritmos facilita el proceso de ejecución de pruebas contra múltiples algoritmos y configuraciones de hiperparámetros. Comprueba la precisión de los resultados y confirma que se selecciona el modelo y la configuración óptimos para su uso. Esto ahorra un tiempo significativo para los científicos de datos y, lo que es más importante, está diseñado para permitir que cada científico de datos obtenga los mismos resultados que los profesionales más experimentados.
• La selección automática de características predictivas simplifica la ingeniería de características al identificar automáticamente las características predictivas clave de conjuntos de datos más grandes.
• La evaluación del modelo genera un conjunto completo de métricas de evaluación y visualizaciones adecuadas para medir el rendimiento del modelo frente a nuevos datos y puede clasificar los modelos a lo largo del tiempo para permitir un comportamiento óptimo en la producción. La evaluación del modelo va más allá del rendimiento bruto para tener en cuenta el comportamiento de referencia esperado y utiliza un modelo de costes para que los diferentes impactos de falsos positivos y negativos se puedan incorporar por completo.
• Explicación del modelo: Oracle Cloud Infrastructure Data Science proporciona una explicación automatizada de la ponderación relativa y la importancia de los factores que intervienen en la generación de una predicción. Oracle Cloud Infrastructure Data Science ofrece la primera implementación comercial de la explicación independiente del modelo. Con un modelo de detección de fraude, por ejemplo, un científico de datos puede explicar qué factores son los principales impulsores del fraude para que la empresa pueda modificar procesos o implementar salvaguardas.
