MySQLで実践する機械学習 -HeatWave AutoML-

Oracle AI Brown Bag Seminar資料
1. HeatWave AutoMLの概要・特徴
2. 活用事例
3. 利用方法
4. ベクトル・ストア、生成AIへの取り組み

Transcript

1. MySQLで実践する機械学習 -HeatWave AutoML- Oracle AI Brown Bag Seminar #10 ⽣駒 眞知⼦/Machiko IKOMA MySQL Principal Solution Engineer MySQL Global Business Unit 12 Apr. 2024
2. Copyright © 2024, Oracle and/or its affiliates 2 @ikomachi226 GitHub ⽣駒 眞知⼦ (Machiko IKOMA) • 所属 • ⽇本オラクル株式会社 • MySQL GBU BIソフトウェア開発、オープンソースデータベースに携わった後 ⽇本オラクルに⼊社。 ⼊社以来、MySQLのお客様・パートナーの技術⽀援を担当。
3. 1. HeatWave AutoMLの概要・特徴 2. 活⽤事例 3. 利⽤⽅法(デモ) 4. ベクトル・ストア、⽣成AIへの取り組み アジェンダ Copyright © 2024, Oracle and/or its affiliates 3
4. オラクルのAIソリューション全体像 Copyright © 2024, Oracle and/or its affiliates 4 Applications Fusion Applications Fusion Analytics Industry Applications 3rd Party Applications Oracle AI Partners ML for data platforms OCI Data Science AI Vector Search in Oracle Database MySQL HeatWave Vector Store OCI Data Labeling AI infrastructure Compute bare metal instances and VMs OCI Supercluster with RDMA networking Block, object, and file storage; HPC filesystems Data NetSuite OCI Generative AI OCI Generative AI Agents Digital Assistant Speech Language Vision Document Understanding AI Services
5. オラクルのAIソリューション全体像 Copyright © 2024, Oracle and/or its affiliates 5 Applications Fusion Applications Fusion Analytics Industry Applications 3rd Party Applications Oracle AI Partners ML for data platforms OCI Data Science AI Vector Search in Oracle Database MySQL HeatWave Vector Store OCI Data Labeling AI infrastructure Compute bare metal instances and VMs OCI Supercluster with RDMA networking Block, object, and file storage; HPC filesystems Data NetSuite OCI Generative AI OCI Generative AI Agents Digital Assistant Speech Language Vision Document Understanding AI Services
6. Copyright © 2024, Oracle and/or its affiliates 6 MySQL HeatWave概要 トランザクション処理、データ・ウェアハウスとデータ・レイクにまたがるリアルタイム分析、機械学習をひとつのデータベース・サービスで ソーシャルメディア(SNS)、Eコマース、ゲーム、ヘルスケア、フィンテック、ITアプリ、分析&機械学習ツール MySQL HeatWave OLTP 分析 イン・データベース 機械学習 Autopilot オブジェクト・ストレージ Database exports Non-MySQLワークロードにもMySQLワークロードにも対応 クエリ実⾏ 結果 データはオブジェクト・ストレージに⼊れたまま HeatWaveによるデータ処理を実⾏可能
7. Copyright © 2024, Oracle and/or its affiliates 7 業界最速のデータウェアハウス TPC-H 10TB 4.2倍 Redshiftより⾼速 3.3倍 Snowflakeより⾼速 5.6倍 BigQueryより⾼速 7.4倍 Databricksより⾼速 10X ra3.4xlarge X-Large Cluster 800スロット Large Cluster 分析時間の⾼速化で市場のトレンドにいちはやく対応 数⽇ではなく、数時間で答えを導出 According to 10 TB TPC-H benchmarks as of May 23, 2023. Redshift, Snowflake, Databricks and BigQuery numbers for 10TB TPC-H numbers are provided by a third party. Benchmark queries are derived from the TPC-H benchmarks, but results are not comparable to published TPC-H benchmark results since these do not comply with the TPC-H specifications.
8. Copyright © 2024, Oracle and/or its affiliates 8 • 複数ノードで分散処理できる • 最低ノード数は1台、最⼤ノード数は64台 • Oracle Labsで⻑年研究していたProject RAPIDの 研究成果を活⽤している • RAPID Analytics Processing In DRAM (メモリ上での⾼速分析処理) • RAPIDでは、ハードウェアリソースを最⼤限活⽤して、 超並列処理できるアーキテクチャーになっている MySQL HeatWave が⾼速に処理できる理由 クラウドサービスでのみ提供しているインメモリカラムナ型エンジン
9. Copyright © 2024, Oracle and/or its affiliates 9 • MySQLに対してSQLを実⾏するだけで⾃動的に⾼速化される (HeatWaveの制限事項に該当する場合は、フロントにあるMDSで処理される) • データの更新はフロントにあるMDSで処理され、更新データは随時HeatWaveノードに反映される MySQL HeatWave Service のアーキテクチャ InnoDBとRAPIDの⼆⼑流 MySQL Database Service 分析 クエリ 結果 セット MySQL コンパイラ & オプティマイザー 分析クエリ 最適化 Insert/ Update OLTPクエリ 最適化 リアルタイム 更新 InnoDB ストレージエンジン MySQL クエリ実⾏ HeatWave Node インメモリデータ管理 分析クエリ実⾏ 分析ジョブスケジューラ 結果 クエリ プッシュダウン 並列化 Object Storage リロード
10. Copyright © 2024, Oracle and/or its affiliates 10 費⽤対効果が業界最⼤のデータウェアハウス 10TB TPC-Hにおける費⽤対効果の⽐較 23倍 Redshiftより 低コスト 27倍 Snowflakeより 低コスト 27倍 BigQueryより 低コスト 60倍 Databricks より低コスト 1年間リザーブド、前払い Standard Edition 1年間リザーブド 1年間リザーブド According to 10 TB TPC-H benchmarks as of May 23, 2023. Redshift, Snowflake, Databricks and BigQuery numbers for 10TB TPC-H numbers are provided by a third party. Benchmark queries are derived from the TPC-H benchmarks, but results are not comparable to published TPC-H benchmark results since these do not comply with the TPC-H specifications. 費⽤対効果は業界最⼤
11. もっと悪化するケースも... Copyright © 2024, Oracle and/or its affiliates 11 機械学習ソリューションを利⽤する場合の煩雑さ データの形式変換や移動が必要 • 複雑で時間がかかる • コストと漏洩リスクが増⼤ • 新しいツールや⾔語の習得が必要
12. Copyright © 2024, Oracle and/or its affiliates 12 機械学習をより⼿軽に安全に 活⽤できるプラットフォーム • 追加料⾦不要ですぐに利⽤可能 • Oracle AutoMLにより、 機械学習⼯程を⾃動化 • HeatWave上で完結でき、外部に データを出さずに実⾏可能 ⾼性能・⾼精度なモデル⽣成を 誰でも実⾏できるインタフェース • 各⼯程に対応した関数を実⾏ するだけで予測まで実⾏可能 • パラメータ、アルゴリズムの選択など専 ⾨的な知識は不要 • トレーニングの⾼速化により、 迅速なモデル⽣成を⽀援 実業務に活⽤できる 説明可能性をサポート • ブラックボックス化しやすい推論の 説明を明確化 • 特徴量が予測に与える影響を ⾃動で判断 • 法令遵守、公平性などの観点からモ デルの挙動、有効性を⾒極め MySQLの機械学習プラットフォーム HeatWave AutoML 展開 HeatWave ML ⽣成モデル クエリ 予測 説明
13. Copyright © 2024, Oracle and/or its affiliates 13 HeatWave AutoML 追加費⽤不要でトランザクション処理、分析処理、予測処理を⼀つのデータベースで • MySQL HeatWave内の データに対して機械学習 → ETL不要 & セキュリティの向上 • オラクルのAutoMLによって 機械学習の⼯程を⾃動化 → 作業効率の向上 • 少数のSQL関数の実⾏のみで 機械学習の各⼯程を実⾏可能 → DB利⽤者との親和性 • Amazon Redshift MLより ⾼い予測精度をもち「トレーニング」 は25倍以上⾼速かつ1%のコスト OLAP Applications OLTP Applications InnoDB HeatWave MySQL Database Service Query accelerator ML Applications HeatWave ML
14. Copyright © 2024, Oracle and/or its affiliates 14 • Oracle所有のAWSリソース上にデプロイされた MySQL HeatWave on AWSにアクセス • HeatWaveインスタンス作成などは MySQL HeatWave on AWSの 専⽤コンソールから操作 • 専⽤コンソール https://cloud.mysql.com MySQL HeatWave on AWS OCI以外のパブリッククラウドからも利⽤可能
15. Copyright © 2024, Oracle and/or its affiliates 15 • MySQL HeatWave on AWSが提供する ビジュアル・インターフェース • SQLもコーディングも不要で、経営層やビジネス アナリストが機械学習モデルの構築、トレーニング、 実⾏、説明まで可能にする • “What-if” 分析が可能 • すべての処理がデータベース内で完結 • 追加コスト不要 MySQL HeatWave AutoML コンソール 機械学習の⺠主化
16. Copyright © 2024, Oracle and/or its affiliates 16 HeatWave AutoMLが対応するモデル データベース内データもオブジェクト・ストレージ内データも利⽤可能 回帰 時系列予測 異常検知 分類 レコメンド・システム 広告費⽤のROI予測 需要予測 クレジットカードの 不正使⽤検知 悪意のある ゲームハッカーの特定 類似したユーザーの特定 債務不履⾏ の予想 フライト遅延の予測 降⾬予報 おすすめの動画 データベースの データ オブジェクト・ ストレージの データ データベースの エクポートファイル
17. HeatWave AutoMLなら関数を実⾏するだけ 17 Copyright © 2024, Oracle and/or its affiliates SQL ML_TRAIN MySQL呼び出し 学習データ展開 HeatWave Cluster モデル作成 ML_MODEL_LOAD 保存 モデルカタログ ML_PREDICT_* ML_EXPLAIN ML_SCORE ロード 推論 説明 (アルゴリズム指定) モデルの検証 トレーニング モデルのロード ML_EXPLAIN_* 説明の⽣成 ü 学習データやテストデータはMySQLサーバー上の テーブルとして管理 ü アプリケーションからはHeatWave MLの関数群を実⾏
18. サポートしているアルゴリズム 回帰 • Decision Tree • Random Forest • Linear Regression • LGBM • XGB • Support Vector Machine • Linear SVR • ExtraTrees 時系列予測 • Naive Forecaster • ExpSumoothForecaster • ThetaForecaster • EFSForecaster • STLwESForecaster • STLwARIMAForecaster • SARIMAXForecaster • VARMAXForecaster • DynFactorForecaster 分類 • Logistic Regression • Gaussian NB • Decision Tree • Random Forest • LGBM • XGB • Linear SVC • ExtraTrees 異常検知 • Generalized kth Nearest Neighbors (GkNN) レコメンデーション • Baseline • CoClustering • NomarPredictor • SlopeOne • SVD • SVDpp • NMF https://dev.mysql.com/doc/heatwave/en/mys-hwaml-ml-model-types.html Copyright © 2024, Oracle and/or its affiliates 18
19. サポートしている評価メトリック 回帰 • neg_mean • r2 時系列予測 • neg_max • neg_mean • neg_root • neg_sym 分類 • f1 • precision • recall • roc_auc • accuracy • balanced_accuracy • neg_log_less 異常検知 • roc_ruc • accuracy • balanced_accuracy • f1 • neg_log_less • Precision • recall レコメンデーション • neg_mean • neg_root • r2 https://dev.mysql.com/doc/heatwave/en/mys-hwaml-ml-metrics.html Copyright © 2024, Oracle and/or its affiliates 19
20. Copyright © 2024, Oracle and/or its affiliates 20 学習/推論⼯程の簡易化 機械学習プラットフォームをMySQLに標準搭載 データセット データの前処理 アルゴリズムの選択 アダプティブなサンプリング 特徴量の選択 ハイパーパラメーターのチューニング チューニングされたモデル モデルの説明 予測の説明 公正性 再現性 因果関係 信頼性 01 02 03 04 05 法令の遵守や規則への準拠 モデル/予測説明の重要性
21. Copyright © 2024, Oracle and/or its affiliates 21 既存のモデル(ONNX)をインポート MySQL HeatWave 機械学習トレーニング クエリ HeatWave Node クエリ⾼速化 HeatWave AutoML モデル 学習 クエリ実⾏ MySQL コンパイラ & オプティマイザ クエリ最適化 クエリ プッシュダウン HWML Model 学習データのロード HeatWave 予測 説明 テストデータのロード ML Load Model Queries 予測、説明 ONNX Model
22. Copyright © 2024, Oracle and/or its affiliates 22 • ML_SCHEMA_<user_name>.MODEL_CATALOGテーブルにモデルを格納 • 権限を付与することでモデルの共有 • 既存の学習済みモデル(.onnx)もあわせて管理 モデルの管理 MODEL_CATALOG モデルカタログ (MODEL_CATALOGテーブル) 参照可能 モデル作成者 権限付与 参照可能 参照不可 DB管理者 エンコード インポート 既存モデル (ONNX)
23. Copyright © 2024, Oracle and/or its affiliates 23 MySQL上のデータをそのまま活⽤ モデルも含めてデータベースレイヤで管理 8 Copyright © 2021, Oracle and/or its affiliates | Confidential: Internal Sensitive Model/Data Boundary Sensitive Model/Data Boundary HeatWave ML ML Model Pull data Traditional way to run ML on MySQL data ML Training MySQL Database ML application ML Training Trained Model ML Inference Pull data ML Explanation Train model request Inference request Compute MySQL Client Train model SQL Inference SQL HeatWave MySQL HeatWave HeatWave: Native machine learning capability Neither data nor model leaves MySQL HeatWave Train Inference/ Explanation Trained Model ML Inference ML Explanation MySQL 従来の⽅法 MySQL HeatWave ML 8 Copyright © 2021, Oracle and/or its affiliates | Confidential: Internal Sensitive Model/Data Boundary Sensitive Model/Data Boundary HeatWave ML ML Model Pull data Traditional way to run ML on MySQL data ML Training MySQL Database ML application ML Training Trained Model ML Inference Pull data ML Explanation Train model request Inference request Compute MySQL Client Train model SQL Inference SQL HeatWave MySQL HeatWave HeatWave: Native machine learning capability Neither data nor model leaves MySQL HeatWave Train Inference/ Explanation Trained Model ML Inference ML Explanation MySQL Train model SQL Inference SQL
24. Copyright © 2024, Oracle and/or its affiliates 24 データ/クラスターのサイズに応じてスケール 時間のかかる⼯程を⾼速化 7108 3984 2456 1563 1282 0 1000 2000 3000 4000 5000 6000 7000 8000 1 2 4 8 16 Time (sec) ヒッグス粒⼦のデータセット モデルのチューニング を⾼速化 特徴量の選択 を⾼速化 11倍 8倍
25. Copyright © 2024, Oracle and/or its affiliates 25 ノートブックとの連携 Jupyter notebook, Apache Zeppelin
26. HeatWave AutoML事例 Copyright © 2024, Oracle and/or its affiliates 26
27. Copyright © 2024, Oracle and/or its affiliates 27 NVIDIAのデータ・プラットフォームを管理するチームは100を 超えるミッションクリティカルなアプリケーションを運⽤ お客様の課題 • チップのデザインやテストを⾏う重要なアプリケーションは、 ⾮常に多くのエンジニアやチップのリリース期限に対する 影響度が極めて⼤きい • ストレージの利⽤の急激な拡⼤や接続の増加への迅 速な対応が求められることが常に想定される • 上記の課題の検知と対応として、ストレージの拡⼤や インスタンスのリソースを増強するスケールアップが必要 ⽬的 • ストレージのリソースの早期の検出と対応 • インフラの障害や問題との関連付け MySQL HeatWaveによるログの異常検出の流れ 効果 • 拡張を必要とするリソースの発⾒からプロビジョニン グまでの流れを迅速化 • 致命的な問題を早期にアラートとして展開できるこ とによるアプリケーションのダウンタイムの削減 NVIDIAにおけるログの異常検出 「異常検知」ユースケース
28. Copyright © 2024, Oracle and/or its affiliates 28 MySQL のログ ログの パーサー ログの整形 特徴量の 埋め込み 異常検出 のモデル 機械学習のパイプライン 主要なデータのうち⼤きな逸脱の みられるイベントを検出 HeatWave AutoML による MySQLログの異常検出のパイプライン MySQLのログ (無加⼯) 既知の繰り返しの パターンをマスキング (不必要な情報) 機械学習モデルにより コンテキストを提供する ためにログをグループ化 テキストデータを数値化 されたベクトルに変換 異常なログ出⼒ パターンを検出 HeatWave AutoML NVIDIA のアプリケーション
29. Copyright © 2024, Oracle and/or its affiliates 29 海外⽣産拠点における製品不良率改善と消費電⼒削減の取り組みにHeatWave AutoMLを活⽤ n 製品不良率改善 1. 不良品判定時の各種データをIoTにより収集し、MySQL HeatWaveに格納 • 例）製品の容量、製品の温度、冷却装置の温度、ガス圧、など 2. 収集したデータと不良品判定の結果を元に、HeatWave AutoMLで「分類」のデータモデルを作成 (教師あり学習により、正常な製品と不良品の傾向を学習) 3. 作成されたモデルに対する「説明」を確認し、どの要素が製品の良/不良の判断に⼤きな影響を与えて いるかを確認 => ⼤きな影響を与えている要因について、優先的に改善対策を取る IoTによる製造業⽣産性の向上 「分類」 「回帰」ユースケース 某⼤⼿製造業
30. Copyright © 2024, Oracle and/or its affiliates 30 n 消費電⼒削減 1. ⼯場のある機械が稼働している時の各種パラメーターのデータをIoTにより収集し、MySQL HeatWaveに格納 • 例）プレス圧、プレススピード、回転数、コンベアのスピード、など 2. 収集したデータと消費電⼒のデータを元に、HeatWave AutoMLで「回帰」のデータモデルを作成 (教師あり学習により、消費電⼒と⼯場稼働時の各種データの相関関係をを学習) 3. 作成されたモデルに対する「説明」を確認し、どの要素が消費電⼒に⼤きな影響を与えているかを確認 => ⼤きな影響を与えている要因について、優先的に改善対策を取る IoTによる製造業⽣産性の向上 「分類」 「回帰」ユースケース 某⼤⼿製造業
31. HeatWave AutoML利⽤⽅法 Copyright © 2024, Oracle and/or its affiliates 31
32. Copyright © 2024, Oracle and/or its affiliates 32 デモ︓アヤメの分類 アプリ作成までの６ステップ Step 0 - OCIコンソールにログインする Step 1 - 仮想ネットワークやMySQL HeatWaveインスタンスを作成する Step 2 - HeatWaveクラスタを追加する Step 3 - MySQL HeatWaveインスタンスに接続する Step 4 - HeatWave AutoMLで機械学習モデルを⽣成する Step 5 - MySQL HeatWaveを利⽤したPHPアプリケーションを作成する https://github.com/ikomachi226/mysql_heatwave_automl_workshop
33. Copyright © 2024, Oracle and/or its affiliates 33 • OCIアカウントは2種類 • 無償アカウント︓無料トライアルアカウント プロモーションアカウント • 有償アカウント︓契約後に発⾏されるアカウント • 無料トライアルアカウント • 30⽇間有効の300USDクレジット • MySQL HeatWaveも試⽤可能 https://www.oracle.com/jp/cloud/free/ Step 0 - OCIコンソールにログインする Oracle Cloud Infrastructureへのサインアップ
34. Copyright © 2024, Oracle and/or its affiliates 34 • コンパートメントによる管理容易化 • プライベートIPによるセキュリティ担保 Step 1 - 仮想ネットワークやMySQL HeatWaveインスタンスを作成する HeatWave AutoML実⾏環境作成 • コンソールから操作可能 • DBの冗⻑化も可能
35. Copyright © 2024, Oracle and/or its affiliates 35 • InnoDB+HeatWave Cluster • MySQL8.0商⽤版をベース Step 2 - HeatWaveクラスタを追加する インメモリでの処理を可能にする • コンソールからの操作 スケール 可能
36. Step 3 - MySQL HeatWaveインスタンスに接続する コンピュート(IaaS)から接続 • SSHキー作成 • MySQL Shellをインストール • 各種ユーティリティが揃ったクライアント • 接続⽅法のバリエーション • OCI Cloud Shellの利⽤ • ブラウザベースのシェル実⾏環境 36 Copyright © 2024, Oracle and/or its affiliates MySQL SQL > ¥js Switching to JavaScript mode... MySQL JS > ¥py Switching to Python mode... MySQL Py > ¥sql Switching to SQL mode... Commands end with ; MySQL SQL > $ mysqlsh -u user -h host -P port -D schema $ mysqlsh --user=user --host=host --port=port --schema=schema $ mysqlsh user@host:port/schema $ mysqlsh --uri user@host:port/schema $ mysqlsh mysqlx://user@host:port/schema
37. Copyright © 2024, Oracle and/or its affiliates 37 • MySQLにテーブル⽣成・ロード • ML_TRAIN()でトレーニング実⾏ • ML_MODEL_LOAD()で作成した機械学習モデルをロード Step 4 - HeatWave AutoMLで機械学習モデルを⽣成する(1/4) トレーニング〜モデル⽣成
38. Copyright © 2024, Oracle and/or its affiliates 38 • ML_PREDICT_ROW():ひとつのデータに対する予測を⽣成 • ML_EXPLAIN_ROW():予測の説明を⽣成 Step 4 - HeatWave AutoMLで機械学習モデルを⽣成する(2/4) 予測・説明の⽣成（単⼀データ）
39. Copyright © 2024, Oracle and/or its affiliates 39 • 適宜改⾏を⼊れたフォーマットに変換 SELECT JSON_PRETTY(sys.ML_PREDICT_ROW()); (補⾜) JSON_PRETTYでフォーマット整形
40. Copyright © 2024, Oracle and/or its affiliates 40 • ML_PREDICT_TABLE():対象テーブルに対する予測を⽣成 • ML_EXPLAIN_TABLE():予測の説明を⽣成 Step 4 - HeatWave AutoMLで機械学習モデルを⽣成する(3/4) 予測・説明の⽣成（テーブル）
41. Copyright © 2024, Oracle and/or its affiliates 41 • ML_SCORE():⽣成されたモデルを評価 • ML_MODEL_UNLOAD():モデルをアンロード • ML_MODEL_IMPORT(): ONNX形式の機械学習モデルをインポート Step 4 - HeatWave AutoMLで機械学習モデルを⽣成する(4/4) モデル評価
42. Copyright © 2024, Oracle and/or its affiliates 42 • Webサーバー(Apache)をインストール • PHPをインストール • MySQL HeatWaveへの接続情報設定 • 機械学習ルーチンの呼び出し Step 5 - MySQL HeatWaveを利⽤したPHPアプリケーションを作成する ⼊⼒した値に該当するアヤメの種類を表⽰するアプリ
43. ベクトル・ストア、⽣成AIへの取り組み Copyright © 2024, Oracle and/or its affiliates 43 Private Preview
44. MySQL HeatWave + Vector Store トランザクション、データウェアハウスとデータレイクをまたいだデータプラットフォームを実現 Copyright © 2024, Oracle and/or its affiliates 44 ソーシャル、eコマース、ゲーム、ヘルスケア、フィンテック、IoTアプリ。分析およびMLツール。 MySQL HeatWave OLTP 分析 データベース内の ML Autopilot オブジェクト・ストア データベー ス・エクス ポート クエリ実⾏ 結果 ⽣成AI ベクトルストア データはオブジェクト・ストアに保持した ままHeatWaveで処理実⾏ MySQLと⾮MySQLの両⽅のワークロードに対応 オブジェクト・ストレージ
45. Copyright © 2024, Oracle and/or its affiliates 45 ベクトル・ストアがLLMにコンテキストを提供し、より関連性の⾼い結果を⽣成 RAG(Retrieval Augmented Generation) を使ってLLMに対する問い合わせの精度を向上 Retrieval Agent 内部⽂書等 LLM ベクトル・サーチ ⾔語 エンコーダー 類似性検索 拡張プロンプト ?
46. Copyright © 2024, Oracle and/or its affiliates 46 ベクトル・ストアを⽤いた⽣成AI応答例 ベクトル・ストアなしの場合 ベクトル・ストアありの場合(ベクトル・データをHeatWaveにロード)
47. Copyright © 2024, Oracle and/or its affiliates 47 MySQL HeatWaveで解決するお客様の課題 OLTP、アナリティクス、 機械学習それぞれで 別サービスを利⽤する コストも⼿間もかかる 増⼤するファイルの 分析にかかる コストと時間 全てのデータに 機械学習を適⽤したい マルチクラウド環境を 柔軟に使いたい 優れた性能と費⽤対効果で MySQLワークロードも non-MySQLワークロードも 対応 データベースとファイル両⽅の データに対する完全⾃動化 された機械学習とベクトル・ ストアを⽤いた⽣成AI OLTP、リアルタイム分析、機 械学習を⼀つのデータベース サービスで提供 OCI、AWSで利⽤可能
48. Copyright © 2024, Oracle and/or its affiliates 48 ▪ブログ MySQL HeatWaveのベクトル・ストアと⽣成AIのご紹介 https://blogs.oracle.com/mysql-jp/post/introducing-vector-store-and- generative-ai-in-mysql-heatwave-jp MySQL HeatWaveを活⽤してAIエンジニアになるためのポイント https://blogs.oracle.com/mysql-jp/post/become-an-ai-developer-with- mysql-heatwave-jp ▪デモ動画 https://youtu.be/WCEs00K3kic?si=LD54nhH2LDppQOD_ 参考情報