甲骨文推云端资料科学平台可自动化模型开发流程

甲骨文（Oracle）推出可让企业快速建构、训练、管理和部署机器学习模型的云端资料科学平台，其提供了工具包供企业发展分析与人工智能专案。该平台是以甲骨文云端基础设施资料科学服务作为核心，自动化部分模型开发工作流程，提升工程师建置机器学习模型的速度。

自动化工作流程的第一步，便是要为专案选择正确的机器学习模型，云端基础设施资料科学服务能以多种算法，以及各种算法的多种配置进行测试，选出最适合的模型，甲骨文提到，这将为资料科学家节省大量的时间，而且能产出一定水准以上的结果。该服务还能自动化特征工程，降低资料科学家从大型资料集中，找出关键预测性特征的困难。

随附的模型评估工具，会产生一套评估指标与视觉化图表，让资料科学家能够评估模型效能，掌握模型在新资料上的表现，并以时间对模型进行评等，让资料科学家能将模型调校至最佳的状态。模型评估使用成本模型，可以将伪阳性和伪阴性的影响合并，让使用者能够纵观评量模型的效能。

另外，甲骨文也提供了模型解释功能，让使用者不必把机器学习当作一个黑盒子使用，云端基础设施资料科学服务能够自动产生，对应权重以及预测因素重要性说明。该服务可以用来侦测诈欺行为，资料科学家也能够解释驱动诈欺的关键因素，使企业能够修改流程或是实施保护措施。

甲骨文表示，要成功地使机器学习模型投入生产，不仅需要专业人员，也需要团队共同合作，云端基础设施资料科学提供了完整的团队协作功能，让组织可以共享专案，并且可进行版本控制，还能共享资料与笔记本连线对话（Session）。

模型目录也可以让团队成员共用既有的模型，在加以修改后部署使用。资料共享由团队安全政策控制，限制模型、程式码和资料存取的使用者，并且与甲骨文基础设施身份和存取管理服务整合。该服务也提供可重现性与可稽核性，即便原本的开发人员离开，接手人员也能重现结果，并且稽核相关资产。

云端资料科学平台除了能自动化机器学习部署模型的流程，还提供了其他资料和机器学习服务，像是甲骨文Autonomous Database就整合了机器学习算法，开始支援Python和自动化机器学习，使用者将可以应用数据库内算法开发模型，而直接在数据库中执行算法的好处，便是能节省资料准备与资料移动的时间。