Auteur
En repensant aux idées échangées lors de l'événement « Snowday » des 1er et 2 novembre, une multitude de révélations passionnantes sur l'avenir de Snowflake nous attendent.
Cet article passe en revue les principales nouveautés en matière data présentées lors de l'événement, mettant en lumière les innovations et les avancées qui ont occupé le devant de la scène.
Rejoignez-nous dans cette aventure pour découvrir les moments forts de Snowdays, en mettant particulièrement l'accent sur les dernières fonctionnalités en matière de data , telles que :
Points forts de Snowflake Cortex
Présentation des fonctionnalités GenAI et LLM dans Snowflake
Fonctionnalités des modèles linguistiques (LLM) (certains modèles sont accessibles au public, tandis que d'autres sont encore en phase de prévisualisation privée)
Les LLM constituent un nouveau type de modèle d'IA capable de générer du texte, de traduire des langues, de rédiger divers types de contenus créatifs et de répondre à vos questions de manière informative. Grâce à ses nouvelles fonctionnalités LLM, Snowflake est l'une des premièresdata cloud à offrir à ses utilisateurs l'accès à cette nouvelle technologie puissante.
C'est ce qui distingue Snowflake des autresdata cloud , car cela confère aux utilisateurs de Snowflake un avantage considérable en matière de développement d'applications d'IA. Grâce à Snowflake Cortex, les utilisateurs peuvent désormais créer facilement des applications d'IA capables d'effectuer un large éventail de tâches, telles que la génération de rapports, la détection des fraudes et la prévision du comportement des clients.
Voici quelques cas d'utilisation concrets des capacités LLM de Snowflake :
Fonctionnalités de recherche avancée (en avant-première privée)
Les nouvelles fonctionnalités de recherche avancée de Snowflake permettent aux utilisateurs de trouver plus facilement que jamais les data ont besoin, quel que soit leur emplacement de stockage. Il s'agit là d'un avantage majeur par rapportdata autresdata cloud , qui disposent généralement de capacités de recherche plus limitées.
Plus précisément, les nouvelles fonctionnalités de recherche de Snowflake permettent aux utilisateurs de :
Ces fonctionnalités de recherche avancée permettent aux utilisateurs de gagner du temps et d'être plus productifs lorsqu'ils travaillent avec data. Par exemple, un data pourrait utiliser ces nouvelles fonctionnalités pour trouver rapidement toutes les data pour un projet d'analyse spécifique. De même, un utilisateur métier pourrait s'en servir pour trouver toutes les data à un client ou à un produit donné.
Sans compter que l'utilisation des différents filtres de type « flocon de neige » proposés par ces fonctionnalités de recherche (dénomination des colonnes, balisage, spécification des métadonnées) permet d'améliorer data .
En conclusion, il convient de noter que cela touche à un aspect essentiel des data . Compte tenu des difficultés inhérentes à la mise en œuvre d'un data , il devient particulièrement intéressant de tirer parti de cette fonctionnalité intégrée à Snowflake.
Commandes SQL pour l'analyse des sentiments et la synthèse (en préversion privée)
Les nouvelles commandes SQL de Snowflake dédiées à l'analyse des sentiments et à la synthèse permettent aux utilisateurs d'extraire facilement des informations pertinentes de leurs data avoir à se familiariser avec de nouveaux outils ou langages. Il s'agit là d'un avantage majeur par rapportdata autresdata cloud , qui exigent généralement que les utilisateurs recourent à des outils distincts pour ces tâches.
Plus précisément, les nouvelles commandes SQL de Snowflake permettent aux utilisateurs de :
Ces nouvelles commandes SQL peuvent aider les utilisateurs à gagner du temps et à être plus productifs lorsqu'ils travaillent avec data. Par exemple, un utilisateur professionnel pourrait utiliser ces nouvelles commandes SQL pour analyser rapidement le ton des avis clients ou pour résumer un rapport long et complexe.
Snowflake Copilot (en préversion privée)
Il s'agit d'un assistant basé sur un modèle LLM permettant de générer et d'affiner du code SQL à partir du langage naturel. De plus, cette fonctionnalité de conversion de texte en code sera bientôt disponible de manière programmatique via une fonction polyvalente, Text2SQL, avec Snowflake Cortex.
Data à partir de documents avec Document AI (en préversion privée)
La solution Document AI de Snowflake Cortex, optimisée par un modèle de langage de grande envergure (LLM), permet d'extraire efficacement des data divers types de documents (PDF, Word, TXT, captures d'écran), ce qui permet de gagner du temps et d'économiser des ressources par rapport data manuel data .
Dans l'ensemble, les nouvelles fonctionnalités de Snowflake sont très impressionnantes et pourraient bien révolutionner la manière dont les utilisateurs exploitentdata cloud .
Snowflake se démarque clairement de la concurrence en proposant des fonctionnalités innovantes qui permettent aux utilisateurs de développer et de déployer plus facilement des applications d'IA, de rechercher data, de gérer des fonctionnalités d'apprentissage automatique et de partager des modèles d'apprentissage automatique. Snowflake permet également aux utilisateurs de tirer plus facilement des enseignements de leurs data avoir à se former à de nouveaux outils ou langages.
Base de données de caractéristiques (en préversion privée)
Un Feature Store est un référentiel centralisé permettant de gérer et de partager des caractéristiques d'apprentissage automatique. Le nouveau Feature Store de Snowflake facilite le développement et le déploiement de modèles d'apprentissage automatique pour les utilisateurs.
C'est ce qui distingue Snowflake des autresdata cloud , car elle offre aux utilisateurs un espace unique pour gérer l'ensemble de leurs fonctionnalités d'apprentissage automatique. Cela permet aux utilisateurs de gagner du temps et d'améliorer l'efficacité de leur processus de développement en matière d'apprentissage automatique.
Voici quelques cas d'utilisation concrets du Feature Store de Snowflake :
Partage de modèles
La capacité de Snowflake à partager des modèles d'apprentissage automatique constitue également un atout majeur. Cela facilitera la collaboration sur les projets d'apprentissage automatique et démocratisera l'accès à cette technologie.
Plus précisément, Snowflake permet aux utilisateurs de partager des modèles d'apprentissage automatique avec d'autres personnes, tant au sein de leur organisation qu'à l'extérieur. Cela peut contribuer à accélérer le développement et l'adoption d'applications d'apprentissage automatique.
Voici quelques cas d'utilisation concrets de la fonctionnalité de partage de modèles de Snowflake :
Carnets Snowflake (en avant-première privée)
Les Snowflake Notebooks, un environnement cloud spécialement conçu pour le développement et l'exécution de code, présentent des similitudes avec les notebooks disponibles depuis plusieurs années sur d'autresdata cloud . Databricks a été le pionnier dans ce domaine, et BigQuery lui a emboîté le pas avec son annonce du 31 août. Ces notebooks ont été soigneusement conçus pour optimiser les performances au sein de l'écosystème Snowflake.
Les Snowflake Notebooks présentent plusieurs avantages par rapport aux IDE traditionnels, notamment :
Les carnets Snowflake sont actuellement en phase bêta, mais leur lancement auprès du grand public est prévu dans un avenir proche.
Ce qui distingue Snowflake des autres environnements de développement en apprentissage automatique, c'est qu'il s'appuie sur des API Python accessibles via la bibliothèque Snowpark ML, ainsi que sur des interfaces SQL permettant de définir, gérer et extraire des caractéristiques, le tout associé à une infrastructure gérée pour la gestion des métadonnées des caractéristiques et le traitement continu de celles-ci. Cela élimine le besoin de disposer d'une expertise spécialisée en IA. De plus, le Feature Store et les fonctionnalités de partage de modèles permettent à Snowflake de rattraper plus efficacement ses concurrents, en particulier Databricks, qui avait manifestement l'avantage ces dernières années grâce à son intégration avec ML Flow.
Conclusion
La présentation par Snowflake de nouvelles fonctionnalités, notamment Snowflake Cortex, Copilot, Document AI et les notebooks, confirme l’engagement de l’entreprise en faveur de l’innovation. Si ces annonces data s’inscrivent dans les tendances actuelles de l’IA de nouvelle génération, il est impératif de les aborder avec prudence. Il convient de noter que certaines fonctionnalités, bien qu’annoncées depuis longtemps, ne sont toujours pas disponibles de manière généralisée dans tous les environnements. Enfin, abordons ces innovations avec un esprit ouvert et un optimisme prudent, prêts à saisir les possibilités tout en gardant les pieds sur terre.
