（本资料为美国2020年2月12日甲骨文公司发表的新闻稿的摘译） 通过新的服务，数据科学团队可以共同快速、容易地构建和引进强大的机器学习模式 对于"Oracle Autonomous Database"的机器学习算法，通过新的Python被支持来减少数据移动的必要性 提供对数据资产的检测、检测、组织、增强和创建的新数据目录、实现全面Cloudera Hadoop的新大数据服务、提供对HDFS的SQL访问的新服务、执行Apache Spark应用的新的全部资金Oracle Cloud Data Science Plateform（Oracle Cloud Data Science Plateform）提供了7种新的服务，包括二次服务。其中心是为了企业协调开展机械学习模式的构建、训练、管理和引进，提高数据科学项目的成功率的"Oracle Cloud Infrastructure Data Science"。与其他以个别数据科学为重点的数据科学产品不同，"Oracle Cloud Infrastructure Data Science"通过共享项目、模型目录、团队安全策略、再现性、审计性等功能，通过数据循环提高体育队的有效性。"Oracle Cloud Infrastructure Data Science"通过"AutoML（自动机械学习）"的算法选择和调谐、模型评价、模型说明自动选择最佳训练数据集。

今天，企业的数据·科学团队无法容易地访问构建、导入适当数据和有效机器学习模式的工具，因此只能利用数据所具有的庞大可能性的一部分。结果，模型的开发花费了太多的时间，不仅满足了企业要求所要求的精度和坚固性，也经常无法进入运用阶段。

甲骨文Data&AI服务产品开发负责人Gleg Pavlik如下所述。"成功的数据科学项目的基本是有效的机器学习模式，但是由于企业处理的数据量和多样性，在启动前有可能会减速。通过利用"Oracle Cloud Infrastructure Data Science"，可以使整个工作流程自动化，追加为了合作的强有力的团队支持，企业管理软件公司，提高各个数据科学的生产性。"

面向数据科学团队和科学家的设计

"Oracle Cloud Infrastructure Data Science"通过以下功能节约时间和错误的自动数据科学工作流。

●自动选择和调整算法的"AutoML"：对多个算法和超参数构成进行测试的过程进行自动化。然后，调查结果的精度，确认选择了最佳的模型和构成。这样的话，可以大幅节省数据科学的时间。更重要的是，所有的数据科学都能和经验最丰富的实践者取得同样的结果。

●自动化的预测特征量提取：通过从大规模数据集中自动确定主要特征量，使特征量工程的作业合理化。

●模型评价：为测量新数据的模型性能，生成评价量度和合适的视觉效果的综合性集合，将模型按时间顺序进行排名，从而在运用环境中获得最佳动作。在模型评价中，为了充分结合假阳性和假阴性的不同影响，不仅考虑到与原性能相关的信息，还考虑到设想的基线动作，使用成本模型。

●模型说明："Oracle Cloud Infrastructure Data Science"提供了用于预测生成的系数相对加权和重要性的自动说明。在"Oracle Cloud Infrastructure Data Science"中，首次实现了不依赖于模型的说明的商务实装。例如，在不正当检测中，数据科学可以说明成为不正当的最大因素的系数，商业部门可以修改过程，也可以采取预防装置。

要将有效的机械学习正确地导入运用环境，信息大数据，只有专职的负责人是不够的，需要数据科学团队合作。"Oracle Cloud Infrastructure Data Science"提供了如下强大的团队功能。

共享项目：由用户进行编组、版本管理，使包含数据及笔记本会话的团队作业能够放心共享。●模特・目录：团队成员可以放心共享事前构筑的模型和修改及导入所需的中间成果。●基于团队的安全政策：允许用户控制对模型、代码、数据的访问。政策将与"Oracle Cloud Infrastructure Identity和Access Management"全面整合。●再现性和监查性：为了使团队成员脱离后也能再现和监查所有模型，企业可以继续跟踪所有相关资产。

通过利用"Oracle Cloud Infrastructure Data Science"，可以加快适当的模型导入，实现预测性分析的企业级的结果和性能，企业可以取得商业成果。

综合数据及机械学习服务

"Oracle Cloud Data Science Plateform"包含7种新服务，返利机器人怎么做，该服务为数据科学的结果提供快速、提高的综合端对端的扩展。

●"Oracle Cloud Infrastructure Data Science"：用户可以在"Oracle Cloud"上使用Python、TensorFolow、Kers、Jupyter等开放源工具/程序库构建新的机器学习模式，进行培训和管理。

●"Oracle Autonomous Database"的新强大机器学习功能：机器学习算法与"Oracle Autonomous Database"紧密结合，Python和"Auto ML"将得到新的支持。通过与今后的"Oracle Cloud Infrastructure Data Science"合并，数据科学可以使用开放源和可扩展数据库两种算法来开发模型。通过将算法带入"Oracle Database"内的数据中的独特方法减少数据的准备和移动，大数据现状，可以缩短导出结果前的时间。