oracle-samples/oci-data-science-ai-samples

解决的问题

Oracle Cloud Infrastructure (OCI) Data Science 和 AI 服务功能强大，但有许多功能难以学习。本仓库收集了演示、教程和代码示例，展示如何在实际中使用这些服务。它帮助数据科学家和开发人员更快上手，避免常见陷阱，并应用模型部署、作业、流水线和 LLM 支持等功能，而无需从头开始摸索一切。

工作原理

项目按文件夹组织，每个文件夹涵盖 OCI Data Science 或 AI 服务的特定领域。大多数示例是 Jupyter 笔记本或 Python/Java 脚本，逐步引导完成一个任务。例如：

• 笔记本示例展示了如何使用加速数据科学 (ADS) SDK 来加速常见的数据科学任务，例如在 OCI Vault 中存储密钥。
• Conda 环境笔记本演示了如何使用预构建的 conda 环境处理常见的数据科学任务。
• 实验提供了训练和部署机器学习模型的端到端示例。
• LLM 部分展示了微调、部署和评估大型语言模型的方法，包括通过 AI Quick Actions 的无代码选项和使用 LangChain 的基于代码的方法。
• 模型目录示例解释了创建部署所需的 score.py 和 runtime.yaml 文件。
• 计算目标、容量预留发现、作业、分布式训练、流水线、ML 应用程序、数据标注、笔记本生命周期脚本和特征存储各有专门的示例和文档。

所有示例都旨在 OCI Data Science 上运行，并且设计为实用且可重复使用。

适用对象

本仓库适用于使用（或计划使用）Oracle Cloud Infrastructure Data Science 和 AI 服务的数据科学家、机器学习工程师和开发人员。它对需要指导式教程的初学者，以及希望获得分布式训练、流水线和 ML 应用程序等高级功能具体示例的经验丰富的从业者都有用。内容也适用于任何希望在 OCI 上自动化机器学习工作流或在生产中部署模型的人。

亮点

• 广泛覆盖：示例涵盖笔记本、conda 环境、模型部署、作业、分布式训练、流水线、ML 应用程序、数据标注、特征存储等。
• 端到端教程：实验逐步讲解在 OCI Data Science 服务上训练和部署模型。
• LLM 支持：包括无代码 AI Quick Actions、LangChain 集成和直接 Python 编码示例。
• 可重复使用的脚本：生命周期脚本和数据标注脚本几乎无需编辑即可使用。
• 积极维护：项目欢迎社区贡献，并鼓励用户就反馈或缺失内容提出问题。