甲骨文（Oracle）推出可讓企業快速建構、訓練、管理和部署機器學習模型的雲端資料科學平臺，其提供了工具包供企業發展分析與人工智慧專案。該平臺是以甲骨文雲端基礎設施資料科學服務作為核心，自動化部分模型開發工作流程，提升工程師建置機器學習模型的速度。
自動化工作流程的第一步，便是要為專案選擇正確的機器學習模型，雲端基礎設施資料科學服務能以多種演算法，以及各種演算法的多種配置進行測試，選出最適合的模型，甲骨文提到，這將為資料科學家節省大量的時間，而且能產出一定水準以上的結果。該服務還能自動化特徵工程，降低資料科學家從大型資料集中，找出關鍵預測性特徵的困難。
隨附的模型評估工具，會產生一套評估指標與視覺化圖表，讓資料科學家能夠評估模型效能，掌握模型在新資料上的表現，並以時間對模型進行評等，讓資料科學家能將模型調校至最佳的狀態。模型評估使用成本模型，可以將偽陽性和偽陰性的影響合併，讓使用者能夠縱觀評量模型的效能。
另外，甲骨文也提供了模型解釋功能，讓使用者不必把機器學習當作一個黑盒子使用，雲端基礎設施資料科學服務能夠自動產生，對應權重以及預測因素重要性說明。該服務可以用來偵測詐欺行為，資料科學家也能夠解釋驅動詐欺的關鍵因素，使企業能夠修改流程或是實施保護措施。
甲骨文表示，要成功地使機器學習模型投入生產，不僅需要專業人員，也需要團隊共同合作，雲端基礎設施資料科學提供了完整的團隊協作功能，讓組織可以共享專案，並且可進行版本控制，還能共享資料與筆記本連線對話（Session）。
模型目錄也可以讓團隊成員共用既有的模型，在加以修改後部署使用。資料共享由團隊安全政策控制，限制模型、程式碼和資料存取的使用者，並且與甲骨文基礎設施身份和存取管理服務整合。該服務也提供可重現性與可稽核性，即便原本的開發人員離開，接手人員也能重現結果，並且稽核相關資產。
雲端資料科學平臺除了能自動化機器學習部署模型的流程，還提供了其他資料和機器學習服務，像是甲骨文Autonomous Database就整合了機器學習演算法，開始支援Python和自動化機器學習，使用者將可以應用資料庫內演算法開發模型，而直接在資料庫中執行演算法的好處，便是能節省資料準備與資料移動的時間。
線