Autor
Al reflexionar sobre las ideas compartidas durante el evento «Snowday», celebrado los días 1 y 2 de noviembre, nos espera una avalancha de revelaciones apasionantes sobre el futuro de Snowflake.
Este artículo analiza en profundidad las novedades más destacadas en materia de data presentadas durante el evento, arrojando luz sobre la innovación y los avances que acapararon el protagonismo.
Acompáñanos en este recorrido mientras desentrañamos lo más destacado de Snowdays, prestando especial atención a las últimas novedades en materia de data , tales como:
Aspectos destacados de Snowflake Cortex
Una visión general de las capacidades de GenAI y LLM en Snowflake
Funcionalidades de los modelos de lenguaje (LLM) (algunos modelos son públicos, mientras que otros aún se encuentran en fase de vista previa privada)
Los modelos de lenguaje grande (LLM) son un nuevo tipo de AI capaz de generar texto, traducir idiomas, redactar distintos tipos de contenido creativo y responder a tus preguntas de forma informativa. Las nuevas capacidades de LLM de Snowflake la convierten en una de las primerasdata cloud en ofrecer a los usuarios acceso a esta nueva y potente tecnología.
Esto diferencia a Snowflake de otrasdata cloud , ya que ofrece a los usuarios de Snowflake una ventaja significativa a la hora de desarrollar AI . Con Snowflake Cortex, los usuarios pueden ahora crear fácilmente AI capaces de realizar una amplia variedad de tareas, como generar reports, detectar fraudes y predecir el comportamiento de los clientes.
A continuación se presentan algunos casos de uso concretos de las capacidades de los modelos de lenguaje grande (LLM) de Snowflake:
Funciones de búsqueda avanzada (en versión preliminar privada)
Las nuevas funciones de búsqueda avanzada de Snowflake facilitan más que nunca a los usuarios la localización de los data necesitan, independientemente de dónde estén almacenados. Esto supone una ventaja importante frente a otrasdata cloud , que suelen tener capacidades de búsqueda más limitadas.
En concreto, las nuevas funciones de búsqueda de Snowflake permiten a los usuarios:
Estas funciones de búsqueda avanzada pueden ayudar a los usuarios a ahorrar tiempo y ser más productivos al trabajar con data. Por ejemplo, un data podría utilizar las nuevas funciones de búsqueda para encontrar rápidamente todos los data para un proyecto de análisis concreto. O bien, un usuario empresarial podría utilizar las nuevas funciones de búsqueda para encontrar todos los data con un cliente o producto específico.
Por no hablar de que el uso de los distintos filtros de filtrado que ofrecen estas funciones de búsqueda (denominación de columnas, etiquetado, especificación de metadatos) mejora data de data .
En conclusión, cabe destacar que esto aborda un aspecto clave de data . Dadas las dificultades inherentes a la implementación de un data , resulta especialmente interesante aprovechar esta función integrada de Snowflake.
Comandos SQL para el análisis de opiniones y la síntesis de textos (en versión preliminar privada)
Los nuevos comandos SQL de Snowflake para el análisis de opiniones y la síntesis facilitan a los usuarios la extracción de información relevante de sus data necesidad de aprender a utilizar nuevas herramientas o lenguajes. Esto supone una ventaja importante frente a otrasdata cloud , que suelen exigir a los usuarios el uso de herramientas independientes para estas tareas.
En concreto, los nuevos comandos SQL de Snowflake permiten a los usuarios:
Estos nuevos comandos SQL pueden ayudar a los usuarios a ahorrar tiempo y a ser más productivos al trabajar con data. Por ejemplo, un usuario empresarial podría utilizar los nuevos comandos SQL para analizar rápidamente el tono de las opiniones de los clientes o para resumir un informe largo y complejo.
Snowflake Copilot (en versión preliminar privada)
Se trata de un asistente basado en un modelo de lenguaje grande (LLM) que permite generar y perfeccionar código SQL mediante lenguaje natural. Además, esta funcionalidad de conversión de texto a código estará disponible próximamente a través de una función de uso general, Text2SQL, con Snowflake Cortex.
Data de documentos con Document AI en versión preliminar privada)
La AI Document AI de Snowflake Cortex, basada en modelos de lenguaje grande (LLM), permite extraer data de forma eficiente data diversos tipos de documentos (PDF, Word, TXT, capturas de pantalla), lo que ahorra tiempo y recursos en data manual data .
En general, las nuevas funciones de Snowflake son muy impresionantes y tienen el potencial de revolucionar la forma en que los usuarios utilizandata cloud .
Snowflake se está diferenciando claramente de la competencia al ofrecer funciones innovadoras que facilitan a los usuarios el desarrollo y la implementación AI , la búsqueda data, la gestión de funciones de aprendizaje automático y el intercambio de modelos de aprendizaje automático. Además, Snowflake facilita a los usuarios la obtención de información valiosa a partir de sus data necesidad de aprender a utilizar nuevas herramientas o lenguajes.
Almacén de características (en versión preliminar privada)
Un almacén de características es un repositorio central para gestionar y compartir características de aprendizaje automático. El nuevo almacén de características de Snowflake facilita a los usuarios el desarrollo y la implementación de modelos de aprendizaje automático.
Esto diferencia a Snowflake de otrasdata cloud , ya que ofrece a los usuarios un único lugar desde el que gestionar todas sus funciones de aprendizaje automático. Esto puede ayudar a los usuarios a ahorrar tiempo y a mejorar la eficiencia de su proceso de desarrollo de aprendizaje automático.
A continuación se presentan algunos casos de uso concretos del almacén de características de Snowflake:
Compartir modelos
La capacidad de Snowflake para compartir modelos de aprendizaje automático también es un factor diferenciador clave. Esto facilitará la colaboración en proyectos de aprendizaje automático y democratizará el acceso a esta tecnología.
En concreto, Snowflake permite a los usuarios compartir modelos de aprendizaje automático con otras personas, tanto dentro como fuera de su organización. Esto puede contribuir a acelerar el desarrollo y la adopción de aplicaciones de aprendizaje automático.
A continuación se presentan algunos casos de uso concretos de la función de uso compartido de modelos de Snowflake:
Cuadernos Snowflake (en versión preliminar privada)
Los Snowflake Notebooks, un entorno cloud diseñado específicamente para el desarrollo y la ejecución de código, comparten similitudes con los cuadernos que llevan varios años disponibles en otrasdata cloud . Databricks fue pionera en este campo, y BigQuery siguió sus pasos con su anuncio del 31 de agosto. Estos cuadernos están cuidadosamente diseñados para optimizar el rendimiento dentro del ecosistema de Snowflake.
Los cuadernos Snowflake ofrecen una serie de ventajas con respecto a los entornos de desarrollo integrados (IDE) tradicionales, tales como:
Los cuadernos Snowflake se encuentran actualmente en fase beta, pero se espera que estén disponibles para el público en general en un futuro próximo.
Lo que diferencia a Snowflake como entorno de desarrollo de aprendizaje automático de otros es que cuenta con API de Python accesibles a través de la biblioteca Snowpark ML, así como interfaces SQL para definir, gestionar y recuperar características, junto con una infraestructura gestionada para la gestión de metadatos de características y el procesamiento continuo de estas. Esto elimina la necesidad de AI especializados AI . Además, el almacén de características y las funciones de uso compartido de modelos permiten a Snowflake ponerse al día de forma más eficaz con sus competidores, concretamente con Databricks, que obviamente ha tenido ventaja en los últimos años gracias a su integración con ML Flow.
Conclusión
La presentación por parte de Snowflake de nuevas funciones, entre las que se incluyen Snowflake Cortex, Copilot, Document AI los cuadernos, reafirma el compromiso Compañiacon la innovación. Si bien los anuncios data están en consonancia con las tendencias actuales de la IA generativa, es imprescindible abordarlos con cautela. Cabe destacar que algunas funciones, aunque se anunciaron hace tiempo, aún no están disponibles de forma generalizada en todos los entornos. Por último, abordemos estas innovaciones con una mente abierta y un optimismo prudente, dispuestos a aprovechar las posibilidades sin perder de vista la realidad.
