【Oracle Cloud ウェビナー】企業データをCohere、Llama 2で手軽に活用、生成AIクラウドサービス + エージェントによる企業AIとは

Slide 1

Slide 1 text

Oracle Cloud ウェビナー日本オラクル株式会社 2024年2月28日企業データをCohere、Llama 2で手軽に活用、生成AIクラウドサービス + エージェントによる企業AIとは

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Copyright © 2024, Oracle and/or its affiliates 5 データプラットフォームアプリケーションデータ Oracle AI パートナー Fusion Applications NetSuite Industry Applications 3rd Party Applications Embedded Generative and Classic AI OCI Data Science ML in Oracle database AI インフラストラクチャー Compute bare metal instances and VMs with NVIDIA GPUs OCI Supercluster with RDMA networking Block, object, and file storage; HPC filesystems AI サービス Generative AI Digital Assistant Speech Language Vision Document Understanding AI Agents OCI Data Labeling MySQL Heatwave AutoML Fusion Analytics Oracle Database Vector Search and Select AI MySQL HeatWave Vector Store and GenAI Oracle CloudにおけるAIサービスの全体構成データを中心に、インフラからビジネス・アプリケーションまで包括的にAIを提供

Slide 6

Slide 6 text

データプラットフォーム Copyright © 2024, Oracle and/or its affiliates 6 Oracle Database Vector Search MySQL HeatWave Vector Store Oracle Data Science Quick Actions AI Agents 主な生成AI関連サービスデータ・プラットフォームを中心にエージェント、生成AIサービスを構成 Llama2, Mistral Generative AI Cohere & Llama2 Beta Beta 限定公開

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

企業固有データをAIで活用する２つの方法ファインチューニングとRAG（Retrieval-Augmented Generation：検索拡張生成）ファインチューニング企業データを使用して、AIモデルを更新。（人間が暗記するようなもの） RAG 問い合わせ時に必要なデータを参照。（回答する時に、都度調べて回答）生成AI 企業固有データ学習企業固有データ参照生成AI Copyright © 2024, Oracle and/or its affiliates 9

Slide 10

Slide 10 text

企業固有データをAIで活用する２つの方法ファインチューニングとRAG（Retrieval-Augmented Generation：検索拡張生成）ファインチューニング企業データを使用して、AIモデルを更新。 • 学習した情報を使った回答が可能 • 学習に時間とリソースがかかる • 最新の情報を使用した回答はできない • 回答の元となったソースの提示が不可 RAG 問い合わせ時に必要なデータを参照。生成AI 企業固有データ学習企業固有データ参照生成AI Copyright © 2024, Oracle and/or its affiliates 10

Slide 11

Slide 11 text

企業固有データをAIで活用する２つの方法ファインチューニングとRAG（Retrieval-Augmented Generation：検索拡張生成）ファインチューニング企業データを使用して、AIモデルを更新。 • 学習した情報を使った回答が可能 • 学習に時間とリソースがかかる • 最新の情報を使用した回答はできない • 回答の元となったソースの提示が不可 RAG 問い合わせ時に必要なデータを参照。 • 最新の情報を参照して回答ができる • 回答の元となった情報を提示できる • 学習時間がかからない • 生成する文章のスタイルは変えられない生成AI 企業固有データ学習企業固有データ参照生成AI Copyright © 2024, Oracle and/or its affiliates 11

Slide 12

Slide 12 text

企業固有データをAIで活用する２つの方法ファインチューニングとRAG（Retrieval-Augmented Generation：検索拡張生成） RAG 問い合わせ時に必要なデータを参照。 • 最新の情報を参照して回答ができる • 回答の元となった情報を提示できる • 学習時間がかからない • 生成する文章のスタイルは変えられない企業における生成AIの活用では、最新のデータを活用でき、信頼できる回答が得られるRAGが最適企業固有データ参照生成AI Copyright © 2024, Oracle and/or its affiliates 12

Slide 13

Slide 13 text

Copyright © 2024, Oracle and/or its affiliates 13 質問 RAG(Retrieval-Augmented Generation)の構成 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” データベース • 品質レポート • 顧客アンケート • 生産計画 • 品質管理 • 他質問に関連するデータを検索質問 + AI 回答 “製品Aについては、品質レポートでxxxといった問題が指摘されています。また、ユーザーから xxxのような問い合わせがあります。” Retrieve Augmente Generate 検索データ

Slide 14

Slide 14 text

質問 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” データベース • 品質レポート • 顧客アンケート • 生産計画 • 品質管理 • 他質問に関連するデータを検索質問 + AI 回答 “製品Aについては、品質レポートでxxxといった問題が指摘されています。また、ユーザーから xxxのような問い合わせがあります。” Retrieve Augmente Generate 検索データ RAGの精度において重要になるのは、いかに正しい情報を精度良く取得できるか。必要な正しいデータが得られないと、欲しい回答が生成されない。 Copyright © 2024, Oracle and/or its affiliates 14

Slide 15

Slide 15 text

Copyright © 2024, Oracle and/or its affiliates 15 0.1, 0.8, 0.1, 0.0,... 質問 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” 文書のベクトル質問のベクトル 0.9, 0.0, 0.0, 0.0,... 0.1, 0.8, 0.1, 0.1,... 0.1, 0.9, 0.1, 0.0,... 0.0, 0.8, 0.4, 0.0,... 0.8, 0.0, 0.3, 0.0,... 質問の意味に沿ったデータの取得は、質問をベクトルに変換し、ベクトルが近いデータを検索することで可能。文書製品Zのxxが問題があり... xxから製品Aの問合せ... 製品Aの部品が不足... 製品Bの出荷... ... ベクトル化ベクトル検索ベクトル化

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Copyright © 2024, Oracle and/or its affiliates 17 類似する文章のベクトルは、近いところにある。近いところのベクトルを検索することで、意味的に近いデータを取得。 d 1 クワの実いちごリンゴの木木苺洋ナシセイヨウスモモ猫子猫犬子犬狼ライオンテキサスカリフォルニアニューヨークキウイフルーツ象動物果物米国 d 2 ベクトル検索近い場所にあるベクトルを検索することで、意味的に近いデータを検索

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Copyright © 2024, Oracle and/or its affiliates 19 精度の高いベクトル検索を行うためのOracle Cloud AIサービス Oracle Generative AI Service Cohere Embed モデル Oracle Database 23c AI Vector Search 7 1 4 9 高品質なベクトル化多様なデータソースから収集した“ノイズの多い”データセットに対しても、より正確な結果を得ることが可能 Source: Cohere https://txt.cohere.com/introducing-embed-v3/ 精度の高いベクトル検索ベクトル・データ型の導入により、非構造化データの類似検索に対応。既存データと結合して検索することで、より精度の高い検索を実現。

Slide 20

Slide 20 text

Copyright © 2024, Oracle and/or its affiliates 20 0.1, 0.8, 0.1, 0.0,... 質問 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” 文書のベクトル質問のベクトル 0.9, 0.0, 0.0, 0.0,... 0.1, 0.8, 0.1, 0.1,... 0.1, 0.9, 0.1, 0.0,... 0.0, 0.8, 0.1, 0.0,... 0.8, 0.0, 0.3, 0.0,... 質問の意味に沿ったデータの取得は、質問をベクトルに変換し、ベクトルが近いデータを検索することで可能。文書製品Zのxxが問題があり... xxから製品Aの問合せ... 製品Aの部品が不足... 製品Bの出荷... ... ベクトル化ベクトル検索ベクトル化 Generative AI Service Cohere Embed Oracle Databse Vector Serch Generative AI Service Cohere Embed

Slide 21

Slide 21 text

Copyright © 2024, Oracle and/or its affiliates 21 質問 RAG(Retrieval-Augmented Generation)の構成 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” データベース • 品質レポート • 顧客アンケート • 生産計画 • 品質管理 • 他質問に関連するデータを検索質問 + AI 回答 “製品Aについては、品質レポートでxxxといった問題が指摘されています。また、ユーザーから xxxのような問い合わせがあります。” Retrieve Augmente Generate 検索データ

Slide 22

Slide 22 text

Copyright © 2024, Oracle and/or its affiliates 22 回答の生成を行うためのOracle Cloud 生成AIサービス Oracle Generative AI Service Oracle Data Science Quick Actions OSSの生成AIをノーコードでデプロイ OSSの生成AIモデルを少ない手間でOCI上にデプロイ。用途にあったさまざまな生成AIモデルが使用可能に。生成AIをフルマネージドで提供 CohereおよびLlama2をフルマネージドで提供。企業で求められる、安定したパフォーマンス、レスポンスを実現。

Slide 23

Slide 23 text

Copyright © 2024, Oracle and/or its affiliates 23 質問 RAG(Retrieval-Augmented Generation)の構成 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” データベース • 品質レポート • 顧客アンケート • 生産計画 • 品質管理 • 他質問に関連するデータを検索質問 + AI 回答 “製品Aについては、品質レポートでxxxといった問題が指摘されています。また、ユーザーから xxxのような問い合わせがあります。” Retrieve Augmente Generate 検索データ Generative AI Service Generative AI Service + Oracle Database 23c AI Vector Serch

Slide 24

Slide 24 text

Copyright © 2024, Oracle and/or its affiliates 24 質問 Generative AI Agents サービス - RAG AgentによるRAGの構成 “製品Aに関する品質レポート、顧客アンケートの分析結果をもとに製品Aの課題を示せ” 回答 “製品Aについては、品質レポートでxxxといった問題が指摘されています。また、ユーザーから xxxのような問い合わせがあります。” AI Agents Beta データベース • 品質レポート • 顧客アンケート • 生産計画 • 品質管理 • 他生成AI

Slide 25

Slide 25 text

Copyright © 2024, Oracle and/or its affiliates 25 RAGを実際に導入する時の課題とは？ RAG 質問製品に関する品質レポート、顧客アンケートの分析結果をもとに製品の課題を示せデータベース品質レポート顧客アンケート生産計画品質管理他質問に関連するデータを検索質問回答製品については、品質レポートでといった問題が指摘されています。また、ユーザーからのような問い合わせがあります。検索データ

Slide 26

Slide 26 text

システム全体でのアプローチが必要適切なAIモデルの活用 • 適切なAIモデルの選択 • ファイン・チューニング適切なデータを渡す • 最新の自社データ • 一貫した品質の高いデータ • 必要なデータの精度の高い検索信頼性を向上させる • 業務要件を満たすパフォーマンスの実現 • 堅牢なセキュリティ • 開発容易性、効率的な運用で実現実業務で生成AIを活用するためには、精度と信頼性が高いRAGが必要お客様の自社データ AIモデル Copyright © 2024, Oracle and/or its affiliates 26

Slide 27

Slide 27 text

ベクトル・データベースや検索エンジンの課題に直面されるお客様が増えています特化型データベースにより散在化されたデータが、検索精度向上の障壁に “この図に似た商品で、このコメントに似ていてかつXXXといった言葉が含まれる口コミがあって、製品カテゴリは文房具で、価格は1000円以下の商品の平均年間売上は？” Item A Item B … Item B, 1500 Item D, 1000 ベクトル化ベクトル化直面する課題 1. データ信頼性の低下 • ベクトル・データベースへの反映に時間がかかり、最新の情報が検索できない • データが散在化するため、データ一貫性を保つことが困難 • バラバラなセキュリティ管理によるデータ漏洩リスク 2. RAGシステムの複雑化/開発コストや保守コストの上昇 • 画像や文書などデータの種類に応じてデータベースが増え、また対応するベクトル・データベースも乱立 • 各データストア毎への検索と、結果データとの突合処理が必要 • 検索ロジックが複雑化し、構築や保守が困難に 3. システム信頼性の実現が困難 • 業務要件を満たすための、可用性、パフォーマンスやスケーラビリティの確保の担保が困難 Copyright © 2024, Oracle and/or its affiliates 27

Slide 28

Slide 28 text

Oracle Database 23c - AI Vector Search 業務データをセキュアに活用し、エンタープライズRAG活用における検索精度、パフォーマンス、拡張性を向上あらゆる生成AIをサポートする、データ・プラットフォーム 1. 様々なデータを1つのデータベースで統合管理 • ベクトルデータを含む、あらゆるデータ・タイプを一つのデータベースに集約 • ビジネスデータとベクトルデータを組み合わせた検索を一つのSQLで実現 • データベース内でデータの一貫性を保ったまま、高速にベクトル変換するため、最新のデータもベクトル検索が可能 2. 高速なベクトル検索 • Oracle Databaseの機能を活用した検索高速化 • パーティション化された、ベクトル索引 • グラフ・テクノロジーを活用した、ベクトル検索 3. 高可用性、スケーラビリティ、セキュリティ • データ整合性を保持しながら、スケールアウトを可能に • Exadata Cloudの持つ、高性能、高可用性、堅牢なセキュリティをベクトル検索に Oracle Database 23c AI Vector Search AI 7 1 4 2 分類価格テキストベクトル（テキスト）画像ベクトル（画像） 0 001 ¥1,000 …… 0.1, 0.2, 0.6. .... 0.5, 1.5, 2.6, .... 1 002 ¥2,000 BBB…… 0.8, 0.1, 0.4. .... 1.0, 0.9, 1.6, .... 2 003 ¥3,000 CCC…… 0.5, 0.3, 0.9. .... 0.6, 1.1, 1.3, .... Copyright © 2024, Oracle and/or its affiliates 28

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

Slide 32

Slide 32 text

Slide 33

Slide 33 text

Slide 34

Slide 34 text

Copyright © 2024, Oracle and/or its affiliates 34 コンパクトでRAGに最適な生成AIモデルコンパクト高性能ながらコンパクト。お客様によるカスタマイズが容易で早いレスポンス。高性能なモデル第三者による生成AIのベンチマーク (HELM)において、高いスコアを達成 (not included: GPT-4 from OpenAI) 520億 OpenAI GPT-3 パラメータ数 1,750億 Source: Stanford's HELM benchmarks 高品質なベクトル化高多様なデータソースから収集した“ノイズの多い”データセットに対しても、より正確な結果を得ることが可能 Data Set: TREC-COVID Source: Cohere

Slide 35

Slide 35 text

Copyright © 2024, Oracle and/or its affiliates 35 オンデマンド Gen AI Service GPUサーバー専有モデル • Cohereの基本モデルは、プレイグラウンド機能を使用してオンデマンドで使用するか、OCI CLIおよびSDKを介してプログラムから使用可能 • モデルは複数の顧客に同時にサービスを提供する、マルチテナント・アーキテクチャでホスト • Cohereのモデルをシングル・テナントで、高性能なGPU サーバーを専有して使用 • より高いセキュリティ、安定したパフォーマンスで運用 • トークンやリクエスト毎の課金では無く、固定の価格のため、使いすぎなどによる予想外の課金が発生することなく、コストの見積が予測可能必要に応じて、オンデマンドまたは専有モデルを選択可能。専有モデルでは、サーバーを専有できるため、安定したパフォーマンス、予測可能な課金、より高いセキュリティが可能になります。 OCI Generative AI service 企業向けの提供形態: 専有モデルにより、セキュアで安定した性能、予測可能な料金 Gen AI Service 専有GPUサーバー Gen AI Service 専有GPUサーバー

Slide 36

Slide 36 text

Copyright © 2024, Oracle and/or its affiliates 36 OSSの生成AIモデルを少ない手間でOCI上にデプロイ。用途にあったさまざまな生成AIモデルが使用可能に。 Data ScienceのNotebookインタフェースから、クリックのみ、ノーコードでAIモデルをデプロイし、ファインチューニングやスケールも可能。最初は、Llama2やMistral 7BなどのLLMをサポート予定。可能なアクション: • デプロイ • ファイン・チューニング • インテグレーション • スケール Beta: AI Quick Actions for OCI Data Science

Slide 37

Slide 37 text

Slide 38

Slide 38 text

Copyright © 2024, Oracle and/or its affiliates 38 Oracle Database 23c AI Vector Search Oracle Database 23c • あらゆるデータをデータベースに格納可能 • 構造化データ: 表データ、位置データなど • 非構造化データ: 文書、JSON、画像、動画など • 新しいベクトル・データ型を付け加えることで、非構造データの類似検索が可能に。 • 構造化データと非構造化データを組み合わせて、精度の高い検索。 Convergedとベクトルにより、AIで必要なあらゆるデータの格納・検索が可能 Converged (あらゆるデータを格納) 7 1 4 9 ベクトル・データ型 +

Slide 39

Slide 39 text

Slide 40

Slide 40 text

Copyright © 2024, Oracle and/or its affiliates 40 表データ構造化データ(表データ）を格納。関連するデータを結合して取得。表データ表データ文書や画像に対応するベクトルを付加して検索。構造化データとの結合、組み合わせての検索も可能。表データ表データ表データ一般的なRDBMS Oracle Database 23c (Converged Database)

Slide 41

Slide 41 text

Copyright © 2024, Oracle and/or its affiliates 41 文書や画像を id vector Text 1 [0.8, 0.5, 1.6, -2.5, …] “It was the best of times, it was the worst of times, it was..” 2 [1.1, 0.3, 0.6, -1.3, …] “It is a truth universally acknowledged, that a single man..” 3 [1.3, 0.1, 0.2, -1.1, …] “It was a bright cold day in pril, and the clocks were striking..” … … … id vector Image 1 [0.5, 1.5, 2.6, -1.1, …] 2 [1.0, 0.9, 1.6, -1.3, …] 3 [0.6, 1.1, 1.3, -0.9, …] … … … 文章画像文章をベクトル値に変換し格納画像をベクトル値に変換し格納

Slide 42

Slide 42 text

Copyright © 2024, Oracle and/or its affiliates 42 0.1, 0.2... 0.9, 0.0... 佐藤東京都... 0.3, 0.7... 0.7, 0.1... 鈴木大阪府... 0.1, 0.1... 0.0, 0.8... 高橋愛知県... 0.9, 0.5... 0.2, 0.1... 田中北海道... 画像ベクトル写真文書ベクトル経歴書名前住所 SQL検索 Oracle Database 23c Vector Search AIかそれと同等の経験があって、xxに住んでいる人 xxさんと似た経歴の人は？カメラに映った人と似ていて、住所がxxの人 1つのSQL文で、あらゆる情報を横断的に検索

Slide 43

Slide 43 text

Copyright © 2024, Oracle and/or its affiliates 43 ビジネスデータとベクトルデータを結合した検索で絞り込むことで、検索精度を向上ベクトル検索の例 SELECT id FROM prod_info WHERE prod_name in (SELECT name FROM products …) AND prod_category in (SELECT category FROM products …) ORDER BY vector_distance(doc_vector, :input_vector); 似たような顧客コメントがあって、かつ、製品カテゴリは“XX”で、かつ製品名に“YYY”が含まれている製品は？サンフランシスコに住んでいて、この写真に似ている上位５人の顧客名は？ SELECT id, photo FROM customer ORDER BY VECTOR_DISTANCE(phot_vec, search_vec) FETCH APPROXIMATE FIRST 10 ROWS ONLY WITH TARGET ACCURACY 95 PERCENT

Slide 44

Slide 44 text

Copyright © 2024, Oracle and/or its affiliates 44 Oracle Database 23c Vector Search データベース側でベクトル化が可能ベクトル化の手間を削減し、データの更新時に遅延なくベクトル変換が可能。これにより、最新のデータをRAGで使用可能。東京都... 佐藤 0. , 0.0... 0.1, 0.2... 大阪府... 鈴木 0. , 0.1... 0.3, 0. ... 愛知県... 高橋 0.0, 0. ... 0.1, 0.1... 北海道... 田中 0.2, 0.1... 0. , 0. ... 住所名前経歴書文書ベクトル写真画像ベクトル

Slide 45

Slide 45 text

Oracle Autonomous Database: あらゆるデータを格納、かつ運用の手間を削減 Converged Database Approach 画像も文書も1つのデータベースに集約様々なデータをシンプルなSQL文で一度に検索データ・ロード変換データモデラースケジューリングインサイト空間分析・グラフ分析機械学習ローコードアプリ開発 Autonomous Database AIを活用することでインフラ運用を自動化、 AI開発を効率化する、自律型データベース Complete Simple Copyright © 2024, Oracle and/or its affiliates 45

Slide 46

Slide 46 text

Copyright © 2024, Oracle and/or its affiliates 46 Autonomous Database - Select AI：自然言語によるSQL問い合わせ「AIの民主化」を実現するため、自然言語を通じたインタラクションで、データからの価値創出をより容易に DBへ質問文を投げかけると、 SQLに変換し結果を返す「2010年以降でもっともよく見られた映画のトップ10を教えて」 Cohere OpenAI Azure OpenAI Oracle Generative AI

Slide 47

Slide 47 text

Slide 48

Slide 48 text

Slide 49

Slide 49 text

Slide 50

Slide 50 text

Slide 51

Slide 51 text

Slide 52

Slide 52 text

Copyright © 2024, Oracle and/or its affiliates 52 AgentはRAGをさらに拡張予定:Action Agents 意思決定と実行において、人間の介入なしに独立性を実現協力自主性学習共通の目標を達成するために、他のエージェントやシステムと連携し、やり取りするアルゴリズムとフィードバックを通じて、知識を獲得し、状況の変化に適応し、パフォーマンスを向上します Agent Agentは、継続的な人間の介入なしにユーザーまたはシステムのかわりに動作する、自律型プログラム。-> 自動化することで企業のオペレーション・コストを大幅に削減

Slide 53

Slide 53 text

Slide 54

Slide 54 text

Copyright © 2024, Oracle and/or its affiliates 54 Gen AI Agents: 今後の予定情報の取得(RAG) RAG Agentのベータではデータソースとして、 OCI Search(OpenSearch)をサポート • 2024年1月ベータ版: OpenSearch • 2024年後半: Oracle Database 23c AI Vector Search MySQL HeatWave Vector Store Action Agents エージェントは、情報検索タスクにとどまらず、APIを代わりに呼び出すことで、さまざまな手間のかかるタスクを自動化できる可能性があります。高品質の生成AIモデルを使用お客様独自のモデルを持ち込む必要はありません。デフォルトでは、エージェントはOCI Generative AI サービスのモデル(CohereおよびLlama-2)を利用します。 Reasoning & Planning エージェントは、ReActフレームワークに基づいて推論して計画し、一連の思考および行動、観察に基づいてアクションします。マルチターン・エージェントエージェントに過去の記憶を保持させ、モデルのコンテキストと応答をさらに豊かにします。

Slide 55

Slide 55 text

Slide 56

Slide 56 text

Copyright © 2024, Oracle and/or its affiliates 56 AI支援サービス（無償）を提供しています。何にAIを活用できるかわからない目的を明確化したい AIワークショップ/ AIビジネス企画構想サービス AIを活用した新たな取組みや新規ビジネスに関して、ビジネスプラン策定支援、企画AIワークショップ、 MVP構築、社会実装を支援クラウドを活用し、 AI環境を構築したい AI環境構築支援サービス GPUを活用したAI環境、生成AI開発基盤のクラウド環境構築を支援何から始めればいいか分からないプロジェクト化したいプロジェクトアセスメント、データ・プロファイリング、プロジェクトスタートアップ支援 AIプロジェクト支援サービス（一部有償）

Slide 57

Slide 57 text

Slide 58

Slide 58 text

Copyright © 2024, Oracle and/or its affiliates 58 • 企業における生成AIの活用では、自社データを活用したRAGが重要になります。 • Oracle Database AI Vector Searchにより、さまざまなデータを横断的に検索でき、問合せとの関連したデータを高い精度で取得可能です。 • Cohere、Llama2に対応したGenerative AIサービスおよび RAG Agentを活用してRAGを少ない手間で構築可能です。 • 今後、AgentやSaaSへの組み込みにより、企業のオペレーションの自動化が可能になります。それにより、コストを大きく下げられる可能性があります。まとめ

Slide 59

Slide 59 text

Copyright © 2024, Oracle and/or its affiliates 59 https://developer.oracle.com/ja/community/japan-events/ai-brown-bag.html より技術的な詳細は、こちらから参照いただけます。ぜひご活用ください。 → Oracle AI Brown Bag Seminar 直近は、「OCI Generative AI Service 実践編」

Slide 60

Slide 60 text

No content