Snowflake przyspiesza sposób, w jaki użytkownicy tworzą aplikacje nowej generacji i modele uczenia maszynowego
Snowflake, firma oferująca Chmurę Danych, ogłosił podczas wydarzenia Snowday 2023 nowe wdrożenia, które ułatwiają programistom tworzenie modeli uczenia maszynowego (ML) i aplikacji typu full-stack w autorskiej Chmurze Danych.
Snowflake rozszerza możliwości w zakresie zastosowania języka programowania Python poprzez Snowpark, aby zwiększyć produktywność, zacieśnić współpracę i przyspieszyć kompleksowe przepływy pracy AI i ML. Ponadto, dzięki obsłudze konteneryzowanych obciążeń i rozszerzonym możliwościom DevOps, deweloperzy mogą teraz przyspieszyć rozwój i uruchamianie aplikacji – wszystko w ramach bezpiecznej i w pełni zarządzanej infrastruktury Snowflake.
– Rozwój generatywnej sztucznej inteligencji sprawił, że najcenniejszy zasób
organizacji, ich dane, stał się jeszcze bardziej niezbędny. Snowflake ułatwia programistom wykorzystanie tych danych do pracy, dzięki czemu mogą oni tworzyć potężne, kompleksowe modele uczenia maszynowego i aplikacje natywnie w Chmurze Danych Snowflake – mówi Prasanna Krishnan, Senior Director of Product Management w Snowflake.
Snowflake niezmiennie inwestuje w Snowpark, umożliwiając bezpieczne wdrażanie i przetwarzanie kodu innego niż SQL, a ponad 35% klientów Snowflake korzysta ze Snowpark przynajmniej raz w tygodniu (stan na wrzesień 2023 r.). Deweloperzy coraz częściej wykorzystują Snowpark do tworzenia i wdrażania złożonych modeli ML, a Snowflake wprowadza nowe funkcjonalności, dzięki którym Snowpark jest jeszcze bardziej dostępny i wydajny dla wszystkich programistów Pythona.
Nowe udoskonalenia obejmują:
- Snowflake Notebooks (prywatna wersja zapoznawcza): to nowy interfejs programistyczny, który oferuje interaktywne środowisko dla użytkowników Python i SQL do eksploracji, przetwarzania i eksperymentowania z danymi w Snowpark. Wbudowane notatniki Snowflake pozwalają deweloperom tworzyć kod oraz trenować i wdrażać modele za pomocą Snowpark ML, a także wizualizować wyniki dzięki Streamlit w ramach ujednoliconej, bezpiecznej platformy Snowflake.
- Snowpark ML Modeling API (ogólna dostępność wkrótce): Snowpark ML Modeling API umożliwia programistom i analitykom danych skalowanie inżynierii funkcji i upraszczanie szkolenia modeli w celu szybszego i bardziej intuicyjnego tworzenia modeli w Snowflake. Użytkownicy mogą implementować popularne frameworki AI i ML natywnie na danych w Snowflake, bez konieczności tworzenia procedur składowanych.
- Ulepszenia operacji ML w Snowpark: Rejestr modeli Snowpark (wkrótce publiczna wersja zapoznawcza) opiera się teraz na natywnej jednostce modelu Snowflake i umożliwia skalowalne oraz bezpieczne wdrażanie modeli i zarządzanie nimi w Snowflake, w tym rozszerzoną obsługę modeli głębokiego uczenia się i otwartych źródłowych dużych modeli językowych (LLM) od Hugging Face. Snowflake zapewnia również programistom zintegrowany Snowflake Feature Store (prywatna wersja zapoznawcza), który tworzy, przechowuje, zarządza i obsługuje funkcje ML do szkolenia modeli i wnioskowania.
Endeavor, globalna firma zajmująca się sportem i rozrywką, polega na Snowpark for Python do tworzenia i wdrażania modeli ML, które tworzą wysoce spersonalizowane doświadczenia i aplikacje do angażowania fanów.
– Snowpark działa jako siła napędowa naszego kompleksowego rozwoju w ramach technologii uczenia maszynowego, napędzając sposób, w jaki centralizujemy i przetwarzamy dane w różnych naszych jednostkach, a następnie bezpiecznie budujemy i trenujemy modele wykorzystujące te dane do tworzenia hiperspersonalizowanych doświadczeń fanów na dużą skalę – mówi Saad Zaheer, VP of Data Science&Engineering w Endeavor. – Dzięki Snowflake jako naszej centralnej bazie danych, która przenosi cały ten rozwój bezpośrednio do naszych danych korporacyjnych, możemy odblokować jeszcze więcej sposobów przewidywania i prognozowania zachowań klientów, aby wspierać nasze ukierunkowane silniki sprzedaży i marketingu.
Najnowszy numer
Najnowszy numer