Oracle ha annunciato oggi che Oracle MySQL HeatWave ora supporta il machine learning (ML) in-database oltre all’elaborazione e all’analisi delle transazioni precedentemente disponibili, l’unico servizio di database cloud MySQL a farlo. MySQL HeatWave ML automatizza completamente il ciclo di vita di ML e archivia tutti i modelli addestrati all’interno del database MySQL, eliminando la necessità di spostare i dati o il modello in uno strumento o servizio di machine learning. L’eliminazione dell’ETL riduce la complessità delle applicazioni, riduce i costi e migliora la sicurezza sia dei dati che del modello. HeatWave ML è incluso nel servizio cloud di database MySQL HeatWave in tutte le 37 regioni Oracle Cloud Infrastructure (OCI).
“Come abbiamo integrato funzioni analitiche ed elaborazione transazionale all’interno di un singolo database, ora abbiamo introdotto l’apprendimento automatico all’interno di MySQL HeatWave“, ha dichiarato Edward Screven, Chief Corporate Architect di Oracle. “MySQL HeatWave è uno dei servizi cloud in più rapida crescita di Oracle. Un numero crescente di clienti ha eseguito la migrazione da Amazon e da altri servizi di database cloud verso MySQL HeatWave, ottenendo notevoli vantaggi in termini di prestazioni e riduzione dei costi. Oggi stiamo inoltre annunciando una serie di ulteriori innovazioni che arricchiscono le capacità di HeatWave, migliorano la disponibilità e riducono i costi. I nostri risultati di benchmark, nuovi e completamente trasparenti, dimostrano ancora una volta che Snowflake, AWS, Microsoft e Google sono di gran lunga più lenti e costosi di MSQL HeatWave“
MySQL HeatWave ML, più veloce nell’addestramento di modelli di machine learning rispetto a Redshift ML
MySQL HeatWave ML integra in modo nativo le funzionalità di apprendimento automatico all’interno del database MySQL, eliminando la necessità di trasferire i dati su un altro servizio. HeatWave ML automatizza completamente il processo di addestramento e crea un modello con l’algoritmo migliore, le funzionalità ottimali e gli iperparametri ottimali per un determinato set di dati e un’attività specificata. Tutti i modelli generati da HeatWave ML possono fornire spiegazioni di modelli e previsioni.
Nessun altro fornitore di database cloud offre funzionalità ML così avanzate direttamente all’interno del proprio servizio di database. Oracle ha pubblicato benchmark ML eseguiti su un gran numero di set di dati di regressione e classificazione di machine learning disponibili pubblicamente come Numerai, Namao e Bank Marketing, tra gli altri. In media, sul cluster più piccolo, HeatWave ML addestra modelli di machine learning 25 volte più velocemente rispetto a Redshift ML. Inoltre, il vantaggio in termini di prestazioni rispetto a Redshift ML aumenta quando l’allenamento viene eseguito su un cluster HeatWave più grande. La formazione è un processo che richiede tempo e poiché può essere svolto in modo molto efficiente e rapido con MySQL HeatWave, i clienti possono ora riqualificare i propri modelli più spesso e stare al passo con le modifiche ai dati. Ciò mantiene i modelli aggiornati e migliora l’accuratezza delle previsioni.
- Con l'inconfondibile suono JBL Pure Bass, le cuffie in-ear con filo JBL T110 offrono un suono stereo di alta qualità con bassi potenti e profondi e sono ottimali per lavoro, a casa e in viaggio
- Dal design ergonomico, leggero e compatto, i resistenti e confortevoli auricolari TUNE 110 sono dotati di cavo piatto antigroviglio con microfono, per godersi a lungo la musica in tutta comodità
- Con la cuffia auricolare in ear T110 è facile gestire la musica e rispondere alle chiamate che ricevi sullo smartphone grazie al comando con microfono; driver da 9 mm per un audio potente
- Con il comodo set di gommini auricolari intercambiabili in 3 misure diverse, la cuffietta JBL T110 si adatta in modo confortevole a qualsiasi tipo di orecchio
- Articolo consegnato: 1 x JBL TUNE 110 Cuffie Intrauricolari con Cavo piatto antigroviglio e Microfono, Jack 3,5 mm, Gommini auricolari (3 misure: S, M, L), Scheda Sicurezza