![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/charbel-naba.jpg\")
Rejoignez-nous dans ce voyage pour d\u00e9couvrir les points forts de Snowdays, en mettant l'accent sur les derni\u00e8res caract\u00e9ristiques scientifiques de data, telles que<\/p>\n<\/div>
Faits marquants du cortex du flocon de neige<\/h2><\/div>![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/image-snowflake-medium-article.png\" "\\"image")
<\/span><\/div>Vue d'ensemble des capacit\u00e9s GenAI et LLM dans Snowflake<\/p>\n<\/div>
Capacit\u00e9s du mod\u00e8le linguistique (LLM) (certains mod\u00e8les sont publics tandis que d'autres sont encore en phase de pr\u00e9visualisation priv\u00e9e)<\/h2><\/div>Les LLM sont un nouveau type de mod\u00e8le d'IA capable de g\u00e9n\u00e9rer du texte, de traduire des langues, de r\u00e9diger diff\u00e9rents types de contenus cr\u00e9atifs et de r\u00e9pondre \u00e0 vos questions de mani\u00e8re informative. Les nouvelles capacit\u00e9s LLM de Snowflake en font l'un des premiers cloud data platforms \u00e0 offrir aux utilisateurs l'acc\u00e8s \u00e0 cette nouvelle technologie puissante.<\/p>\n<\/div>
Cela diff\u00e9rencie Snowflake des autres cloud data platforms car cela donne aux utilisateurs de Snowflake un avantage significatif en termes de d\u00e9veloppement d'applications d'IA. Avec Snowflake Cortex, les utilisateurs peuvent d\u00e9sormais facilement cr\u00e9er des applications d'IA capables d'effectuer un large \u00e9ventail de t\u00e2ches, telles que la g\u00e9n\u00e9ration de reports, l'identification de la fraude et la pr\u00e9diction du comportement des clients.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques des capacit\u00e9s LLM de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
D\u00e9tection des sentiments :<\/strong> Analysez les commentaires des clients, les interactions avec les m\u00e9dias sociaux ou les \u00e9valuations de produits pour comprendre le sentiment g\u00e9n\u00e9ral et identifier les domaines \u00e0 am\u00e9liorer. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et la synth\u00e8se des sentiments (en avant-premi\u00e8re priv\u00e9e)).<\/p>\n<\/div><\/li>- <\/i><\/span>\n
R\u00e9sum\u00e9s de textes :<\/strong> G\u00e9n\u00e9rez des r\u00e9sum\u00e9s concis de longs documents, courriels ou reports pour saisir rapidement les informations cl\u00e9s et gagner du temps. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re).<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Traduction :<\/strong> Vous avez besoin de traduire les valeurs d'une colonne sp\u00e9cifique lors de vos transformations ? Il n'est pas n\u00e9cessaire de faire appel \u00e0 une API externe ; vous pouvez effectuer la traduction de mani\u00e8re transparente dans Snowflake.<\/p>\n<\/div><\/li><\/ul>Fonctionnalit\u00e9s de recherche avanc\u00e9es (en aper\u00e7u priv\u00e9)<\/h2><\/div>Flocon de neige nouveau fonctions de recherche avanc\u00e9e<\/strong> permettent aux utilisateurs de trouver plus facilement que jamais le data dont ils ont besoin, quel que soit l'endroit o\u00f9 il est stock\u00e9. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, dont les capacit\u00e9s de recherche sont g\u00e9n\u00e9ralement plus limit\u00e9es.<\/p>\n<\/div>Plus pr\u00e9cis\u00e9ment, les nouvelles fonctions de recherche de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Effectuez des recherches dans les bases data, les tables Iceberg, data \u00e0 l'int\u00e9rieur de Snowflake, les applications natives et la place de march\u00e9 Snowflake.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Utiliser les requ\u00eates en langage naturel<\/strong> pour rechercher data.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Filtrer les r\u00e9sultats de la recherche en fonction de divers crit\u00e8res<\/strong>, Vous pouvez \u00e9galement obtenir des informations sur les fichiers, telles que le type de data, la taille du fichier et la date de cr\u00e9ation.<\/p>\n<\/div><\/li><\/ul>Ces fonctions de recherche avanc\u00e9e peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un analyste de data peut utiliser les nouvelles fonctions de recherche pour trouver rapidement toutes les donn\u00e9es de data relatives \u00e0 un projet d'analyse sp\u00e9cifique. Ou encore, un utilisateur commercial pourrait utiliser les nouvelles fonctions de recherche pour trouver toutes les donn\u00e9es de data relatives \u00e0 un client ou \u00e0 un produit sp\u00e9cifique.<\/p>\n<\/div>
Sans oublier que l'utilisation des diff\u00e9rents filtres en flocon de neige fournis par ces fonctions de recherche (d\u00e9nomination des colonnes, balisage, sp\u00e9cification m\u00e9tadata) induit une augmentation de la coh\u00e9rence de data.<\/p>\n<\/div>
En conclusion, il convient de noter que cette fonctionnalit\u00e9 aborde un aspect essentiel des catalogues data. Compte tenu des d\u00e9fis inh\u00e9rents \u00e0 la mise en \u0153uvre d'un catalogue data, l'exploitation de cette fonctionnalit\u00e9 int\u00e9gr\u00e9e \u00e0 Snowflake devient particuli\u00e8rement convaincante.<\/p>\n<\/div>
![](\"data:image\/svg+xml,%3Csvg%20xmlns%3D%27http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg%27%20width%3D%271200%27%20height%3D%27675%27%20viewBox%3D%270%200%201200%20675%27%3E%3Crect%20width%3D%271200%27%20height%3D%27675%27%20fill-opacity%3D%220%22%2F%3E%3C%2Fsvg%3E\" "\\"flocon")
<\/span><\/div>Commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re)<\/h2><\/div>Les nouvelles commandes SQL de Snowflake pour l'analyse et le r\u00e9sum\u00e9 des sentiments permettent aux utilisateurs d'extraire facilement des informations de leur data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, qui exigent g\u00e9n\u00e9ralement que les utilisateurs utilisent des outils distincts pour ces t\u00e2ches.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, les nouvelles commandes SQL de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Analyser le sentiment du texte data<\/strong>, Les donn\u00e9es de l'enqu\u00eate de satisfaction, telles que les commentaires des clients, les messages sur les m\u00e9dias sociaux et les r\u00e9ponses \u00e0 l'enqu\u00eate.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
R\u00e9sumer un texte data<\/strong> pour en extraire les informations les plus importantes.<\/p>\n<\/div><\/li><\/ul>Ces nouvelles commandes SQL peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un utilisateur professionnel peut utiliser les nouvelles commandes SQL pour analyser rapidement le sentiment des commentaires des clients ou pour r\u00e9sumer un rapport long et complexe.<\/p>\n<\/div>
Snowflake Copilot (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>Il s'agit d'un Assistant aliment\u00e9 par LLM pour g\u00e9n\u00e9rer et affiner le langage SQL avec le langage naturel<\/strong>. En outre, cette fonctionnalit\u00e9 de conversion de texte en code sera bient\u00f4t programm\u00e9e via une fonction g\u00e9n\u00e9rale, Text2SQL, avec Snowflake Cortex.<\/p>\n<\/div><\/span><\/div>Extraction du document Data avec Document AI (en aper\u00e7u priv\u00e9)<\/h2><\/div>L'IA documentaire de Snowflake Cortex<\/strong>, L'extraction de data \u00e0 partir de divers types de documents (pdf, word, txt, captures d'\u00e9cran) permet de gagner du temps et d'\u00e9conomiser des ressources lors du traitement manuel de data.<\/p>\n<\/div>Dans l'ensemble, les nouvelles fonctionnalit\u00e9s de Snowflake sont tr\u00e8s impressionnantes et ont le potentiel de r\u00e9volutionner la fa\u00e7on dont les gens utilisent cloud data platforms.<\/p>\n<\/div>
Snowflake se diff\u00e9rencie clairement de la concurrence en offrant des fonctionnalit\u00e9s innovantes qui facilitent le d\u00e9veloppement et le d\u00e9ploiement d'applications d'IA, la recherche de data, la gestion des fonctions de ML et le partage des mod\u00e8les ML. Snowflake permet \u00e9galement aux utilisateurs d'extraire plus facilement des informations de leurs data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages.<\/p>\n<\/div>
<\/span><\/div>Magasin de fonctionnalit\u00e9s (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>A magasin d'articles de luxe<\/strong> est un r\u00e9f\u00e9rentiel central pour la gestion et le partage des fonctionnalit\u00e9s d'apprentissage automatique. Le nouveau magasin de fonctionnalit\u00e9s de Snowflake permet aux utilisateurs de d\u00e9velopper et de d\u00e9ployer plus facilement des mod\u00e8les d'apprentissage automatique.<\/p>\n<\/div>Snowflake se diff\u00e9rencie ainsi des autres cloud data platforms car il offre aux utilisateurs un lieu unique pour g\u00e9rer toutes leurs fonctionnalit\u00e9s de ML. Cela peut aider les utilisateurs \u00e0 gagner du temps et \u00e0 am\u00e9liorer l'efficacit\u00e9 de leur processus de d\u00e9veloppement ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la boutique de fonctionnalit\u00e9s de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait utiliser le magasin de fonctionnalit\u00e9s pour g\u00e9rer et partager les fonctionnalit\u00e9s<\/strong> qu'ils utilisent pour d\u00e9velopper un mod\u00e8le d'apprentissage automatique. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un ing\u00e9nieur en apprentissage automatique pourrait utiliser la base de donn\u00e9es des fonctionnalit\u00e9s pour d\u00e9ployer un mod\u00e8le d'apprentissage automatique en production et s'assurer qu'il a acc\u00e8s aux fonctionnalit\u00e9s dont il a besoin<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un utilisateur professionnel peut utiliser le magasin de fonctionnalit\u00e9s pour d'explorer et de comprendre les fonctionnalit\u00e9s utilis\u00e9es pour alimenter leurs applications d'apprentissage automatique<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li><\/ul>Partage des mod\u00e8les<\/h2><\/div>La capacit\u00e9 de Snowflake \u00e0 partager des mod\u00e8les de ML est \u00e9galement un facteur de diff\u00e9renciation majeur. Cela facilitera la collaboration sur les projets de ML et d\u00e9mocratisera l'acc\u00e8s au ML.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, Snowflake permet aux utilisateurs de partager des mod\u00e8les de ML avec d'autres personnes, tant \u00e0 l'int\u00e9rieur qu'\u00e0 l'ext\u00e9rieur de leur organisation. Cela peut contribuer \u00e0 acc\u00e9l\u00e9rer le d\u00e9veloppement et l'adoption d'applications de ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la capacit\u00e9 de partage de mod\u00e8les de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait partager un mod\u00e8le d'apprentissage automatique avec un utilisateur professionnel<\/strong> afin qu'ils puissent l'utiliser pour explorer leur data et g\u00e9n\u00e9rer des informations.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un ing\u00e9nieur en apprentissage automatique pourrait partager un mod\u00e8le d'apprentissage automatique avec un ing\u00e9nieur DevOps<\/strong> afin qu'ils puissent le d\u00e9ployer en production.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un fournisseur de logiciels pourrait partager un mod\u00e8le d'apprentissage automatique avec leurs clients<\/strong> afin qu'ils puissent l'utiliser pour am\u00e9liorer leurs produits et services.<\/p>\n<\/div><\/li><\/ul>Carnets de notes en flocon de neige (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>Cahiers de flocons de neige<\/strong>, Les ordinateurs portables, un environnement bas\u00e9 sur le cloud sp\u00e9cialement con\u00e7u pour le d\u00e9veloppement et l'ex\u00e9cution de code, pr\u00e9sentent des similitudes avec les ordinateurs portables disponibles depuis plusieurs ann\u00e9es sur d'autres cloud data platforms. Databricks a \u00e9t\u00e9 le pionnier dans ce domaine, et BigQuery lui a embo\u00eet\u00e9 le pas avec ses annonce<\/a> le 31 ao\u00fbt. Ces ordinateurs portables sont con\u00e7us pour optimiser les performances au sein de l'\u00e9cosyst\u00e8me Snowflake.<\/p>\n<\/div>Les ordinateurs portables Snowflake offrent un certain nombre d'avantages par rapport aux IDE traditionnels :<\/p>\n<\/div>
- <\/i><\/span>\n
Collaboration :<\/strong> Les carnets Snowflake sont faciles \u00e0 partager avec d'autres, ce qui facilite la collaboration sur les projets.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Interactivit\u00e9 :<\/strong> Les carnets de notes Snowflake sont interactifs, ce qui vous permet d'exp\u00e9rimenter votre code et de voir les r\u00e9sultats imm\u00e9diatement.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Performance :<\/strong> Les Snowflake Notebooks sont tr\u00e8s performants, ce qui vous permet d'ex\u00e9cuter rapidement des requ\u00eates et des analyses complexes.<\/p>\n<\/div><\/li><\/ul>Les ordinateurs portables Snowflake sont actuellement en version b\u00eata, mais ils devraient \u00eatre mis \u00e0 la disposition du grand public dans un avenir proche.<\/p>\n<\/div>
Ce qui diff\u00e9rencie Snowflake des autres environnements de d\u00e9veloppement de l'apprentissage automatique, c'est qu'il se compose d'API Python accessibles via la biblioth\u00e8que ML de Snowpark et d'interfaces SQL pour la d\u00e9finition, la gestion et la r\u00e9cup\u00e9ration des caract\u00e9ristiques, ainsi que d'une infrastructure g\u00e9r\u00e9e pour la gestion des m\u00e9tadata caract\u00e9ristiques et le traitement continu des caract\u00e9ristiques. Il n'est donc pas n\u00e9cessaire de disposer d'une expertise sp\u00e9cialis\u00e9e en mati\u00e8re d'intelligence artificielle. En outre, le Feature Store et les fonctions de partage de mod\u00e8les permettent \u00e0 Snowflake de rattraper plus efficacement ses concurrents, en particulier Databricks, qui a manifestement pris le dessus au cours des deux derni\u00e8res ann\u00e9es gr\u00e2ce \u00e0 son int\u00e9gration avec ML Flow.<\/p>\n<\/div>
![](\"data:image\/svg+xml,%3Csvg%20xmlns%3D%27http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg%27%20width%3D%272560%27%20height%3D%271360%27%20viewBox%3D%270%200%202560%201360%27%3E%3Crect%20width%3D%272560%27%20height%3D%271360%27%20fill-opacity%3D%220%22%2F%3E%3C%2Fsvg%3E\" "\\"flocon")
<\/span><\/div>Pour conclure<\/h2><\/div>Le d\u00e9voilement par Snowflake de nouvelles fonctionnalit\u00e9s, notamment Snowflake Cortex, Copilot, Document AI et les ordinateurs portables, confirme l'engagement de l'entreprise en faveur de l'innovation. Bien que les annonces scientifiques du data s'alignent sur les tendances actuelles de la GenAI, il est imp\u00e9ratif de les aborder avec prudence. Il convient de noter que certaines fonctionnalit\u00e9s, bien qu'annonc\u00e9es depuis longtemps, ne sont toujours pas disponibles dans tous les environnements. Enfin, abordons ces innovations avec un esprit ouvert et un optimisme prudent, pr\u00eats \u00e0 embrasser les possibilit\u00e9s tout en restant ancr\u00e9s dans la r\u00e9alit\u00e9.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
<\/span><\/div>Vue d'ensemble des capacit\u00e9s GenAI et LLM dans Snowflake<\/p>\n<\/div>
Capacit\u00e9s du mod\u00e8le linguistique (LLM) (certains mod\u00e8les sont publics tandis que d'autres sont encore en phase de pr\u00e9visualisation priv\u00e9e)<\/h2><\/div>Les LLM sont un nouveau type de mod\u00e8le d'IA capable de g\u00e9n\u00e9rer du texte, de traduire des langues, de r\u00e9diger diff\u00e9rents types de contenus cr\u00e9atifs et de r\u00e9pondre \u00e0 vos questions de mani\u00e8re informative. Les nouvelles capacit\u00e9s LLM de Snowflake en font l'un des premiers cloud data platforms \u00e0 offrir aux utilisateurs l'acc\u00e8s \u00e0 cette nouvelle technologie puissante.<\/p>\n<\/div>
Cela diff\u00e9rencie Snowflake des autres cloud data platforms car cela donne aux utilisateurs de Snowflake un avantage significatif en termes de d\u00e9veloppement d'applications d'IA. Avec Snowflake Cortex, les utilisateurs peuvent d\u00e9sormais facilement cr\u00e9er des applications d'IA capables d'effectuer un large \u00e9ventail de t\u00e2ches, telles que la g\u00e9n\u00e9ration de reports, l'identification de la fraude et la pr\u00e9diction du comportement des clients.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques des capacit\u00e9s LLM de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
D\u00e9tection des sentiments :<\/strong> Analysez les commentaires des clients, les interactions avec les m\u00e9dias sociaux ou les \u00e9valuations de produits pour comprendre le sentiment g\u00e9n\u00e9ral et identifier les domaines \u00e0 am\u00e9liorer. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et la synth\u00e8se des sentiments (en avant-premi\u00e8re priv\u00e9e)).<\/p>\n<\/div><\/li>- <\/i><\/span>\n
R\u00e9sum\u00e9s de textes :<\/strong> G\u00e9n\u00e9rez des r\u00e9sum\u00e9s concis de longs documents, courriels ou reports pour saisir rapidement les informations cl\u00e9s et gagner du temps. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re).<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Traduction :<\/strong> Vous avez besoin de traduire les valeurs d'une colonne sp\u00e9cifique lors de vos transformations ? Il n'est pas n\u00e9cessaire de faire appel \u00e0 une API externe ; vous pouvez effectuer la traduction de mani\u00e8re transparente dans Snowflake.<\/p>\n<\/div><\/li><\/ul>Fonctionnalit\u00e9s de recherche avanc\u00e9es (en aper\u00e7u priv\u00e9)<\/h2><\/div>Flocon de neige nouveau fonctions de recherche avanc\u00e9e<\/strong> permettent aux utilisateurs de trouver plus facilement que jamais le data dont ils ont besoin, quel que soit l'endroit o\u00f9 il est stock\u00e9. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, dont les capacit\u00e9s de recherche sont g\u00e9n\u00e9ralement plus limit\u00e9es.<\/p>\n<\/div>Plus pr\u00e9cis\u00e9ment, les nouvelles fonctions de recherche de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Effectuez des recherches dans les bases data, les tables Iceberg, data \u00e0 l'int\u00e9rieur de Snowflake, les applications natives et la place de march\u00e9 Snowflake.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Utiliser les requ\u00eates en langage naturel<\/strong> pour rechercher data.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Filtrer les r\u00e9sultats de la recherche en fonction de divers crit\u00e8res<\/strong>, Vous pouvez \u00e9galement obtenir des informations sur les fichiers, telles que le type de data, la taille du fichier et la date de cr\u00e9ation.<\/p>\n<\/div><\/li><\/ul>Ces fonctions de recherche avanc\u00e9e peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un analyste de data peut utiliser les nouvelles fonctions de recherche pour trouver rapidement toutes les donn\u00e9es de data relatives \u00e0 un projet d'analyse sp\u00e9cifique. Ou encore, un utilisateur commercial pourrait utiliser les nouvelles fonctions de recherche pour trouver toutes les donn\u00e9es de data relatives \u00e0 un client ou \u00e0 un produit sp\u00e9cifique.<\/p>\n<\/div>
Sans oublier que l'utilisation des diff\u00e9rents filtres en flocon de neige fournis par ces fonctions de recherche (d\u00e9nomination des colonnes, balisage, sp\u00e9cification m\u00e9tadata) induit une augmentation de la coh\u00e9rence de data.<\/p>\n<\/div>
En conclusion, il convient de noter que cette fonctionnalit\u00e9 aborde un aspect essentiel des catalogues data. Compte tenu des d\u00e9fis inh\u00e9rents \u00e0 la mise en \u0153uvre d'un catalogue data, l'exploitation de cette fonctionnalit\u00e9 int\u00e9gr\u00e9e \u00e0 Snowflake devient particuli\u00e8rement convaincante.<\/p>\n<\/div>
<\/span><\/div>Commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re)<\/h2><\/div>Les nouvelles commandes SQL de Snowflake pour l'analyse et le r\u00e9sum\u00e9 des sentiments permettent aux utilisateurs d'extraire facilement des informations de leur data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, qui exigent g\u00e9n\u00e9ralement que les utilisateurs utilisent des outils distincts pour ces t\u00e2ches.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, les nouvelles commandes SQL de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Analyser le sentiment du texte data<\/strong>, Les donn\u00e9es de l'enqu\u00eate de satisfaction, telles que les commentaires des clients, les messages sur les m\u00e9dias sociaux et les r\u00e9ponses \u00e0 l'enqu\u00eate.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
R\u00e9sumer un texte data<\/strong> pour en extraire les informations les plus importantes.<\/p>\n<\/div><\/li><\/ul>Ces nouvelles commandes SQL peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un utilisateur professionnel peut utiliser les nouvelles commandes SQL pour analyser rapidement le sentiment des commentaires des clients ou pour r\u00e9sumer un rapport long et complexe.<\/p>\n<\/div>
Snowflake Copilot (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>Il s'agit d'un Assistant aliment\u00e9 par LLM pour g\u00e9n\u00e9rer et affiner le langage SQL avec le langage naturel<\/strong>. En outre, cette fonctionnalit\u00e9 de conversion de texte en code sera bient\u00f4t programm\u00e9e via une fonction g\u00e9n\u00e9rale, Text2SQL, avec Snowflake Cortex.<\/p>\n<\/div><\/span><\/div>Extraction du document Data avec Document AI (en aper\u00e7u priv\u00e9)<\/h2><\/div>L'IA documentaire de Snowflake Cortex<\/strong>, L'extraction de data \u00e0 partir de divers types de documents (pdf, word, txt, captures d'\u00e9cran) permet de gagner du temps et d'\u00e9conomiser des ressources lors du traitement manuel de data.<\/p>\n<\/div>Dans l'ensemble, les nouvelles fonctionnalit\u00e9s de Snowflake sont tr\u00e8s impressionnantes et ont le potentiel de r\u00e9volutionner la fa\u00e7on dont les gens utilisent cloud data platforms.<\/p>\n<\/div>
Snowflake se diff\u00e9rencie clairement de la concurrence en offrant des fonctionnalit\u00e9s innovantes qui facilitent le d\u00e9veloppement et le d\u00e9ploiement d'applications d'IA, la recherche de data, la gestion des fonctions de ML et le partage des mod\u00e8les ML. Snowflake permet \u00e9galement aux utilisateurs d'extraire plus facilement des informations de leurs data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages.<\/p>\n<\/div>
<\/span><\/div>Magasin de fonctionnalit\u00e9s (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>A magasin d'articles de luxe<\/strong> est un r\u00e9f\u00e9rentiel central pour la gestion et le partage des fonctionnalit\u00e9s d'apprentissage automatique. Le nouveau magasin de fonctionnalit\u00e9s de Snowflake permet aux utilisateurs de d\u00e9velopper et de d\u00e9ployer plus facilement des mod\u00e8les d'apprentissage automatique.<\/p>\n<\/div>Snowflake se diff\u00e9rencie ainsi des autres cloud data platforms car il offre aux utilisateurs un lieu unique pour g\u00e9rer toutes leurs fonctionnalit\u00e9s de ML. Cela peut aider les utilisateurs \u00e0 gagner du temps et \u00e0 am\u00e9liorer l'efficacit\u00e9 de leur processus de d\u00e9veloppement ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la boutique de fonctionnalit\u00e9s de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait utiliser le magasin de fonctionnalit\u00e9s pour g\u00e9rer et partager les fonctionnalit\u00e9s<\/strong> qu'ils utilisent pour d\u00e9velopper un mod\u00e8le d'apprentissage automatique. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un ing\u00e9nieur en apprentissage automatique pourrait utiliser la base de donn\u00e9es des fonctionnalit\u00e9s pour d\u00e9ployer un mod\u00e8le d'apprentissage automatique en production et s'assurer qu'il a acc\u00e8s aux fonctionnalit\u00e9s dont il a besoin<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un utilisateur professionnel peut utiliser le magasin de fonctionnalit\u00e9s pour d'explorer et de comprendre les fonctionnalit\u00e9s utilis\u00e9es pour alimenter leurs applications d'apprentissage automatique<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li><\/ul>Partage des mod\u00e8les<\/h2><\/div>La capacit\u00e9 de Snowflake \u00e0 partager des mod\u00e8les de ML est \u00e9galement un facteur de diff\u00e9renciation majeur. Cela facilitera la collaboration sur les projets de ML et d\u00e9mocratisera l'acc\u00e8s au ML.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, Snowflake permet aux utilisateurs de partager des mod\u00e8les de ML avec d'autres personnes, tant \u00e0 l'int\u00e9rieur qu'\u00e0 l'ext\u00e9rieur de leur organisation. Cela peut contribuer \u00e0 acc\u00e9l\u00e9rer le d\u00e9veloppement et l'adoption d'applications de ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la capacit\u00e9 de partage de mod\u00e8les de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait partager un mod\u00e8le d'apprentissage automatique avec un utilisateur professionnel<\/strong> afin qu'ils puissent l'utiliser pour explorer leur data et g\u00e9n\u00e9rer des informations.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un ing\u00e9nieur en apprentissage automatique pourrait partager un mod\u00e8le d'apprentissage automatique avec un ing\u00e9nieur DevOps<\/strong> afin qu'ils puissent le d\u00e9ployer en production.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Un fournisseur de logiciels pourrait partager un mod\u00e8le d'apprentissage automatique avec leurs clients<\/strong> afin qu'ils puissent l'utiliser pour am\u00e9liorer leurs produits et services.<\/p>\n<\/div><\/li><\/ul>Carnets de notes en flocon de neige (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>Cahiers de flocons de neige<\/strong>, Les ordinateurs portables, un environnement bas\u00e9 sur le cloud sp\u00e9cialement con\u00e7u pour le d\u00e9veloppement et l'ex\u00e9cution de code, pr\u00e9sentent des similitudes avec les ordinateurs portables disponibles depuis plusieurs ann\u00e9es sur d'autres cloud data platforms. Databricks a \u00e9t\u00e9 le pionnier dans ce domaine, et BigQuery lui a embo\u00eet\u00e9 le pas avec ses annonce<\/a> le 31 ao\u00fbt. Ces ordinateurs portables sont con\u00e7us pour optimiser les performances au sein de l'\u00e9cosyst\u00e8me Snowflake.<\/p>\n<\/div>Les ordinateurs portables Snowflake offrent un certain nombre d'avantages par rapport aux IDE traditionnels :<\/p>\n<\/div>
- <\/i><\/span>\n
Collaboration :<\/strong> Les carnets Snowflake sont faciles \u00e0 partager avec d'autres, ce qui facilite la collaboration sur les projets.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Interactivit\u00e9 :<\/strong> Les carnets de notes Snowflake sont interactifs, ce qui vous permet d'exp\u00e9rimenter votre code et de voir les r\u00e9sultats imm\u00e9diatement.<\/p>\n<\/div><\/li>- <\/i><\/span>\n
Performance :<\/strong> Les Snowflake Notebooks sont tr\u00e8s performants, ce qui vous permet d'ex\u00e9cuter rapidement des requ\u00eates et des analyses complexes.<\/p>\n<\/div><\/li><\/ul>Les ordinateurs portables Snowflake sont actuellement en version b\u00eata, mais ils devraient \u00eatre mis \u00e0 la disposition du grand public dans un avenir proche.<\/p>\n<\/div>
Ce qui diff\u00e9rencie Snowflake des autres environnements de d\u00e9veloppement de l'apprentissage automatique, c'est qu'il se compose d'API Python accessibles via la biblioth\u00e8que ML de Snowpark et d'interfaces SQL pour la d\u00e9finition, la gestion et la r\u00e9cup\u00e9ration des caract\u00e9ristiques, ainsi que d'une infrastructure g\u00e9r\u00e9e pour la gestion des m\u00e9tadata caract\u00e9ristiques et le traitement continu des caract\u00e9ristiques. Il n'est donc pas n\u00e9cessaire de disposer d'une expertise sp\u00e9cialis\u00e9e en mati\u00e8re d'intelligence artificielle. En outre, le Feature Store et les fonctions de partage de mod\u00e8les permettent \u00e0 Snowflake de rattraper plus efficacement ses concurrents, en particulier Databricks, qui a manifestement pris le dessus au cours des deux derni\u00e8res ann\u00e9es gr\u00e2ce \u00e0 son int\u00e9gration avec ML Flow.<\/p>\n<\/div>
<\/span><\/div>Pour conclure<\/h2><\/div>Le d\u00e9voilement par Snowflake de nouvelles fonctionnalit\u00e9s, notamment Snowflake Cortex, Copilot, Document AI et les ordinateurs portables, confirme l'engagement de l'entreprise en faveur de l'innovation. Bien que les annonces scientifiques du data s'alignent sur les tendances actuelles de la GenAI, il est imp\u00e9ratif de les aborder avec prudence. Il convient de noter que certaines fonctionnalit\u00e9s, bien qu'annonc\u00e9es depuis longtemps, ne sont toujours pas disponibles dans tous les environnements. Enfin, abordons ces innovations avec un esprit ouvert et un optimisme prudent, pr\u00eats \u00e0 embrasser les possibilit\u00e9s tout en restant ancr\u00e9s dans la r\u00e9alit\u00e9.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
Les LLM sont un nouveau type de mod\u00e8le d'IA capable de g\u00e9n\u00e9rer du texte, de traduire des langues, de r\u00e9diger diff\u00e9rents types de contenus cr\u00e9atifs et de r\u00e9pondre \u00e0 vos questions de mani\u00e8re informative. Les nouvelles capacit\u00e9s LLM de Snowflake en font l'un des premiers cloud data platforms \u00e0 offrir aux utilisateurs l'acc\u00e8s \u00e0 cette nouvelle technologie puissante.<\/p>\n<\/div>
Cela diff\u00e9rencie Snowflake des autres cloud data platforms car cela donne aux utilisateurs de Snowflake un avantage significatif en termes de d\u00e9veloppement d'applications d'IA. Avec Snowflake Cortex, les utilisateurs peuvent d\u00e9sormais facilement cr\u00e9er des applications d'IA capables d'effectuer un large \u00e9ventail de t\u00e2ches, telles que la g\u00e9n\u00e9ration de reports, l'identification de la fraude et la pr\u00e9diction du comportement des clients.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques des capacit\u00e9s LLM de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
D\u00e9tection des sentiments :<\/strong> Analysez les commentaires des clients, les interactions avec les m\u00e9dias sociaux ou les \u00e9valuations de produits pour comprendre le sentiment g\u00e9n\u00e9ral et identifier les domaines \u00e0 am\u00e9liorer. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et la synth\u00e8se des sentiments (en avant-premi\u00e8re priv\u00e9e)).<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nR\u00e9sum\u00e9s de textes :<\/strong> G\u00e9n\u00e9rez des r\u00e9sum\u00e9s concis de longs documents, courriels ou reports pour saisir rapidement les informations cl\u00e9s et gagner du temps. (Vous trouverez de plus amples informations dans les commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re).<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nTraduction :<\/strong> Vous avez besoin de traduire les valeurs d'une colonne sp\u00e9cifique lors de vos transformations ? Il n'est pas n\u00e9cessaire de faire appel \u00e0 une API externe ; vous pouvez effectuer la traduction de mani\u00e8re transparente dans Snowflake.<\/p>\n<\/div><\/li><\/ul>
Fonctionnalit\u00e9s de recherche avanc\u00e9es (en aper\u00e7u priv\u00e9)<\/h2><\/div>
Flocon de neige nouveau fonctions de recherche avanc\u00e9e<\/strong> permettent aux utilisateurs de trouver plus facilement que jamais le data dont ils ont besoin, quel que soit l'endroit o\u00f9 il est stock\u00e9. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, dont les capacit\u00e9s de recherche sont g\u00e9n\u00e9ralement plus limit\u00e9es.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, les nouvelles fonctions de recherche de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Effectuez des recherches dans les bases data, les tables Iceberg, data \u00e0 l'int\u00e9rieur de Snowflake, les applications natives et la place de march\u00e9 Snowflake.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nUtiliser les requ\u00eates en langage naturel<\/strong> pour rechercher data.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nFiltrer les r\u00e9sultats de la recherche en fonction de divers crit\u00e8res<\/strong>, Vous pouvez \u00e9galement obtenir des informations sur les fichiers, telles que le type de data, la taille du fichier et la date de cr\u00e9ation.<\/p>\n<\/div><\/li><\/ul>
Ces fonctions de recherche avanc\u00e9e peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un analyste de data peut utiliser les nouvelles fonctions de recherche pour trouver rapidement toutes les donn\u00e9es de data relatives \u00e0 un projet d'analyse sp\u00e9cifique. Ou encore, un utilisateur commercial pourrait utiliser les nouvelles fonctions de recherche pour trouver toutes les donn\u00e9es de data relatives \u00e0 un client ou \u00e0 un produit sp\u00e9cifique.<\/p>\n<\/div>
Sans oublier que l'utilisation des diff\u00e9rents filtres en flocon de neige fournis par ces fonctions de recherche (d\u00e9nomination des colonnes, balisage, sp\u00e9cification m\u00e9tadata) induit une augmentation de la coh\u00e9rence de data.<\/p>\n<\/div>
En conclusion, il convient de noter que cette fonctionnalit\u00e9 aborde un aspect essentiel des catalogues data. Compte tenu des d\u00e9fis inh\u00e9rents \u00e0 la mise en \u0153uvre d'un catalogue data, l'exploitation de cette fonctionnalit\u00e9 int\u00e9gr\u00e9e \u00e0 Snowflake devient particuli\u00e8rement convaincante.<\/p>\n<\/div>
Commandes SQL pour l'analyse et le r\u00e9sum\u00e9 des sentiments (en avant-premi\u00e8re)<\/h2><\/div>
Les nouvelles commandes SQL de Snowflake pour l'analyse et le r\u00e9sum\u00e9 des sentiments permettent aux utilisateurs d'extraire facilement des informations de leur data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages. Il s'agit d'un avantage majeur par rapport aux autres cloud data platforms, qui exigent g\u00e9n\u00e9ralement que les utilisateurs utilisent des outils distincts pour ces t\u00e2ches.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, les nouvelles commandes SQL de Snowflake permettent aux utilisateurs de.. :<\/p>\n<\/div>
- <\/i><\/span>\n
Analyser le sentiment du texte data<\/strong>, Les donn\u00e9es de l'enqu\u00eate de satisfaction, telles que les commentaires des clients, les messages sur les m\u00e9dias sociaux et les r\u00e9ponses \u00e0 l'enqu\u00eate.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nR\u00e9sumer un texte data<\/strong> pour en extraire les informations les plus importantes.<\/p>\n<\/div><\/li><\/ul>
Ces nouvelles commandes SQL peuvent aider les utilisateurs \u00e0 gagner du temps et \u00e0 \u00eatre plus productifs lorsqu'ils travaillent avec data. Par exemple, un utilisateur professionnel peut utiliser les nouvelles commandes SQL pour analyser rapidement le sentiment des commentaires des clients ou pour r\u00e9sumer un rapport long et complexe.<\/p>\n<\/div>
Snowflake Copilot (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>
Il s'agit d'un Assistant aliment\u00e9 par LLM pour g\u00e9n\u00e9rer et affiner le langage SQL avec le langage naturel<\/strong>. En outre, cette fonctionnalit\u00e9 de conversion de texte en code sera bient\u00f4t programm\u00e9e via une fonction g\u00e9n\u00e9rale, Text2SQL, avec Snowflake Cortex.<\/p>\n<\/div>
Extraction du document Data avec Document AI (en aper\u00e7u priv\u00e9)<\/h2><\/div>
L'IA documentaire de Snowflake Cortex<\/strong>, L'extraction de data \u00e0 partir de divers types de documents (pdf, word, txt, captures d'\u00e9cran) permet de gagner du temps et d'\u00e9conomiser des ressources lors du traitement manuel de data.<\/p>\n<\/div>
Dans l'ensemble, les nouvelles fonctionnalit\u00e9s de Snowflake sont tr\u00e8s impressionnantes et ont le potentiel de r\u00e9volutionner la fa\u00e7on dont les gens utilisent cloud data platforms.<\/p>\n<\/div>
Snowflake se diff\u00e9rencie clairement de la concurrence en offrant des fonctionnalit\u00e9s innovantes qui facilitent le d\u00e9veloppement et le d\u00e9ploiement d'applications d'IA, la recherche de data, la gestion des fonctions de ML et le partage des mod\u00e8les ML. Snowflake permet \u00e9galement aux utilisateurs d'extraire plus facilement des informations de leurs data sans avoir \u00e0 apprendre de nouveaux outils ou de nouveaux langages.<\/p>\n<\/div>
Magasin de fonctionnalit\u00e9s (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>
A magasin d'articles de luxe<\/strong> est un r\u00e9f\u00e9rentiel central pour la gestion et le partage des fonctionnalit\u00e9s d'apprentissage automatique. Le nouveau magasin de fonctionnalit\u00e9s de Snowflake permet aux utilisateurs de d\u00e9velopper et de d\u00e9ployer plus facilement des mod\u00e8les d'apprentissage automatique.<\/p>\n<\/div>
Snowflake se diff\u00e9rencie ainsi des autres cloud data platforms car il offre aux utilisateurs un lieu unique pour g\u00e9rer toutes leurs fonctionnalit\u00e9s de ML. Cela peut aider les utilisateurs \u00e0 gagner du temps et \u00e0 am\u00e9liorer l'efficacit\u00e9 de leur processus de d\u00e9veloppement ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la boutique de fonctionnalit\u00e9s de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait utiliser le magasin de fonctionnalit\u00e9s pour g\u00e9rer et partager les fonctionnalit\u00e9s<\/strong> qu'ils utilisent pour d\u00e9velopper un mod\u00e8le d'apprentissage automatique. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nUn ing\u00e9nieur en apprentissage automatique pourrait utiliser la base de donn\u00e9es des fonctionnalit\u00e9s pour d\u00e9ployer un mod\u00e8le d'apprentissage automatique en production et s'assurer qu'il a acc\u00e8s aux fonctionnalit\u00e9s dont il a besoin<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nUn utilisateur professionnel peut utiliser le magasin de fonctionnalit\u00e9s pour d'explorer et de comprendre les fonctionnalit\u00e9s utilis\u00e9es pour alimenter leurs applications d'apprentissage automatique<\/strong>. Pour plus d'informations sur ce sujet, vous pouvez consulter le site suivant ici<\/a>.<\/p>\n<\/div><\/li><\/ul>
Partage des mod\u00e8les<\/h2><\/div>
La capacit\u00e9 de Snowflake \u00e0 partager des mod\u00e8les de ML est \u00e9galement un facteur de diff\u00e9renciation majeur. Cela facilitera la collaboration sur les projets de ML et d\u00e9mocratisera l'acc\u00e8s au ML.<\/p>\n<\/div>
Plus pr\u00e9cis\u00e9ment, Snowflake permet aux utilisateurs de partager des mod\u00e8les de ML avec d'autres personnes, tant \u00e0 l'int\u00e9rieur qu'\u00e0 l'ext\u00e9rieur de leur organisation. Cela peut contribuer \u00e0 acc\u00e9l\u00e9rer le d\u00e9veloppement et l'adoption d'applications de ML.<\/p>\n<\/div>
Voici quelques cas d'utilisation sp\u00e9cifiques de la capacit\u00e9 de partage de mod\u00e8les de Snowflake :<\/p>\n<\/div>
- <\/i><\/span>\n
Un scientifique data pourrait partager un mod\u00e8le d'apprentissage automatique avec un utilisateur professionnel<\/strong> afin qu'ils puissent l'utiliser pour explorer leur data et g\u00e9n\u00e9rer des informations.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nUn ing\u00e9nieur en apprentissage automatique pourrait partager un mod\u00e8le d'apprentissage automatique avec un ing\u00e9nieur DevOps<\/strong> afin qu'ils puissent le d\u00e9ployer en production.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nUn fournisseur de logiciels pourrait partager un mod\u00e8le d'apprentissage automatique avec leurs clients<\/strong> afin qu'ils puissent l'utiliser pour am\u00e9liorer leurs produits et services.<\/p>\n<\/div><\/li><\/ul>
Carnets de notes en flocon de neige (en avant-premi\u00e8re priv\u00e9e)<\/h2><\/div>
Cahiers de flocons de neige<\/strong>, Les ordinateurs portables, un environnement bas\u00e9 sur le cloud sp\u00e9cialement con\u00e7u pour le d\u00e9veloppement et l'ex\u00e9cution de code, pr\u00e9sentent des similitudes avec les ordinateurs portables disponibles depuis plusieurs ann\u00e9es sur d'autres cloud data platforms. Databricks a \u00e9t\u00e9 le pionnier dans ce domaine, et BigQuery lui a embo\u00eet\u00e9 le pas avec ses annonce<\/a> le 31 ao\u00fbt. Ces ordinateurs portables sont con\u00e7us pour optimiser les performances au sein de l'\u00e9cosyst\u00e8me Snowflake.<\/p>\n<\/div>
Les ordinateurs portables Snowflake offrent un certain nombre d'avantages par rapport aux IDE traditionnels :<\/p>\n<\/div>
- <\/i><\/span>\n
Collaboration :<\/strong> Les carnets Snowflake sont faciles \u00e0 partager avec d'autres, ce qui facilite la collaboration sur les projets.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nInteractivit\u00e9 :<\/strong> Les carnets de notes Snowflake sont interactifs, ce qui vous permet d'exp\u00e9rimenter votre code et de voir les r\u00e9sultats imm\u00e9diatement.<\/p>\n<\/div><\/li>
- <\/i><\/span>
\nPerformance :<\/strong> Les Snowflake Notebooks sont tr\u00e8s performants, ce qui vous permet d'ex\u00e9cuter rapidement des requ\u00eates et des analyses complexes.<\/p>\n<\/div><\/li><\/ul>
Les ordinateurs portables Snowflake sont actuellement en version b\u00eata, mais ils devraient \u00eatre mis \u00e0 la disposition du grand public dans un avenir proche.<\/p>\n<\/div>
Ce qui diff\u00e9rencie Snowflake des autres environnements de d\u00e9veloppement de l'apprentissage automatique, c'est qu'il se compose d'API Python accessibles via la biblioth\u00e8que ML de Snowpark et d'interfaces SQL pour la d\u00e9finition, la gestion et la r\u00e9cup\u00e9ration des caract\u00e9ristiques, ainsi que d'une infrastructure g\u00e9r\u00e9e pour la gestion des m\u00e9tadata caract\u00e9ristiques et le traitement continu des caract\u00e9ristiques. Il n'est donc pas n\u00e9cessaire de disposer d'une expertise sp\u00e9cialis\u00e9e en mati\u00e8re d'intelligence artificielle. En outre, le Feature Store et les fonctions de partage de mod\u00e8les permettent \u00e0 Snowflake de rattraper plus efficacement ses concurrents, en particulier Databricks, qui a manifestement pris le dessus au cours des deux derni\u00e8res ann\u00e9es gr\u00e2ce \u00e0 son int\u00e9gration avec ML Flow.<\/p>\n<\/div>
Pour conclure<\/h2><\/div>
Le d\u00e9voilement par Snowflake de nouvelles fonctionnalit\u00e9s, notamment Snowflake Cortex, Copilot, Document AI et les ordinateurs portables, confirme l'engagement de l'entreprise en faveur de l'innovation. Bien que les annonces scientifiques du data s'alignent sur les tendances actuelles de la GenAI, il est imp\u00e9ratif de les aborder avec prudence. Il convient de noter que certaines fonctionnalit\u00e9s, bien qu'annonc\u00e9es depuis longtemps, ne sont toujours pas disponibles dans tous les environnements. Enfin, abordons ces innovations avec un esprit ouvert et un optimisme prudent, pr\u00eats \u00e0 embrasser les possibilit\u00e9s tout en restant ancr\u00e9s dans la r\u00e9alit\u00e9.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
- <\/i><\/span>
- <\/i><\/span>
- <\/i><\/span>
- <\/i><\/span>
- <\/i><\/span>
- <\/i><\/span>
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/snowflake-medium-gif-1.gif\" "\\"flocon")
<\/span><\/div>![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/snowflake-medium-gif-2.gif\" "\\"flocon")
<\/span><\/div>![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/snowflake-medium-gif-3.gif\" "\\"flocon")
<\/span><\/div>![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/12\/snowflake-medium-gif-4.gif\" "\\"flocon")
<\/span><\/div>![](\"https:\/\/artefact.com\/\/wp-content\/uploads\/2021\/03\/medium.png\" "\\"moyen\\"")
<\/span><\/div>