Autor
Ao refletirmos sobre os insights compartilhados durante o evento ‘Snowday’ nos dias 1º e 2 de novembro, uma cascata de revelações empolgantes sobre o futuro do Snowflake nos aguarda.
Este artigo analisa os notáveis recursos científicos do data revelados durante o evento, esclarecendo as inovações e os avanços que ocuparam o centro do palco.
Junte-se a nós nessa jornada enquanto desvendamos os destaques do Snowdays, com foco específico nos recursos científicos mais recentes do data, como o senhor:
Destaques do Snowflake Cortex
Uma visão geral dos recursos de GenAI e LLM no Snowflake
Recursos do Language Model (LLM) (alguns modelos são públicos, enquanto outros ainda estão em visualização privada)
Os LLMs são um novo tipo de modelo de IA que pode gerar texto, traduzir idiomas, escrever diferentes tipos de conteúdo criativo e responder às suas perguntas de forma informativa. Os novos recursos de LLM do Snowflake fazem dele um dos primeiros cloud data platforms a oferecer aos usuários acesso a essa nova e poderosa tecnologia.
Isso diferencia o Snowflake de outros cloud data platforms porque oferece aos usuários do Snowflake uma vantagem significativa em termos de desenvolvimento de aplicativos de IA. Com o Snowflake Cortex, os usuários agora podem criar facilmente aplicativos de IA que podem executar uma ampla gama de tarefas, como gerar reports, identificar fraudes e prever o comportamento do cliente.
Aqui estão alguns casos de uso específicos dos recursos de LLM da Snowflake:
Recursos de pesquisa avançada (em visualização privada)
O novo Snowflake recursos avançados de pesquisa tornam mais fácil do que nunca para os usuários encontrarem o data de que precisam, independentemente de onde ele esteja armazenado. Essa é uma grande vantagem em relação a outros cloud data platforms, que normalmente têm recursos de pesquisa mais limitados.
Especificamente, os novos recursos de pesquisa do Snowflake permitem que os usuários:
Esses recursos avançados de pesquisa podem ajudar os usuários a economizar tempo e ser mais produtivos ao trabalhar com o data. Por exemplo, um analista de data pode usar os novos recursos de pesquisa para encontrar rapidamente todo o data que seja relevante para um projeto de análise específico. Ou um usuário comercial poderia usar os novos recursos de pesquisa para encontrar todo o data relacionado a um cliente ou produto específico.
Sem mencionar que o uso dos diferentes filtros snowflake fornecidos por esses recursos de pesquisa (nomeação de colunas, marcação, especificação metadata) induz a um aumento na consistência do data.
Para concluir, vale a pena observar que isso aborda um aspecto fundamental dos catálogos data. Considerando os desafios inerentes à implementação de um catálogo data, o aproveitamento desse recurso integrado do Snowflake torna-se particularmente atraente.
Comandos SQL para análise e resumo de sentimentos (em visualização privada)
Os novos comandos SQL do Snowflake para análise e resumo de sentimentos facilitam para os usuários a extração de insights de seu data sem a necessidade de aprender novas ferramentas ou linguagens. Essa é uma grande vantagem em relação a outros cloud data platforms, que normalmente exigem que os usuários usem ferramentas separadas para essas tarefas.
Especificamente, os novos comandos SQL do Snowflake permitem que os usuários:
Esses novos comandos SQL podem ajudar os usuários a economizar tempo e ser mais produtivos ao trabalhar com o data. Por exemplo, um usuário comercial pode usar os novos comandos SQL para analisar rapidamente o sentimento das avaliações dos clientes ou para resumir um relatório longo e complexo.
Snowflake Copilot (em visualização privada)
É um Assistente com tecnologia LLM para gerar e refinar SQL com linguagem natural. Além disso, essa funcionalidade de texto para código será disponibilizada em breve de forma programática por meio de uma função de uso geral, Text2SQL, com o Snowflake Cortex.
Extração do documento Data com Document AI (em visualização privada)
IA de documentos do Snowflake Cortex, O software de extração de dados data, desenvolvido pelo LLM, permite a extração eficiente do data de vários tipos de documentos (pdf, word, txt, capturas de tela), economizando tempo e recursos no processamento manual do data.
Em geral, os novos recursos do Snowflake são muito impressionantes e têm o potencial de revolucionar a maneira como as pessoas usam o cloud data platforms.
A Snowflake está claramente se diferenciando da concorrência ao oferecer recursos inovadores que facilitam aos usuários o desenvolvimento e a implantação de aplicativos de IA, a localização do data, o gerenciamento de recursos de ML e o compartilhamento de modelos de ML. A Snowflake também está facilitando para os usuários a extração de insights de seu data sem precisar aprender novas ferramentas ou idiomas.
Loja de recursos (em visualização privada)
A loja de recursos é um repositório central para gerenciar e compartilhar recursos de aprendizado de máquina. O novo armazenamento de recursos do Snowflake facilita aos usuários o desenvolvimento e a implantação de modelos de ML.
Isso diferencia o Snowflake de outros cloud data platforms porque oferece aos usuários um único local para gerenciar todos os seus recursos de ML. Isso pode ajudar os usuários a economizar tempo e melhorar a eficiência do processo de desenvolvimento de ML.
Aqui estão alguns casos de uso específicos para a loja de recursos da Snowflake:
Compartilhamento de modelos
A capacidade do Snowflake de compartilhar modelos de ML também é um diferencial importante. Isso facilitará a colaboração entre as pessoas em projetos de ML e democratizará o acesso ao ML.
Especificamente, o Snowflake permite que os usuários compartilhem modelos de ML com outras pessoas, dentro e fora da organização. Isso pode ajudar a acelerar o desenvolvimento e a adoção de aplicativos de ML.
Aqui estão alguns casos de uso específicos do recurso de compartilhamento de modelos do Snowflake:
Snowflake Notebooks (em visualização privada)
Cadernos Snowflake, O Databricks, um ambiente baseado no cloud projetado especificamente para desenvolvimento e execução de código, compartilha semelhanças com notebooks que estão disponíveis há vários anos em outros cloud data platforms. O Databricks foi o pioneiro nesse campo, e o BigQuery seguiu o exemplo com seu anúncio em 31 de agosto. Esses notebooks foram cuidadosamente projetados para otimizar o desempenho dentro do ecossistema Snowflake.
Os Snowflake Notebooks oferecem várias vantagens em relação aos IDEs tradicionais, tais como:
Os Snowflake Notebooks estão atualmente em fase beta, mas espera-se que sejam lançados para o público em geral em um futuro próximo.
O que diferencia o Snowflake como um ambiente de desenvolvimento de Machine Learning de outros é o fato de que ele consiste em APIs Python acessíveis por meio da biblioteca ML do Snowpark e interfaces SQL para definir, gerenciar e recuperar recursos, juntamente com a infraestrutura gerenciada para o gerenciamento de metadata de recursos e o processamento contínuo de recursos. Isso elimina a necessidade de conhecimento especializado em IA. Além disso, o Feature Store e os recursos de compartilhamento de modelos capacitam a Snowflake a se equiparar de forma mais eficaz aos seus concorrentes, especificamente a Databricks, que obviamente teve vantagem nos últimos anos devido à sua integração com o ML Flow.
Conclusão
A revelação de novos recursos pela Snowflake, incluindo Snowflake Cortex, Copilot, Document AI e notebooks, confirma o compromisso da empresa com a inovação. Embora os anúncios científicos do data estejam alinhados com as tendências atuais da GenAI, é imperativo abordá-los com cautela. Vale ressaltar que certos recursos, embora anunciados há muito tempo, ainda estão pendentes de disponibilidade universal em todos os ambientes. Por fim, vamos abordar essas inovações com a mente aberta e um otimismo cauteloso, prontos para abraçar as possibilidades e, ao mesmo tempo, nos atermos à realidade.
