プレゼン資料 - Oracle

オラクルで実現する クラウド・マシン・ラーニング Oracle Advanced Analy-cs in Oracle Database Cloud Service ⽇日本オラクル株式会社 クラウド・テクノロジー事業統括 データベースソリューション本部 ⼩小川 幹雄 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | •  以下の事項は、弊社の⼀一般的な製品の⽅方向性に関する概要を説明す
るものです。また、情報提供を唯⼀一の⽬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コミットメント（確約）するも
のではないため、購買決定を⾏行行う際の判断材料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、リリースお
よび時期については、弊社の裁量量により決定されます。
OracleとJavaは、Oracle Corpora@on 及びその⼦子会社、関連会社の⽶米国及びその他の国における登録商標です。 ⽂文中の社名、商品名等は各社の商標または登録商標である場合があります。
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 2
アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 3 アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 4 マシン・ラーニング（機械学習）
明⽰示的にプログラムしなくても学習
する能⼒力力をコンピュータに与える •  教師あり学習 •  教師なし学習 • 連想される⾔言葉葉 – ⼈人⼯工知能、画像認識識、⾃自然⾔言語処理理、⾃自動運転、 ディープラーニング、データマイニング、R、Python
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 5
顧客情報 （属性値や、過去の利利⽤用状況など）から、 その顧客が今後優良良顧客になる可能性を算出したい
・顧客 ・ID性別 ・所在地 ・継続期間 ・前⽉月請求額 ・・・ 顧客データ
この顧客は優良良顧客か？ その確率率率は？
分類モデル
このモデルをどうやって
作成するのか？
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 6
機械学習によるモデル作成
顧客データとアルゴリズム
によって⾃自動⽣生成
過去データ ・顧客 ・ID性別 ・所在地 ・継続期間 ・前⽉月請求額 ・・・ ・優良良顧客フラグ アルゴリズム •  重回帰 •  SVM •  決定⽊木 …
予測された優良良顧客リスト
分類モデル
顧客データ = 学習⽤用データ アルゴリズムを選択
⽬目的達成です！
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 7
⾃自動⽣生成されるモデルのイメージ
過去顧客データ
前⽉月請求額
<5,000円
ID
性別 年齢
職業
101
男性 31
会社員
102
女性 28
主婦
5,000円 YES
103
女性 36
主婦
200円 NO
104
男性 43
会社員
3,000円 NO
105
女性 22
会社員
7,000円 YES
>=5,000円
性別
前月請求額 ロイヤル
ロイヤル= NO 10,000円 NO
性別 年齢
職業
314
男性 40
会社員
4,000円 NO
315
女性 26
会社員
5,500円 YES
⼥女女性
ロイヤル= NO ロイヤル= YES 新規顧客データ
ID
男性
前月請求額 ロイヤル
IF ( 前⽉月請求額 >= 5000 AND 性別 = “⼥女女性” ) THEN
ロイヤル= YES
Probability = 0.77（信頼度度）
Support = 0.250（組み合わせの出現率率率）
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 8
ターゲット層へヒットする割合 機械学習のビジネスへの有効性
機械学習
を使⽤用
100% 70% ROI 50% 顧客をランダム
で選択
20% 0% 20% 50% 100% 全体の何割にアプローチするか Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 9
データ量量を増やすことによって、予測精度度を上げる
ビッグデータ（例例えば数百の属性
からなる⼊入⼒力力）で⽣生成されたモデル
•  統計データ
•  POSトランザクションデータ
•  テキストやコメント
•  位置情報
•  過去データと直近の⾏行行動データ
•  ウェブログデータ
•  センサーデータ etc.
ターゲット層へヒットする割合 100% 0% ランダム 250の属性からなるモデル
75の属性からなるモデル
20の属性からなるモデル
全体の何割にアプローチするか Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 100% 10
機械学習の様々な活⽤用例例
•  ダイレクトメール送付
⇒
送付先アドレスリスト
•  チャーン分析 ⇒
チャーン顧客のリスト
•  クレジットリスク分析
•  マーケット・ バスケット分析 ⇒
⇒
個々⼈人のクレジットスコア アップセル・クロスセルの リコメンデーション
•  異異常検出(Fraud 分析) ⇒
異異常トランザクションの検出 •  医学実験結果分析
⇒
実験データ要因抽出
•  国家安全保障 ⇒
テロリスト容疑者の検出 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 11
データ活⽤用におけるPDCAサイクル (CRISP-­‐DM)
データ
理理解
ビジネス
理理解
データ
準備
展開
データ
モデリング
評価
ビジネス
理理解
データ
理理解
データ
準備
データ
モデリング
評価
展開
ビジネス
⽬目的の
決定する
初期
データを
収集する
データを
選択する
モデリング
⼿手法を
選択する
結果を
評価する
展開を
計画する
状況を
評価する
データを
記述する
データを
整理理する
テスト
結果を
⽣生成する
プロセスを
審査する
運⽤用を
計画する
分析の
ゴールを
決定する
データを
調べる
データを
構築する
モデルを
構築する
次の
ステップを
決定する
最終
レポートを
作成する
プロジェクト
計画を建てる
データの
品質を
検証する
データを
統合する
モデルを
評価する
プロジェクト
を審査する
データを
設定する
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 12
アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 13 Oracleのマシン・ラーニングの進化 アナリティクスSQLをデータベースに
• 3つの新しいアルゴリズ
ム(EM, PCA, SVD)を追加 • SQLDEV/Oracle Data Miner 4.0 においてSQLス
クリプト作成機能+SQL
• ⾃自動データ準備 (ADP), テキス クエリーノード機能、R
トマイニング機能追加 連係機能が提供 • SQL Developerプラグイン
• OAA/ORE 1.3 + 1.4 スケー
Oracle Data Miner 3.2 を提供 ルする新しいRアルゴリ
• データ・マイニング
ズムを提供 • Oracle R Enterpriseによる
SQL関数, 7つの新しい
• ⼆二つのアルゴリズム Oracle Databaseと“R” との連係 • Hadoopと連携するOracle アルゴリズムを提供 R Advanced Analy@cs for • シンキングマシンズ社 (NB, AR) をJava APIと •  GUIウィザード型GUI • “Oracle Advanced Analy@cs Hadoopを提供 (ODM + ORE)に名称変更更 より“Darwin”データ・マ して提供 Oracle Data Miner イニングソフトウェア “Classic”を提供 と開発チームを獲得 1998 1999 2002 2004 2005 2008 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 2011 2015 14
Oracle Advanced Analy@cs
⾼高度度な機械学習エンジンをデータベースに内包
Oracle Data Mining •  データベース内部でマイニング処理理
•  12のin-­‐databaseデータマイニングアルゴリズム
•  Predic@ve analy@cs アプリケーションを 開発するための環境
•  SQL Developer/Oracle Data Minerによる GUIによる開発 •  PL/SQL APIとJava API
•  Exadataのパワーを利利⽤用したモデルの適⽤用 Sta@s@cs
Advanced Analy@cs
Oracle R Enterprise R
• 
• 
• 
• 
• 
• 
• 
利利⽤用者の多いOSSの統計⾔言語/環境 拡張性を得るためにデータベースに統合 広範な統計、⾼高度度な分析のための関数を⽤用意 Rの機能をアプリケーションや OBIEEに統合 探索索的なデータ分析 すぐれたグラフ描画機能 Open source R (CRAN) パッケージ Data Mining
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | Predic@ve Analy@cs
15
Oracle Advanced Analy@cs Databaseアーキテクチャ
BICS
DBCS Users データサイエンティスト Rプログラマー + ビジネスユーザー SQL Developer R Enterprise Client SaaS
ビジネスユーザー (マネージャーレベル) エンドユーザー OBIEE HCM, CRMなど Pla)orm Oracle Database Enterprise Edi-on Oracle Advanced Analy-cs 並列列実⾏行行のためのSQLデータ・マイニング/分析関数 スケーラブルな分散、⾼高性能のRとの統合 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 16
Oracle Advanced Analy@cs In-­‐Database Data Miningアルゴリズム
アルゴリズム 応⽤用範囲の例例 分類 Logis@c Regression (GLM) Decision Trees Naïve Bayes Support Vector Machines (SVM) ロイヤルカスタマーの予測 稼働会員から外れる会員の予測 優良良商品へ成⻑⾧長する製品の予測 インバウンドニーズのある店舗の予測 回帰 Linear Regression (GLM) Support Vector Machine (SVM) 特定商品の売り上げを予測 特定顧客の消費⾦金金額を予測 異異常検出 One Class SVM 突発的な商品需要の検知 機器の異異常値検知 属性重要度度 Minimum Descrip@on Length (MDL) Principal Components Analysis (PCA) 属性の絞り込み、ノイズの低減 相関ルール Apriori バスケット分析/ NBO(Next Best Offer)分析 クラスタリング Hierarchical k-­‐Means Hierarchical O-­‐Cluster Expecta@on-­‐Maximiza@on Clustering (EM) 製品のグルーピング/ テキストマイニング 遺伝⼦子-­‐タンパク質分析 特徴抽出 Nonnega@ve Matrix Factoriza@on (NMF) Singular Value Decomposi@on (SVD) テキスト分析 / 因⼦子分析 A1 A2 A3 A4 A5 A6 A7 F1 F2 F3 F4 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 17
アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 18 Oracle Database Cloud Service
No.1データベースをそのままクラウド上で利利⽤用可能
すぐに使える データベースが使えるまで、わずか5画⾯面 すぐに拡張できる リソースが⾜足りなくなったら、すぐに拡張できる
Database Cloud Service 使った分だけ お⽀支払い サーバー費⽤用は従量量制（1時間50円〜～） ソフトウェアライセンス（オプション含）も従量量制
エンター プライズ対応 定番機能から機械学習まですぐ使える形で提供 最⾼高のデータベース基盤である Exadata を選択可能 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 19
潜在的な管理理コストを含めたTCO削減
数クリックで プロビジョニング ワンクリックで パッチ適⽤用 容易易な可⽤用性対策 Backup/HA/DR No
DB暗号化 Advanced Security DB Monitor クラウド専⽤用 モニタリングツール インフラ管理理は 不不要 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 20
典型的なデータ解析基盤の課題
データの 取得依頼
解析結果の
格納依頼
対象データの エクスポート
マーケティング担当
販売情報 + 顧客情報
PC内でデータ 解析を実施
ビジネス部⾨門 解析結果の インポート
インフラ担当
情報システム部⾨門 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 21
典型的なデータ解析基盤の課題
データの 取得依頼
意思決定の遅延
解析結果の
格納依頼
対象データの エクスポート
マーケティング担当
性能問題
PC内でデータ 解析を実施
ビジネス部⾨門 販売情報 + 顧客情報
インフラ担当
情報漏漏えいリスク
解析結果の インポート
情報システム部⾨門 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 22
クラウド・マシン・ラーニング
クラウド環境に
データをクローン
マーケティング担当
データ解析のフローを設計 処理理はクラウド側で実施 解析結果の格納も フローとして設計
販売情報 + 顧客情報
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | インフラ担当
23
クラウド・マシン・ラーニング
クイック・スモールスタート
オンプレミスにも移⾏行行可能な ハイブリッドクラウド
クラウド環境に
データをクローン
マーケティング担当
データ解析のフローを設計 処理理はクラウド側で実施 解析結果の格納も フローとして設計
販売情報 + 顧客情報
インフラ担当
暗号化・権限分掌による ⾼高セキュリティレベル
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 24
参考：オンプレミス・マシン・ラーニング
マーケティング担当
データ解析のフローを設計 処理理はサーバ側で実施 解析結果の格納も フローとして設計
販売情報 + 顧客情報
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | インフラ担当
25
参考：オンプレミス・マシン・ラーニング
単⼀一部⾨門で完結する意思決定
サーバ性能をフルに使える ⾼高パフォーマンス解析基盤
マーケティング担当
データ解析のフローを設計 処理理はサーバ側で実施 解析結果の格納も フローとして設計
販売情報 + 顧客情報
インフラ担当
暗号化・権限分掌による ⾼高セキュリティレベル
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 26
クラウド・マシン・ラーニングと 他のOracle Cloudとの連携
Java
BI
Database + OAA
Marke@ng
Backup
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 27 アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 28 Oracle Data Minerアーキテクチャ
SQL Developer + Data Miner ODMRSYS Data Miner リポジトリ SQL, PL/SQL サービス Data Mining XML DB USERS Scheduler 機械学習⽤用 Text テーブル/ビュー Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 29
Oracle Advanced Analy@cs Oracle Data Miner GUI
•  GUIによる操作で分析フローを設計 •  フローをイメージで保存可能 •  クライアントツールから データベースを操作 •  複雑な機械学習の処理理を ⾃自動で同時実⾏行行 •  モデリングに適したデータに ⾃自動変換 •  ETL処理理も実⾏行行可能
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 30
Oracle Data Minerの主な概念念
⽤用語
概要
補⾜足
ユーザースキーマ
データベース接続スキーマ データマイニング実施アカウント
複数作成可能
プロジェクト
分析プロジェクト
ワークフローの集合体 プロジェクト名とコメントを付与可能
ワークフロー
データマイニングオペレーション(モ ノードが結びついたもの デリング、テスト、スコアリング)の ノードの組み合わせによって、 設計領領域
データマイニングオペレーションを設計可能
ノード
データノード 変換ノード テキストノード モデルノード 予測問合せノード 評価と適⽤用ノード リンクノード
ノード間を接続して、フローを実現 名前とコメントを付与可能 詳細パラメータを設定できる ノード単位で実⾏行行を⾏行行える ※実⾏行行に必要な他のノードがあれば、 そちらも⾃自動的に実⾏行行される ノードのステータスが表⽰示
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 31
Oracle Data Minerの各概念念の関係
データベース
ユーザースキーマ
ノード ノード ワークフロー ノード ワークフロー ノード ノード ノード ノード ノード ユーザースキーマ
プロジェクト
プロジェクト
ワークフロー 1つのユーザースキーマで複数
のプロジェクトを利利⽤用可能
ノード ノード ノード プロジェクト
ワークフロー ワークフロー ノード ノード ノード ノード ノード ノード ノード間を接続して フローを記述
⼀一つのプロジェクトに複数の ワークフローを作成可能
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 32
Step1 新規プロジェクト作成(1/2)
接続ユーザーから右クリックして 「新規プロジェクト」を選択
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 33
Step1 新規プロジェクト作成(2/2)
プロジェクト名と必要であれば コメントを記⼊入して「OK」をクリック
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 34
Step2 新規ワークフロー作成(1/3)
対象のプロジェクトから 「新規ワークフロー」を選択
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 35
Step2 新規ワークフロー作成(2/3)
ワークフロー名を 記⼊入して「OK」をクリック
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 36
Step2 新規ワークフロー作成(3/3)
ワークフローを設計する 画⾯面が表⽰示される
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 37
Step3 データソースを選択(1/3)
ワークフロー・エディタより「データソース」を
ワークフロー設計画⾯面にドラッグ&ドロップ
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 38
Step3 データソースを選択(2/3)
対象の表を選択して
「終了了」をクリック ※⼀一部の列列を選択可能
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 39
Step3 データソースを選択(3/3)
対象の表名を持った
ノードが作成される Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 40
Step4 ノードの接続とデータ統計の確認(1/5)
ワークフロー・エディタより接続
したいノードをドラッグ&ドロップ 「データの参照」ノードを選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 41
Step4 ノードの接続とデータ統計の確認(2/5)
接続元のノードを右クリックし、
「接続」を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 42
Step4 ノードの接続とデータ統計の確認(3/5)
接続先のノードをクリックすると
⽮矢印で結ばれる Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 43
Step4 ノードの接続とデータ統計の確認(4/5)
「データの参照」ノードを 右クリックし、統計の表⽰示を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 44
Step4 ノードの接続とデータ統計の確認(5/5)
接続元ノードの各列列の 統計情報をグラフで表⽰示 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 45
Step5 予測モデル(教師あり学習)を作成(1/2)
ワークフロー・エディタより「分類構築」ノードを ドラッグ&ドロップし、データソースと接続する Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 46
Step5 予測モデル(教師あり学習)を作成(2/2)
ターゲットフラグを選択 デフォルトで分類モデルでは、 4つのアルゴリズムが実⾏行行される Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 47
Step5 予測モデルの予測精度度を確認(1/4)
「分類構築」ノードを右クリックし、 「テスト結果の⽐比較」を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 48
Step5 予測モデルの予測精度度を確認(2/4)
各アルゴリズムごとの 予測精度度をグラフで表⽰示 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 49
Step5 予測モデルの予測精度度を確認(3/4)
ROC曲線 縦軸がTrue Posi@ve 横軸がFalse Posi@ve Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 50
Step5 予測モデルの予測精度度を確認(4/4)
リフトチャート 縦軸がTrue Posi@ve 横軸がInstance number Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 51
Step6 予測モデルのアルゴリズムを選択
スコアリングに使⽤用しないモデルを スコアリング対象から外す Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 52
参考 予測モデル(教師あり学習)の確認
作成されたモデルの詳細を確認 ※ディシジョンツリー Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 53
Step7 スコアリング結果を表に格納
モデルとスコアリング対象の表を
結びつける「適⽤用」ノード 格納先の表を設定 スコアリング対象の表を設定 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 54
Step8 出⼒力力結果の編集(1/2)
「適⽤用」ノードを右クリックし、 「編集」を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 55
Step8 出⼒力力結果の編集(2/2)
追加で出⼒力力したい
列列を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 56
Step9 出⼒力力結果の表⽰示(1/2)
出⼒力力ノードを右クリックし、 「データの表⽰示」を選択 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 57
Step9 出⼒力力結果の表⽰示(2/2)
予測値、予測精度度、 追加で出⼒力力設定した、
CUSTOMER_IDと STATE列列が確認できる Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 58
Step10 出⼒力力結果のグラフ表⽰示(1/3)
「グラフ」ノードを 出⼒力力ノードと結びつける Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 59
Step10 出⼒力力結果のグラフ表⽰示(2/3)
折れ線、散布図、棒グラフ、ヒストグラム、
ひげ付き棒グラフからグラフを選択し、 属性を埋めていく Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 60
Step10 出⼒力力結果のグラフ表⽰示(3/3)
作成したヒストグラムを確認できる ※複数グラフをダッシュボードとしても閲覧可能 Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 61
アジェンダ 1 マシン・ラーニング（機械学習）概要 2 Oracle Advanced Analy@cs の紹介 3 クラウド・マシン・ラーニング構築⽅方法 4 Oracle Data Miner で設計する予測分析 5 まとめ Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 62 データ活⽤用におけるPDCAサイクル (CRISP-­‐DM)
データ
理理解
ビジネス
理理解
データ
準備
展開
データ
モデリング
評価
ビジネス
理理解
データ
理理解
データ
準備
データ
モデリング
評価
展開
ビジネス
⽬目的の
決定する
初期
データを
収集する
データを
選択する
モデリング
⼿手法を
選択する
結果を
評価する
展開を
計画する
状況を
評価する
データを
記述する
データを
整理理する
テスト
結果を
⽣生成する
プロセスを
審査する
運⽤用を
計画する
分析の
ゴールを
決定する
データを
調べる
データを
構築する
モデルを
構築する
次の
ステップを
決定する
最終
レポートを
作成する
プロジェクト
計画を建てる
データの
品質を
検証する
データを
統合する
モデルを
評価する
プロジェクト
を審査する
データを
設定する
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 63
データ活⽤用におけるPDCAサイクル (CRISP-­‐DM)
データ
理理解
ビジネス
理理解
データ
準備
展開
データ
モデリング
データ分析におけるPDCAサイクルを クラウド・マシン・ラーニング によって⾃自動化・サポート
評価
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 64
クラウド・テクノロジーを語ろう
第1回 Meetup 2016年年1⽉月29⽇日 19:00〜～
＠オラクル⻘青⼭山センター var community = React.createClass({
init : function(){
return {
date : “2016-‐‑‒1-‐‑‒29”,
location : “OAC”,
goal : [
“Learn”,
“Connect”,
“Have Fun”
]
};
}
});
参加登録はこちら：http://ora.cl/l8s
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 65 Oracle Cloud ラーニング・サブスクリプション
Oracle Cloud (PaaS) の導入から運用まで、クラウドを活用するために必要なスキルを身につけた
"Cloud Ready" なエンジニアを育成するための学習プラットフォーム l  Oracle Cloud Service の活用に必要なスキルを学習できるビデオ・トレーニング
l  製品アップデートに応じて最新のコンテンツに更新
l  1年間のサブスクリプション形式
Oracle PlaRorm as a Service ラーニング・サブスクリプション ただいま 無償体験版公開中！ 多彩な Oracle PaaS の活用方法をトータルにカバー。す
べての Oracle PaaS 技術者にオススメします！
学習内容:
DBCSとJCSは
日本語講義
視聴可能
50% Off • 
• 
• 
• 
• 
定価: 116,856 円 (税込) 特別価格: 58,428 円 (税込) Oracle Cloud Plaoorm as a Service の使用方法
Oracle PaaS の多様なサービスを活用する利点
Oracle PaaS の運用管理
Oracle PaaS を使ったアプリケーションの開発とデプロイ
既存のアプリケーションの Oracle PaaS への移行 など
【対応サービス】
Database Cloud, Java Cloud, Business Intelligence Cloud, Process Cloud, Mobile Cloud, Integra@on Cloud, Documents Cloud, Messaging Cloud, Internet Of Things Cloud, SOA Cloud, Database Backup Cloud, Developer Cloud Oracle Cloud インスタンスの作成やクラウド
上の Oracle Database, WebLogic Server の
起動方法など、技術者が円滑に Oracle Cloud (PaaS) をはじめるためのポイントを学
習できる『Gesng Started』を視聴可能
アクセスはこちらから
[email protected]/cls_paas 1ユーザー/1年間利用可能 【ご注意】 Oracle Plaoorm as a Service (PaaS) ラーニング・サブスクリプションの最小購入ユーザー数は 5 です。 本特別価格は、2015 年 12 月 31 日までにご購入される方に対して適用されます。また、他の割引契約、またはキャンペーンと併用することはできません。
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 66
Copyright © 2015, Oracle and/or its affiliates. All rights reserved. | 67