Autore
Mentre riflettiamo sulle intuizioni condivise durante l'evento "Snowday" dell'1 e 2 novembre, ci aspetta una cascata di emozionanti rivelazioni sul futuro di Snowflake.
Questo articolo approfondisce le caratteristiche di rilievo della scienza dei dati presentate durante l'evento, facendo luce sull'innovazione e sui progressi che hanno avuto un ruolo di primo piano.
Unitevi a noi in questo viaggio per scoprire i punti salienti degli Snowdays, con un focus specifico sulle ultime funzionalità di data science, come ad esempio:
Cortex a fiocco di neve Punti salienti
Una panoramica delle funzionalità GenAI e LLM in Snowflake
Capacità del modello linguistico (LLM) (alcuni modelli sono pubblici mentre altri sono ancora in anteprima privata)
Gli LLM sono un nuovo tipo di modello AI in grado di generare testi, tradurre lingue, scrivere diversi tipi di contenuti creativi e rispondere alle vostre domande in modo informativo. Le nuove funzionalità LLM di Snowflake ne fanno una delle prime piattaforme di dati cloud a offrire agli utenti l'accesso a questa nuova e potente tecnologia.
Questo differenzia Snowflake da altre piattaforme di dati cloud , perché offre agli utenti Snowflake un vantaggio significativo in termini di sviluppo di applicazioni AI. Con Snowflake Cortex, gli utenti possono ora costruire facilmente applicazioni di IA in grado di eseguire un'ampia gamma di compiti, come la generazione di report, l'identificazione di frodi e la previsione del comportamento dei clienti.
Ecco alcuni casi d'uso specifici delle funzionalità LLM di Snowflake:
Funzioni di ricerca avanzate (in anteprima privata)
Le nuove funzioni di ricerca avanzata di Snowflake rendono più facile che mai per gli utenti trovare i dati di cui hanno bisogno, indipendentemente da dove sono archiviati. Questo è un grande vantaggio rispetto ad altre piattaforme di dati cloud , che di solito hanno capacità di ricerca più limitate.
In particolare, le nuove funzioni di ricerca di Snowflake consentono agli utenti di:
Queste funzioni di ricerca avanzate possono aiutare gli utenti a risparmiare tempo e a essere più produttivi quando lavorano con i dati. Ad esempio, un analista di dati può utilizzare le nuove funzioni di ricerca per trovare rapidamente tutti i dati rilevanti per uno specifico progetto di analisi. Oppure, un utente commerciale potrebbe usare le nuove funzioni di ricerca per trovare tutti i dati relativi a un cliente o a un prodotto specifico.
Senza contare che l'uso dei diversi filtri a fiocco di neve forniti da queste funzioni di ricerca (denominazione delle colonne, tagging, specificazione dei metadati) induce un aumento della coerenza dei dati.
In conclusione, vale la pena di notare che questo affronta un aspetto chiave dei cataloghi di dati. Date le sfide inerenti all'implementazione di un catalogo di dati, sfruttare questa funzione integrata di Snowflake diventa particolarmente interessante.
Comandi SQL per l'analisi del sentiment e la sintesi (in anteprima privata)
I nuovi comandi SQL di Snowflake per l'analisi del sentiment e la riepilogazione rendono più facile per gli utenti estrarre intuizioni dai loro dati senza dover imparare nuovi strumenti o linguaggi. Questo è un grande vantaggio rispetto ad altre piattaforme di dati cloud , che in genere richiedono agli utenti di utilizzare strumenti separati per queste attività.
In particolare, i nuovi comandi SQL di Snowflake consentono agli utenti di:
Questi nuovi comandi SQL possono aiutare gli utenti a risparmiare tempo e a essere più produttivi quando lavorano con i dati. Ad esempio, un utente business può utilizzare i nuovi comandi SQL per analizzare rapidamente il sentiment delle recensioni dei clienti o per riassumere un report lungo e complesso.
Snowflake Copilot (in anteprima privata)
Si tratta di un assistente alimentato da LLM per generare e perfezionare SQL con il linguaggio naturale. Inoltre, questa funzionalità text-to-code sarà presto disponibile in modo programmatico tramite una funzione generica, Text2SQL, con Snowflake Cortex.
Estrazione dei dati dei documenti con Document AI (in anteprima privata)
La Document AI di Snowflake Cortex, alimentata da LLM, consente di estrarre in modo efficiente i dati da vari tipi di documenti (pdf, word, txt, screenshot), risparmiando tempo e risorse nell'elaborazione manuale dei dati.
Nel complesso, le nuove funzionalità di Snowflake sono davvero notevoli e hanno il potenziale per rivoluzionare il modo in cui le persone utilizzano le piattaforme di dati cloud .
Snowflake si sta chiaramente differenziando dalla concorrenza offrendo funzionalità innovative che facilitano agli utenti lo sviluppo e l'implementazione di applicazioni di intelligenza artificiale, il reperimento dei dati, la gestione delle funzioni di ML e la condivisione dei modelli di ML. Snowflake rende anche più facile per gli utenti estrarre insight dai loro dati senza dover imparare nuovi strumenti o linguaggi.
Negozio di funzionalità (in anteprima privata)
Un feature store è un repository centrale per la gestione e la condivisione di funzionalità di apprendimento automatico. Il nuovo feature store di Snowflake rende più facile per gli utenti sviluppare e distribuire modelli di ML.
Questo differenzia Snowflake da altre piattaforme di dati cloud , perché fornisce agli utenti un unico luogo per gestire tutte le loro funzioni di ML. Questo può aiutare gli utenti a risparmiare tempo e a migliorare l'efficienza del loro processo di sviluppo del ML.
Ecco alcuni casi d'uso specifici del feature store di Snowflake:
Condivisione del modello
La capacità di Snowflake di condividere i modelli di ML è un altro importante elemento di differenziazione. In questo modo sarà più facile per le persone collaborare a progetti di ML e democratizzare l'accesso al ML.
In particolare, Snowflake consente agli utenti di condividere i modelli di ML con altri, sia all'interno che all'esterno della propria organizzazione. Ciò può contribuire ad accelerare lo sviluppo e l'adozione di applicazioni di ML.
Ecco alcuni casi d'uso specifici della funzionalità di condivisione dei modelli di Snowflake:
Quaderni a fiocco di neve (in anteprima privata)
Gli Snowflake Notebooks, un ambiente cloud specificamente progettato per lo sviluppo e l'esecuzione del codice, presentano analogie con i notebook disponibili da diversi anni su altre piattaforme di dati cloud . Databricks è stato il pioniere in questo campo e BigQuery ha seguito il suo esempio con l'annuncio del 31 agosto. Questi notebook sono stati progettati per ottimizzare le prestazioni all'interno dell'ecosistema Snowflake.
Gli Snowflake Notebook offrono una serie di vantaggi rispetto agli IDE tradizionali, come:
I Notebook Snowflake sono attualmente in fase beta, ma si prevede che vengano rilasciati al pubblico nel prossimo futuro.
Ciò che differenzia Snowflake come ambiente di sviluppo per l'apprendimento automatico da altri è il fatto che consiste in API Python accessibili attraverso la libreria Snowpark ML e interfacce SQL per la definizione, la gestione e il recupero delle caratteristiche, insieme a un'infrastruttura gestita per la gestione dei metadati delle caratteristiche e l'elaborazione continua delle caratteristiche. Ciò elimina la necessità di competenze specialistiche in materia di intelligenza artificiale. Inoltre, il Feature Store e le funzionalità di condivisione dei modelli consentono a Snowflake di recuperare il ritardo rispetto ai concorrenti, in particolare Databricks, che negli ultimi anni ha avuto la meglio grazie all'integrazione con ML Flow.
Conclusione
La presentazione da parte di Snowflake di nuove funzionalità, tra cui Snowflake Cortex, Copilot, Document AI e notebook, afferma l'impegno dell'azienda verso l'innovazione. Sebbene gli annunci relativi alla scienza dei dati siano in linea con le attuali tendenze della GenAI, è necessario affrontarli con cautela. È da notare che alcune funzionalità, sebbene annunciate da tempo, sono ancora in attesa della disponibilità universale in tutti gli ambienti. Infine, affrontiamo queste innovazioni con mente aperta e cauto ottimismo, pronti ad abbracciare le possibilità pur rimanendo ancorati alla realtà.
