Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Oracle Analytics Cloud、Oracle Function ハンズオン ア...

Oracle Analytics Cloud、Oracle Function ハンズオン アソシエー ション分析

OAC6.5から、機械学習や形態素解析などのインターネット上に広く公開されているスクリプトをOracle CloudにOracle Functionsとして登録し、OACから利用する事が可能になりました。当機能の適用範囲が結構広いため、今回Oracle Functionsの機械学習で販売分析を行い、その結果をOACで表示するハンズオンを作成しました。ご参考ください。

feixueshu

June 20, 2022
Tweet

More Decks by feixueshu

Other Decks in Technology

Transcript

  1. 2 Copyright © 2022 Oracle and/or its affiliates | Authorized

    OPN Partner Only 以下の事項は、弊社の⼀般的な製品の⽅向性に関する概要を説明するものです。また、情報提供を唯⼀の⽬的とする ものであり、いかなる契約にも組み込むことはできません。以下の事項は、マテリアルやコード、機能を提供することを確約 するものではないため、購買決定を⾏う際の判断材料になさらないで下さい。 オラクル製品に関して記載されている機能の開発、リリース、時期及び価格については、弊社の裁量により決定され、変 更される可能性があります。 Safe harbor statement
  2. Oracle Analytics Cloudハンズオン アソシエーション分析 • ハンズオン利⽤サービス︓ 1. Oracle Analytics Cloud「OAC」

    2. Oracle Functions 3. Autonomous Data Warehouse「ADW」 • 実施内容︓ 1. サンプルデータ(CSVファイル)をADWにアップロード 2. Oracle Functionsハンズオン Pythonを利⽤した併売分析のOracle Functionを作成 3. OACハンズオン Oracle Functionを利⽤した併売分析を実施 • ハンズオンのゴール︓ • Oracle Functionと連携させたアソシエーション分析を実施できるようになる 3
  3. 2. アソシエーション分析概要 1990年代初めに英国の有⼒百貨店マークス&スペンサーの店舗で集めているデータ活⽤に関して相談を受けたことを きっかけとして、⽶IBM研究所が研究を始め、Apriori (アプリオリ) というアルゴリズムを開発したと⾔われている。 POSデータ(レジ精算データ)から「どの商品とどの商品が⼀緒に買われるか」という法則性(相関ルール)を調べる⽬ 的で開発したメソッド※1 別名、マーケットバスケット分析ともいう 商品の陳列棚を⼯夫したり、ECサイトであればリコメンデーションの商品を表⽰するなど、

    機会損失の防⽌。クロスセル向上で1回あたりの売上をマキシマイズ アソシエーション分析(マーケットバスケット分析)の成り⽴ち ポイント︕ 「どの商品とどの商品が⼀緒に買われるか」 であり、 「ある商品を買う“プロファイル“の⼈が、いずれどの商品を買う」のアルゴリズムは、 Apriori以外(協調フィルタリング等)にもあります。 ※1. http://arbor.ee.ntu.edu.tw/~chyun/dmpaper/agrama93.pdf 6
  4. 業種/業態 分析 活⽤により得られる効果(例) 総合スーパーマーケット コンビニエンスストア等 流通⼩売業全般 同時購⼊商品の組み合わせ 上記の店舗間⽐較 店舗内での商品陳列の最適化、購買動機の 把握、店舗間での顧客嗜好の⽐較、新規出

    店時の地理的特徴の把握 Eコマース・デジタルコンテンツ産業 テレビショッピングチャンネル等 IDに紐づく過去の累積 購買履歴 サイト内のページ閲覧履歴 顧客ごとにカスタマイズされたメールマガジン、イ ンターネット広告、トップページによるコンバー ジョン率の向上 通信サービス ITサービス ⼯業製品 通信業、製造業全般 製品本体とオプション製品/サービスの組 み合わせ オプション製品/サービス同⼠の組み合わ せ 携帯電話、プロバイダの料⾦プラン、不可オプ ションサービスの提案、オプション商品同⼠の セット販売による顧客インセンティブ 外⾷産業 トッピングメニューの組み合わせ ⾷べ物、飲み物、サイドメニューの組み合 わせ 追加オーダーのリコメンド、新商品、セットメ ニューの考案、(時系列⽐較による)顧客動 向の調査 銀⾏、証券会社、保険会社等 ⾦融全般 ⾦融商品の購⼊状況 投資対象銘柄の提案、顧客の嗜好、選択基 準の把握 ※参考 データアナリティクス実践講座 アクセンチュアアナリティクス著 ⼯藤卓哉、保科学世監修 2. アソシエーション分析概要 アソシエーション分析の活⽤例 8
  5. Support(⽀持度)同時確率 • 計算ロジック︓「りんご」と「はみちつ」が同時に購⼊された回数を総トランザクション数で割った値 • 全てのトランザクションの中で「りんご」と「はちみつ」が同時購⼊された割合がどれくらいか︖ • 全体の中でXとYを含むトランザクションの⽐率。併売ルールの出現率 Confidence (確信度)条件付き確率 •

    計算ロジック︓りんご⇒はちみつとなる⽀持度の値をりんご単体の⽀持度の値で割った値 • 「りんご」を購⼊した⼈が「はちみつ」も購⼊する確率はどれくらいか︖ Lift(リフト値)改善率 • 計算ロジック︓りんご⇒はちみつとなる信頼度の値をペン単体の⽀持度で割った値 • 「りんご」を購⼊した⽅が「はちみつ」だけを購⼊した場合に⽐べて どれくらい「はちみつ」を購⼊してもらうことに貢献してもらえるか? 2. アソシエーション分析概要 相関ルールを抽出する為の代表的な3つの評価指標(KPI) ※参考 データアナリティクス実践講座 アクセンチュアアナリティクス著 ⼯藤卓哉、保科学世監修 9
  6. § 計算ロジック︓「りんご」と「はみちつ」が同時に購⼊された回数を総トランザクション数で割った値 § 全てのトランザクションの中で「りんご」と「はちみつ」が同時購⼊された割合がどれくらいか︖ § 全体の中で「りんご」と「はちみつ」を含むトランザクションの⽐率。併売ルールの出現率 X Y X Y

    D D 全体のトランズアクションから「りん ご」と「はちみつ」を両⽅、同時に買 う確率を計算する指標。 2. アソシエーション分析概要 Support(⽀持度)同時確率 ※参考 データアナリティクス実践講座 アクセンチュアアナリティクス著 ⼯藤卓哉、保科学世監修 数字で確認 2 100 0.02 = 例えば・・・ りんご購⼊=8 はちみつ購⼊=10 両⽅購⼊=2 全体=100 10
  7. § 計算ロジック︓りんご⇒はちみつとなる⽀持度の値をりんご単体の⽀持度の値で割った値 § 「りんご」を購⼊した⼈が「はちみつ」も購⼊する確率はどれくらいか︖⽐率を⾒る計算式 X Y D X Y D

    「りんご」と「はちみつ」両⽅買った⼈ が「りんご」を買った⼈の中でどれくら いいるかを図る指標 2. アソシエーション分析概要 Confidence (確信度)条件付き確率 ※参考 データアナリティクス実践講座 アクセンチュアアナリティクス著 ⼯藤卓哉、保科学世監修 数字で確認 2 8 0.25 = 例えば・・・ りんご購⼊=8 はちみつ購⼊=10 両⽅購⼊=2 全体=100 11
  8. § 計算ロジック︓りんご⇒はちみつとなる信頼度の値をペン単体の⽀持度で割った値 § 「りんご」を購⼊した⽅が「はちみつ」だけを購⼊した場合に⽐べて、 どれくらい「はちみつ」を購⼊してもらうことに貢献してもらえるか? X Y X Y D

    D X Y D X Y D 2. アソシエーション分析概要 Lift(リフト値)改善率 ※参考 データアナリティクス実践講座 アクセンチュアアナリティクス著 ⼯藤卓哉、保科学世監修 それぞれアソシエーション・ルールに優劣はなく、3つの指標を相互に確認しながら判断 「りんご」の購買が「はち みつ」の購買をどの程度” 持ち上げる”か(促進さ せるか)を⽰す指標。⽬ 安として、リフト値が1より ⼤きい場合は有効な ルールとされている。 数字で確認 100 例えば・・・ りんご購⼊=8 はちみつ購⼊=10 両⽅購⼊=2 全体=100 2 8 / / 10 = 2.5 12
  9. 2. アソシエーション分析概要 Oracleアナリティクスでアソシーション分析の実現イメージ 13 アソシエーション分析スクリプトをOracle CloudにOracle Functionsとして登録し、Oracle Analytics Cloudから利⽤する Oracle

    Analytics Cloud OCI Functionsにデプロイしたアソシエーション分析スク リプトを、OACデータフローに定義する。 OCI Functions 機械学習 Script 形態素解析 Script テキスト処 理 Script
  10. Oracle Functions 拡張性・カスタマイズ性の⾼いオープンソース・ベースのフルマネージド FaaS オープンソースのFaaSエンジン “Fn Project”を採⽤ コンテナ技術をベースとした ⾼いカスタマイズ性 Oracle

    Cloud Infrastructure が提供する豊富なサービス群との連携 Pay per use • 実稼働分のみ料⾦が発⽣ • アイドルタイムには課⾦が発⽣しない Autonomous • リクエスト量に応じた⾃動スケール • プロビジョニングや管理のためのサーバは不 要 Event-driven • OCIのトリガーによってコードを実⾏ • API Gateway, Service Connector Hub, Events, Notifications 1 2 3 15 Copyright © 2022 Oracle and/or its affiliates | Authorized OPN Partner Only
  11. バケットの作成 スクリプトの準備 ファンクションのデプロイ CSVファイルを格納したバケットが必要であるため、Object Storageのバケットを作成 16 Oracle Analytics Cloud Oracle

    Functions CSV CSV Python Script ADW ロード 機械学習 Object Storage 「バケット」 Python Script 機械学習スクリプトの実行、CSVへの出力 機械学習スクリプトが実行され、 処理結果のCSVファイルが生成される
  12. funcDefinition = { "status": { "returnCode": 0, "errorMessage": "" },

    "funcDescription": { "outputs": [ {"name": "support", "dataType": "number"}, {"name": "confidence", "dataType": "number"}, {"name": "lift", "dataType": "number"}, {"name": "finalRules", "dataType": "varchar(1000)"} ], "parameters": [ {"name": "transaction_id", "displayName": "Transaction ID", "description": "Choose Transaction ID Column", "required": True, "value": {"type": "column"}}, {"name": "key_name", "displayName": "Key Name", "description": "Choose Key Name Column", "required": True, "value": {"type": "column"}} ], "bucketName": "bucket-FAAS", "isOutputJoinableWithInput": False } } PythonスクリプトでOracle Functionsを作成する前、まずOracle Functionsの定義 を作成 18 ステップ1 • OACに出⼒結果を定義 ステップ2 • OACからの⼊⼒パラメータ ステップ3 • ⼊⼒と出⼒ファイルを格納したバケットの指定 ステップ4 • 処理結果を⼊⼒データと結合することが必要かを指定 • 今回にはアソシエーションルールを出⼒するため、結合が不要 バケットの作成 スクリプトの準備 ファンクションのデプロイ
  13. if input_method == "csv": bucketName = body.get("input").get("bucketName") fileName = body.get("input").get("fileName")

    + body.get("input").get("fileExtension") args = body.get("args") input_csv_path = read_from_objectstore(bucketName, fileName) dat = pd.read_csv(input_csv_path, sep=",", quotechar="\"", encoding="utf-8", parse_dates=True, infer_datetime_format=True) transactionId = args.get("transaction_id") keyName = args.get("key_name") ds_list = dat.groupby(transactionId)[keyName].apply(list) association_rules = list(apriori(ds_list, min_support=0.001, min_confidence=0.1, min_lift=0.5, max_length=4)) *他の結果への細工があるが、ここには省略し、当資料同梱のファイルをご参照ください。 output_dat = Final_result[['support', 'confidence', 'lift', 'finalRules']] outputFile = body.get("output").get("fileName") + body.get("output").get("fileExtension") output_csv_path = "/tmp/"+outputFile output_dat.to_csv(output_csv_path, columns=["lift","finalRules"], index=False) write_to_objectstore(bucketName, outputFile, output_csv_path) os.remove(input_csv_path) os.remove(output_csv_path) Pythonのスクリプトを作成 19 ステップ1 • バケットのCSVファイルから、分析⽤のデータを 読み込み ステップ2 • アソシエーションルー ルを算出 ステップ3 • アソシエーションルールを格納し たCSVファイルをバケットに⽣成 バケットの作成 スクリプトの準備 ファンクションのデプロイ
  14. fdk>=0.1.45 oci pandas numpy apyori ファンクションライブラリの設定ファイル「requirements.txt」を作成 20 ステップ1 • ローカルにファイル「requirements.txt」を作成

    ステップ2 • 「requirements.txt」にPython で利⽤したライブラリを追加 バケットの作成 スクリプトの準備 ファンクションのデプロイ
  15. リポジトリの作成 21 ステップ1 • 「開発者サービス」 -> 「コンテナ・レジストリ」を クリック ステップ2 •

    ⼀覧画⾯で「リポジトリの作 成」ボタンをクリック ステップ3 • 必要な情報を⼊⼒して、「リポジトリの作 成」ボタンをクリック • リポジトリ名︓ faas_scripts/assosiation_rules • 要注意︓リポジトリ名は必ず「アプリケー ション名+ファクション名」で作成してくださ い。今回の場合にアプリケーション名は 「faas_scripts」で、ファクション名は 「assosiation_rules」です。 バケットの作成 スクリプトの準備 ファンクションのデプロイ
  16. 認証トークン 22 ステップ1 • 「プロファイル」メニュー( )を開き、 「ユーザー設定」をクリック ステップ2 • ユーザーの詳細画⾯で「認証

    トークン」 -> 「トークンの⽣成」 ボタンをクリック バケットの作成 スクリプトの準備 ファンクションのデプロイ ステップ3 • 説明を⼊⼒して、「トークンの⽣成」ボタン をクリック ステップ4 • ⽣成されたトークンをコピー
  17. アプリケーションの作成 23 ステップ1 • 「開発者サービス」 -> 「アプリケーション」 をクリック • アプリケーションの⼀覧画⾯で「アプリケー

    ションの作成」ボタンをクリック ステップ2 • 必要な情報を⼊⼒して、「作 成」ボタンをクリック • 名前︓faas_scripts • VCNおよびサブネット︓新規 VCN/サブネットを作成するか、 既存のVCN/サブネットを選択 バケットの作成 スクリプトの準備 ファンクションのデプロイ
  18. 環境の構成 24 ステップ1 • アプリケーションの詳細画⾯で表⽰してい る「Cloud Shellの起動」ボタンをクリック ステップ2 • Step2、3のコマンドをコピーし、

    クラウド・シェル・ウィンドウに貼り 付けてから、実⾏ バケットの作成 スクリプトの準備 ファンクションのデプロイ
  19. ファンクション・コードのアップロード 27 ステップ1 • 「fn init --runtime python assosiation_rules」をCloud Shellで実⾏

    ステップ2 • スクリプトの準備で作成した「func.py」と 「requirements.txt」をCloud Shellにアップロード バケットの作成 スクリプトの準備 ファンクションのデプロイ
  20. ファンクションのデプロイ 28 ステップ1 • 「mv func.py requirements.txt ./assosiation_rules」をCloud Shellで実⾏ •

    アソシエーション分析のスクリプトをファンクションのホルダーに移動 ステップ2 • 「assosiation_rules」のディレクトリに切り替え、 「fn -v deploy --app faas_scripts」を実⾏して ファンクションをデプロイ バケットの作成 スクリプトの準備 ファンクションのデプロイ
  21. OACタグの追加 29 ステップ1 • ファンクションの詳細画⾯で「タグの追加」を クリック ステップ2 • タグ・ネームスペースに「なし(フリーフォーム・ タグ

    の追加)」を選択 • タグ・キーに「oac-compatible 」を⼊⼒ • タグ値に「true」を⼊⼒ • 「タグの追加」ボタンをクリック バケットの作成 スクリプトの準備 ファンクションのデプロイ
  22. DATA LOADの設定と実⾏ 37 ステップ1 • テーブル名を 「FRUITUNPIVOT」で⼊⼒ ステップ2 • 列のデータタイプと

    ⻑さを定義 ステップ3 • 「Close」をクリック 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 ステップ4 • 実⾏アイコンをクリックし、CSVデータ をADWのテーブルにロード
  23. ステップ1 • 「作成」をクリック Oracle Analytics Cloudホーム画⾯ 38 ステップ2 • 「接続」をクリック

    分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  24. ステップ1 • 「Oracle Autonomous Data Warehouse Cloud」を クリック ADWデータソースの接続画⾯ 39

    ステップ2 • 接続情報を⼊⼒ 接続名 1 Walletファイルのtnsnames.oraにある service_name 2 3 Walletのzipファイル 4 ADWのユーザー名 5 ユーザーのパスワード ステップ3 • 「保存」をクリック • 「接続が正常に作成されま した」を確認 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  25. ステップ1 • 「作成」をクリック • 「データ・セット」をクリック データ・セットの作成 40 ステップ2 • 接続「TestADW」を

    選択 ステップ3 • 「ADMIN」を選択 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  26. ステップ1 • 「FRUITUNPIVOT」を クリック データ・セットの作成(続き) 41 ステップ4 • 「FRUIT_UNPIVOT」を ⼊⼒

    • 「OK」をクリック • データ・セット 「FRUIT_UNPIVOT」 を 作成 ステップ2 • 「名前をつけて保存」をクリック 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  27. ステップ4 • 「保存」をクリック OCI環境の接続を作成 42 ステップ1 • 「接続」をクリック ステップ2 •

    「Oracle OCI Resource」をクリック ステップ3 • 接続の情報を⼊⼒ 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 接続名 1 ⽣成したAPIキーをコピーし、ユーザーに 設定 2 3 ファンクション所属のリージョンを選択 4 ファンクション所属のテナンシOCID 5 ファンクションにアクセスするユーザーのOCID
  28. OCI環境接続の情報源、ファンクションのテナンシでの作業 43 ステップ1 • 「テナンシ」をクリック • 「ユーザー設定」をクリック ステップ2 • テナンシOCID右の「コピー」をクリックし、OCID

    をOCI環境の接続に設定 • ユーザー情報のOCID右の「コピー」をクリックし、 OCIDをOCI環境の接続に設定 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 ステップ3 • OACで⽣成したAPIキーをコピーし、「APIキー の追加」をクリックして、追加
  29. OCI関数登録 44 ステップ1 • 「モデル/関数の登録」をクリック • 「OCI関数」をクリック ステップ2 • Oracle

    OCIリソース接続の 「Test Function」をクリック 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 ステップ3 • ファンクションの所属したコンパートメント 「OACdeploy」をクリック
  30. OCI関数登録(続き) 46 ステップ1 • 「機械学習」の スクリプトで登 録したファンク ションを確認 ステップ2 •

    ファンクション 「assosiation_rules」の 「検査」をクリック 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 ステップ3 • ファンクションのそれ ぞれの詳細情報が 正しいことを確認
  31. OACデータ・フローでファンクションを適⽤し、アソシエーション分析を実⾏(続き) 50 ステップ1 • カスタム・スクリプトの「⊕」をクリック • 「データの保存」をクリックし、分析の結果をデータセット として保存 ステップ2 •

    「Top Association Rules」をデータセットに⼊⼒ • データ保存先の「データベース接続」を選択 • 接続に「TestADW」を選択 • 「TopAssociationRules」を表に⼊⼒し、ADWのテーブル名を設定 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  32. OACデータ・フローを実⾏ 51 ステップ1 • 「データ・フローの実⾏」 アイコンをクリック ステップ2 • 「AssociationRules」をデータ フロー名として⼊⼒

    • 「保存と実⾏」ボタンをクリック 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作 ステップ3 • データセット画⾯で、データフローの実⾏結果「Top Association Rules」が表⽰されたことを確認
  33. ADWCに接続 データの準備 可視化操作 共有 ステップ2 • 「プロジェクト」をクリック プロジェクトの作成画⾯ 52 ステップ1

    • 「ナビゲータ」をクリック ステップ3 • 「作成」をクリック ステップ4 • 「プロジェクト」をクリック
  34. データ・セットの追加画⾯ 53 ステップ1 • 「Top Association Rules」をクリック • 「FRUIT_UNPIVOT」をク リック

    ステップ2 • 「プロジェクトに追加」 をクリック ステップ3 • データ・セットがプロジェクトに追加されて いるのを確認 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  35. A マーク︓属性形式 # マーク︓数値形式 (補⾜説明)データ可視化の準備 「マイ計算」では関数を利⽤して、 新たなデータ項⽬を作成可能 アプリ上部に表⽰される フィールドを切り替えて利⽤ 準備フィールド︓

    データの準備 ビジュアル化︓ 分析を作成・編集・保存 解説︓ グループメンバーと共有 「データ要素」タブ︓ データ・ソースのデータ項⽬の状況確認・編 集 ※ドラッグ&ドロップ操作可 「ビジュアライゼーション」タブ︓ チャートの種類 ※ドラッグ&ドロップ操作可 「分析」タブ︓ Advanced Analyticsを利⽤し統計解 析 ※ドラッグ&ドロップ操作可 54 データの接続で作成される データ・セット
  36. ステップ1 • 「TRANSACTION_ID」をクリックし、 Shiftキーを押しながら 「NUM_SALES」をクリック • 右クリックで「ビジュアライゼーションの 選択」 • 「表」を選択しクリック

    ビジュアライゼーションの作成 55 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  37. ステップ1 ・データ・セットで作成された項⽬ を確認 ステップ2 ・作成した項⽬を元に表を作 成 ・⾊フィールドのプロパティで 変更も可能 アソシエーション分析(表の作成) 66

    ステップ3 ・タブを右クリック「名前を変更」で 「表」と記⼊ ・+で新規フィールドを作成 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  38. アソシエーション分析(表の作成) ステップ1 ・Supportの値が「0.00」で表 ⽰する項⽬があるため、⼩数の 桁数を変更 ・「⾃動」をクリック ステップ3 ・少数を「0.001」に 変更 ステップ3

    ・Supportに数値が「0.001」まで表⽰ するのを確認 67 ステップ2 ・数値を選択 分析データ準備 ADWに接続 ファンクションでのアソシエーション分析 可視化操作
  39. 5. まとめ アソシエーション分析 • 3つの評価指標 • 「Apriori」アルゴリズム • 「Oracle Analytics

    Cloud」での分析には「Oracle Functions」と連携 • 「Autonomous Data Warehouse」と連携で分析 • ADWを使わず、OACだけでの分析にも可能 • ローカルの環境でファンクションのDebugを⾏うことが必要 • ファンクションに問題があるときに修正したスクリプトをデータ・フローで再適⽤するこ とが必要 72
  40. 5. まとめ 73 機械学習製品 アジャイル性 パフォーマンス Auto ML オープンソース対応 参考

    Oracle Analytics Cloudの内蔵機能 ◉ ◎ ー ー OACのデータフローとシナリオの作成で利⽤。モデルのチューニング⽅法が 他の製品より少なく、⼩規模データ量に対すファスト機械学習に適⽤ Autonomous Data Warehouse ◎ ◉ ◉ ー ADWで作成したモデルをOACにインポートしてOACのデータフローで利⽤。 スクリプト作成が必要だが、データベースのリソースで機械学習を⾏うと OMLのAuto機械学習機能が使⽤するため、⼤量データの複雑な機械 学習に適⽤ Data Science Cloud ◎ ◉ ◉ ◉ Data Scienceで学習結果のデータを出⼒し、OACでデータセットとして 利⽤。スクリプト作成が必要だが、オープンソースパッケージの拡張が簡単 であるため、AIと⾃然⾔語処理などの対応が可能。またCPU・GPUの数 も柔軟に設定できて、Pythonとオープンソース機械学習パッケージに上 ⼿なデータサイエンティストに適⽤ Oracle Functions ◎ ◎ ー ◉ カスタムスクリプトとしてOACに登録し、OACのデータフローで利⽤。機械 学習だけではなく、形態素解析やテキスト処理などを全部対応することが 可能。CSVの中間ファイルがOACと通信する必要があるため、⼤量データ の処理に対してパフォーマンス問題が発⽣する可能性があるが、 Instanceの作成が不要であるため、ディプロイの便利性が良くて、オープ ンソースパッケージでの少ないデータ量の機械学習を⾏う場合に適⽤ オラクル機械学習製品の特徴⽐較︓
  41. 参考資料 Oracle Analytics Cloud(⽇本語) https://docs.oracle.com/cd/E83857_01/paas/analytics-cloud/index.html Autonomous Data Warehouse(英語) https://docs.oracle.com/en/cloud/paas/autonomous-data-warehouse-cloud/index.html Register

    and Use Oracle Cloud Infrastructure Functions in Data Flows(英語) https://docs.oracle.com/en/cloud/paas/analytics-cloud/acubi/register-and-use-oci- functions-data-flows.html AutoML UI in Autonomous Data Warehouse(英語) https://docs.oracle.com/en/database/oracle/machine-learning/oml-automl- ui/amlui/accessing-automl-ui.html Oracle Data Science Cloud(英語) https://docs.cloud.oracle.com/en-us/iaas/data-science/using/deploy-models.htm