MySQL HeatWave AutoML

Oracle MySQL HeatWave AutoML proporciona aprendizaje automático (ML) integrado, automatizado y seguro, ayudándote a construir, entrenar y explicar modelos de ML sin necesidad de experiencia en ML, movimiento de datos o costos adicionales. Está disponible en Oracle Cloud Infrastructure (OCI), Amazon Web Services (AWS) y Microsoft Azure.

Foro global de MySQL: Celebrando 30 años de MySQL

Mira el webcast grabado cuando mejor te venga. Escucha las mejores prácticas de MySQL de expertos de la comunidad y conoce las nuevas mejoras para la productividad de los desarrolladores, servicios en la nube, GenAI y más.

¿Por qué utilizar MySQL HeatWave AutoML?

  • Cree aplicaciones más rápido con ML integrado

    Elimina los movimientos de datos complejos y que consumen tiempo a un servicio de ML separado con ML integrado. Aplica fácilmente entrenamiento, inferencia y explicación de ML a datos almacenados en MySQL Database o en almacenamiento de objetos.

  • Democratiza el aprendizaje automático

    Automatiza el ciclo de vida de ML, incluida la selección de algoritmos, muestreo inteligente de datos para entrenamiento de modelos, selección de características y optimización de hiperparámetros. No se requiere experiencia en ML.

  • Soporte de seguridad de datos

    Mantén tus datos en un solo sistema de gestión con una configuración de seguridad única y controles de acceso centralizados. Todas las comunicaciones están autenticadas y encriptadas.

Características clave de MySQL HeatWave AutoML

Capacidades integrales de ML

MySQL HeatWave AutoML admite tareas del sistema de detección, previsión, clasificación, regresión y recomendación de anomalías, incluidas las columnas de texto.

Sistema de recomendación integrado

Al considerar tanto el feedback implícito (como compras anteriores y comportamiento de navegación) como el feedback explícito (como calificaciones y "me gusta"), el sistema de recomendación de HeatWave MySQL AutoML puede, por ejemplo, generar sugerencias personalizadas para la próxima compra.

Modelos de ML explicables

Todos los modelos entrenados por HeatWave MySQL AutoML son explicables. MySQL HeatWave AutoML ofrece predicciones con una explicación de los resultados, brindando apoyo en términos de confianza, equidad y cumplimiento normativo.

Detección de cambios de datos

La detección de cambios de datos ayuda a los analistas a determinar cuándo volver a entrenar los modelos mediante la detección de las diferencias entre los datos utilizados para el entrenamiento y los nuevos datos entrantes.

Consola interactiva

La consola interactiva permite a los analistas de negocios crear, entrenar, ejecutar y explicar modelos de aprendizaje automático mediante una interfaz visual. No es necesario conocer comandos SQL ni código. Los usuarios también pueden explorar fácilmente escenarios hipotéticos para evaluar supuestos comerciales.

Integrado con herramientas populares

MySQL HeatWave AutoML se integra a cuadernos populares, como Jupyter y Apache Zeppelin.

Casos de éxito de clientes con MySQL HeatWave AutoML

Los analistas de negocios y desarrolladores sin experiencia en ML pueden usar MySQL HeatWave AutoML para ayudar a predecir la deserción de clientes. El ciclo de vida de ML está automatizado y los datos no salen de la base de datos, ayudando a reducir los riesgos de seguridad. Una vez construido, el modelo puede predecir la probabilidad de deserción de clientes.


Diagrama de predicción de deserción de clientes, descripción a continuación:

El usuario indica que su caso de uso es "Necesito la capacidad de predecir la deserción de clientes". Luego, puede aprovechar fácilmente la automatización de MySQL HeatWave AutoML para construir un modelo de aprendizaje automático de clasificación, que es apropiado en este caso. Una vez hecho esto, el usuario puede utilizar el modelo de ML, por ejemplo, preguntando: "¿Qué probabilidad hay de que este cliente se retire?" y obteniendo la respuesta: "La probabilidad de que este cliente se retire es del 72 %".



Los analistas de negocios y desarrolladores sin experiencia en ML pueden usar HeatWave MySQL AutoML para ayudar a detectar transacciones fraudulentas. El ciclo de vida de ML está automatizado y los datos no salen de la base de datos, ayudando a reducir los riesgos de seguridad. Una vez construido, el modelo puede predecir la probabilidad de fraude asociado con las transacciones.


Diagrama de detección de transacciones fraudulentas, descripción a continuación:

El usuario indica que su caso de uso es "Necesito detectar transacciones potencialmente fraudulentas". Luego, puede aprovechar fácilmente la automatización de MySQL HeatWave AutoML para construir un modelo de aprendizaje automático de detección de anomalías, que es apropiado en este caso. Una vez hecho esto, el usuario puede utilizar el modelo de ML, por ejemplo, preguntando: "¿Cuáles de estas transacciones son probablemente fraudulentas?" y obtener la respuesta: "Aquí están las transacciones identificadas como potencialmente fraudulentas con sus probabilidades asociadas".



Los desarrolladores pueden crear aplicaciones aprovechando el poder combinado del ML integrado y la IA generativa en MySQL HeatWave para ofrecer recomendaciones personalizadas. En este ejemplo, la aplicación utiliza el sistema de recomendación de MySQL HeatWave AutoML para sugerir restaurantes según las preferencias del usuario o pedidos anteriores. Con MySQL HeatWave Vector Store, la aplicación puede ayudar adicionalmente a buscar en los menús de los restaurantes en formato PDF para sugerir platos específicos, proporcionando mayor valor a los clientes.


RAG mejorado con diagrama de aprendizaje automático, descripción a continuación:

Un usuario pregunta a través de MySQL HeatWave Chat "¿Qué platos veganos me sugieres hoy?". En primer lugar, el sistema de recomendación MySQL HeatWave AutoML sugiere una lista de restaurantes en función de lo que el usuario solicitó anteriormente. A continuación, MySQL HeatWave Vector Store proporciona un aviso aumentado al LLM basado en los menús de los restaurantes que alberga. El LLM puede generar una recomendación personalizada de platos en lenguaje natural.



Descubre lo que opinan algunos de los mejores analistas de la industria sobre MySQL HeatWave AutoML

  • Logotipo de Constellation Research

    “MySQL HeatWave: el camino correcto para el aprendizaje automático. Al llevar ML a los datos con MySQL HeatWave AutoML de manera rentable y automatizada, MySQL HeatWave acelera la adopción del aprendizaje automático".

    Holger Mueller
    vicepresidente y analista principal, Constellation Research
  • Logo de Moor Insights & Strategy

    "Creo que la automatización integrada en MySQL HeatWave AutoML hará que sea tangiblemente más fácil de usar para los clientes, extendiendo el ML más allá del ámbito de los científicos de datos".

    Matt Kimball
    Vicepresidente y analista principal, Moor Insights & Strategy

Obtén más información sobre otras soluciones de MySQL HeatWave para tus diferentes cargas de trabajo

Comienza a utilizar MySQL HeatWave AutoML

Documentación

Accede a la documentación para comenzar fácilmente con MySQL HeatWave AutoML.

Aprende con la orientación paso a paso

Descubre MySQL HeatWave AutoML a tu propio ritmo con instrucciones paso a paso.

Comienza a utilizar MySQL HeatWave AutoML

Aprenderás a construir un modelo predictivo de ML usando MySQL HeatWave AutoML.

Inicia este laboratorio


Crea una aplicación de recomendación de películas con MySQL HeatWave AutoML

Crearás MovieHub, una aplicación ficticia de transmisión de películas que ofrece recomendaciones personalizadas usando MySQL HeatWave AutoML.

Inicia este laboratorio

Taller gratuito de MySQL HeatWave AutoML

Solicita un taller gratuito dirigido por expertos para evaluar MySQL HeatWave AutoML o comenzar a utilizarlo.

Prueba MySQL HeatWave AutoML gratis

Regístrate para probar de forma gratuita MySQL HeatWave AutML. Tendrás acceso a recursos gratuitos por tiempo ilimitado.

Ponte en contacto con ventas

¿Te interesaría obtener más información sobre MySQL HeatWave AutoML? Permite que uno de nuestros expertos te ayude.