Oracle vil gjøre det enklere å lykkes med «data science»-prosjekter

LYSAKER (digi.no): Oracle lanserte selskapets nye Data Science Platform under OpenWorld-konferansen i London i forrige måned. Det dreier seg om en stor samling med verktøy som samlet skal tilbyr en ende-til-ende-opplevelse som skal bidra til raskere og bedre resultater i «data science»-prosjekter. Ny Python-støtte for maskinlæringsalgoritmer er en del av dette.

Enklere å komme i gang

Digi.no har snakket med løsningsingeniør Renée Wikestad og administrerende direktør Tore Bjelland, begge i Oracle Norge, om hva dette innebærer.

– Vi ønsker at det skal være mye enklere å komme i gang med data science-prosjekter, så vi har laget en tjeneste rundt dette, det vi kaller for Data Science-plattformen. Dette gjør at du får masse ferdig og innebygd. I stedet for å tilby bare et infrastrukturmiljø, tilbyr vi en PaaS-tjeneste som skal gjøre det lettere å komme i gang ved at ting er mer automatisert. Du må programmere litt i Python, men det skal være enkelt å rulle ut modellen din, å hente datakildene, å integrere med andre som jobber i prosjektet og alt det du trenger i hele utviklingsmiljøet rundt, innleder Wikestad.

– Vi forenkler både det med å jobbe i prosjekt, det å versjonere ting og ved at vi tilbyr et utviklingsmiljø hvor det skal være enkelt i hele livssyklusen, fra du starter modellbyggingen, trening av modellen og ikke minst at du får innsyn i modellene. Vi har lagt ved et stort SDK som skal hjelpe i forbindelse med tolkning og evaluering av modellene, slik at det du gjør ikke skal være «black box». Du skal få vite hvorfor beslutningene som brukes i maskinlæringen, blir gjort, fortsetter hun.

Saken fortsetter under bildet.

Selve data science-tjenesten skal dessuten være gratis å bruke.

– Du betaler ingenting for selve tjenesten. Den har vi ikke lisensiert i det hele tatt. Det er kun det du velger av underliggende plattform å kjøre jobbene dine på, som du betaler for – enten det er en minimal VM eller om du skal opp på en med GPU-er og lignende, sier Wikestad.

Ventet to år

Bakgrunnen for produktet var oppkjøpet av Data Science.com for drøyt to år siden.

– I stedet for å ta det i bruk med en gang, valgte vi å bygge dette sammen med den nye nettskyinfrastrukturen. Vi ville heller lage noe som var fiks ferdig, forteller Wikestad.

I tillegg til denne tjenesten, har Oracle også introdusert en egen «data science»-infrastruktur.

– Der kan du få en skalerbar plattform med HPC-miljø – med GPU-er og alt det du trenger – som du kun betaler for når du har bruk for det. Det har du ikke muligheten til dersom du har det «in house». Da må du skalere for toppene, det du trenger når du skal kjøre de tyngste jobbene, sier Wikestad.

Python

Hun forteller videre at det har vært støtte for maskinlæring i Oracle-databasen helt siden Advanced Analytics kom som en betalbar opsjon for 19 år siden.

– Den har hatt både SQL- og R-grensesnitt fram til nå. I maskinlæringsdelen er det nå også blitt lagt inn støtte for Python, slik at man kan skrive Python mot databasen. Dette kompileres og kjøres sammen med dataene i databasen. Der har vi også bygd inn en AutoML-pakke som også er fullt integrert med Data Science-plattformen, slik at de som jobber i denne plattformen, kan kjøre algoritmer inne i databasen om de ønsker det. Det er altså fullt mulig å kjøre maskinlæring på dataene i databasen, uten å måtte ta dem ut av databasen, forteller Wikestad.

– Fordi både vi og alle andre som utvikler applikasjoner, har behov dette, ble både dette og støtte for blant annet GIS-data inkludert som standard i alle Oracle-databaser fra og med desember i fjor, legger hun til.

Oracle tilbyr en Free Tier-utgave av databasen hvor det er mulig å teste den nye funksjonaliteten gratis.

– Det er klart at det er begrensninger på skalering på dette der, men alt av maskinlæringsalgoritmer er tilgjengelig der. Python-støtten skal også bli tilgjengelig i løpet av en måneds tid.

Må kjenne domenet og ha gode data

Ifølge Bjelland ikke akkurat slik at Oracle garanterer at kundene kommer i mål med data science-prosjektene, selv om de tar i bruk de nye tjenestene.

– Det er for så vidt mange grunner til at man ikke kommer i mål på sånne prosjekter. For vår del kan vi i alle fall være med på å senke terskelen på den teknologiske siden. Det kommer nok likevel til å være prosjekter som ikke kommer i mål, sier han.

– Du skal uansett kjenne litt til domenet og det du skal jobbe med, dersom du skal jobbe med maskinlæring. Det er ikke bare å sette i gang og bruke modeller på hva som helst. Du bør også kjenne litt til dataene, at det ikke bare er søppel, det du har. Vi prøver også å være en god leverandør på dataforvaltning, å hjelpe til med hele plattformen rundt dette, slik at man kan sjekke at dataene man tester på, har gode egenskaper, legger Wikestad til.

Som en del av plattformen har Oracle lansert en datakatalogtjeneste som skal bidra til dette. Også denne kan brukes fritt.

Samme krav som forskningsmiljøene

Bjelland sier at helt fram til ganske nylig har AI og tungregning (HPC – High Performance Computing) blitt betraktet som nisjeområder for forskningsmiljøene, hvor de har holdt på med dette lenge.

Han mener at vanlige den verdenen som vanlige virksomheter lever i, vil komme til et punkt hvor den begynner å ligne veldig på de verdenene som forskningsmiljøene alltid har levd i, fordi de i økende grad må bruk tid på langt større datamengder enn det de hadde for bare ti år siden.

– Dette stiller helt andre krav til hvordan de må ta ut verdien av den informasjonen de sitter på og skaper, og da begynner kravene til typen teknologi som de må ha for å utnytte dette, å bli ganske sammenlignbare med de kravene som forskningsmiljøene har hatt hele tiden. Da får du plutselig en setting hvor skillet mellom de to verdenene ikke er så stort, mener Bjelland.

Kritisk masse

– Når du da får et ekstremt stort marked med en kritisk masse som har dette behovet, så utvikles det ny teknologi for å dekke inn dette, noe som egentlig også kommer forskningsmiljøene til gode, fortsetter han.

Ifølge Bjelland fører dette nemlig til at de tradisjonelle forskningsmiljøene får tilgang til ressurser som de tidligere har måttet betale veldig mye for, til en mye billigere penge.

– Du får egentlig forskningsmiljøbasert teknologi tilgjengeliggjort som «mainstream» for alle selskaper. Vi skiller mye mindre mellom disse to verdenene, og det er grunnen til at du ser data science-plattformer og HPC som en del av en standard leveranse fra selskaper som Oracle, avslutter Bjelland.