Auteur
Nu we terugblikken op de inzichten die tijdens het ‘Snowday’-evenement op 1 en 2 november zijn gedeeld, staat ons een stortvloed aan spannende onthullingen over de toekomst van Snowflake te wachten.
Dit artikel gaat dieper in op de opvallende ontwikkelingen data die tijdens het evenement werden onthuld, en belicht de innovaties en vooruitgang die centraal stonden.
Ga met ons mee op deze reis en ontdek de hoogtepunten van Snowdays, met speciale aandacht voor de nieuwste ontwikkelingen op het gebied van data , zoals:
Hoogtepunten van Snowflake Cortex
Een overzicht van de mogelijkheden van GenAI en LLM in Snowflake
Mogelijkheden van taalmodellen (LLM) (sommige modellen zijn openbaar, terwijl andere nog in de besloten previewfase zitten)
LLM’s zijn een nieuw type AI dat tekst kan genereren, talen kan vertalen, verschillende soorten creatieve content kan schrijven en je vragen op een informatieve manier kan beantwoorden. Dankzij de nieuwe LLM-mogelijkheden van Snowflake is het een van de eerstedata die gebruikers toegang biedt tot deze krachtige nieuwe technologie.
Dit onderscheidt Snowflake van anderedata , omdat het Snowflake-gebruikers een aanzienlijk voordeel biedt bij het ontwikkelen van AI . Met Snowflake Cortex kunnen gebruikers nu eenvoudig AI bouwen die een breed scala aan taken kunnen uitvoeren, zoals het genereren reports, het opsporen van fraude en het voorspellen van klantgedrag.
Hier volgen enkele concrete toepassingen van de LLM-mogelijkheden van Snowflake:
Geavanceerde zoekfuncties (in besloten preview)
Dankzij de nieuwe geavanceerde zoekfuncties van Snowflake kunnen gebruikers gemakkelijker dan ooit de data vinden data nodig hebben, ongeacht waar deze zijn opgeslagen. Dit is een groot voordeel ten opzichte van anderedata , die doorgaans over beperktere zoekmogelijkheden beschikken.
Met de nieuwe zoekfuncties van Snowflake kunnen gebruikers met name:
Deze geavanceerde zoekfuncties kunnen gebruikers helpen tijd te besparen en productiever te werken met data. Een data kan de nieuwe zoekfuncties bijvoorbeeld gebruiken om snel alle data te vinden data relevant zijn voor een specifiek analyseproject. Of een zakelijke gebruiker kan de nieuwe zoekfuncties gebruiken om alle data te vinden data betrekking hebben op een specifieke klant of een specifiek product.
Om nog maar te zwijgen van het feit dat het gebruik van de verschillende filters die deze zoekfuncties bieden (kolomnaamgeving, tagging, metagegevensspecificatie) leidt tot een grotere data van data .
Tot slot is het de moeite waard om op te merken dat dit een belangrijk aspect van data aanpakt. Gezien de uitdagingen die inherent zijn aan het implementeren van een data , is het bijzonder aantrekkelijk om gebruik te maken van deze in Snowflake geïntegreerde functie.
SQL-opdrachten voor sentimentanalyse en samenvatting (in besloten preview)
Dankzij de nieuwe SQL-opdrachten van Snowflake voor sentimentanalyse en samenvatting kunnen gebruikers eenvoudig inzichten uit hun data halen data ze daarvoor nieuwe tools of talen hoeven te leren. Dit is een groot voordeel ten opzichte van anderedata , waarvoor gebruikers doorgaans aparte tools moeten gebruiken voor deze taken.
Met de nieuwe SQL-opdrachten van Snowflake kunnen gebruikers met name:
Deze nieuwe SQL-opdrachten kunnen gebruikers helpen tijd te besparen en productiever te werken met data. Een zakelijke gebruiker zou de nieuwe SQL-opdrachten bijvoorbeeld kunnen gebruiken om snel de toon van klantrecensies te analyseren of om een lang en complex rapport samen te vatten.
Snowflake Copilot (in besloten preview)
Het is een door LLM aangestuurde assistent waarmee je met natuurlijke taal SQL kunt genereren en verfijnen. Bovendien zal deze tekst-naar-code-functionaliteit binnenkort programmatisch beschikbaar komen via een algemene functie, Text2SQL, in Snowflake Cortex.
Data uit documenten met Document AI in besloten preview)
AI Document AI van Snowflake Cortex, aangedreven door LLM, maakt het mogelijk om efficiënt data verschillende soorten documenten (pdf, Word, txt, schermafbeeldingen) te halen, waardoor tijd en middelen worden bespaard bij data handmatige data .
Over het geheel genomen zijn de nieuwe functies van Snowflake zeer indrukwekkend en kunnen ze een revolutie teweegbrengen in de manier waarop mensendata gebruiken.
Snowflake onderscheidt zich duidelijk van de concurrentie door innovatieve functies aan te bieden waarmee gebruikers gemakkelijker AI kunnen ontwikkelen en implementeren, data kunnen vinden, ML-functies kunnen beheren en ML-modellen kunnen delen. Snowflake maakt het gebruikers ook gemakkelijker om inzichten uit hun data te halen data ze daarvoor nieuwe tools of talen hoeven te leren.
Feature Store (in besloten preview)
Een feature store is een centrale opslagplaats voor het beheren en delen van machine learning-features. Dankzij de nieuwe feature store van Snowflake kunnen gebruikers gemakkelijker ML-modellen ontwikkelen en implementeren.
Dit onderscheidt Snowflake van anderedata , omdat het gebruikers één centrale plek biedt om al hun ML-functies te beheren. Hierdoor kunnen gebruikers tijd besparen en de efficiëntie van hun ML-ontwikkelingsproces verbeteren.
Hier volgen enkele concrete toepassingen van de Feature Store van Snowflake:
Modellen delen
Het vermogen van Snowflake om ML-modellen te delen is ook een belangrijke onderscheidende factor. Dit maakt het gemakkelijker voor mensen om samen te werken aan ML-projecten en zorgt ervoor dat ML voor iedereen toegankelijk wordt.
Met Snowflake kunnen gebruikers ML-modellen delen met anderen, zowel binnen als buiten hun organisatie. Dit kan de ontwikkeling en implementatie van ML-toepassingen helpen versnellen.
Hier volgen enkele concrete voorbeelden van hoe de functie voor het delen van modellen in Snowflake kan worden gebruikt:
Snowflake-notitieboeken (in besloten preview)
Snowflake Notebooks, een cloud speciaal is ontworpen voor het ontwikkelen en uitvoeren van code, vertoont overeenkomsten met notebooks die al enkele jaren beschikbaar zijn op anderedata . Databricks was de pionier op dit gebied, en BigQuery volgde dit voorbeeld met zijn aankondiging op 31 augustus. Deze Notebooks zijn zorgvuldig ontworpen om de prestaties binnen het Snowflake-ecosysteem te optimaliseren.
Snowflake Notebooks bieden een aantal voordelen ten opzichte van traditionele IDE’s, zoals:
Snowflake Notebooks bevindt zich momenteel in de bètafase, maar zal naar verwachting binnenkort voor het grote publiek beschikbaar komen.
Wat Snowflake als ontwikkelomgeving voor machine learning onderscheidt van andere oplossingen, is dat het bestaat uit Python-API’s die toegankelijk zijn via de Snowpark ML-bibliotheek, en SQL-interfaces voor het definiëren, beheren en ophalen van features, in combinatie met een beheerde infrastructuur voor het beheer van feature-metadata en continue feature-verwerking. Hierdoor is er geen gespecialiseerde AI nodig. Bovendien stellen de Feature Store en de functies voor het delen van modellen Snowflake in staat om effectiever de achterstand op concurrenten in te lopen, met name op Databricks, dat de afgelopen jaren duidelijk de overhand had dankzij de integratie met ML Flow.
Conclusie
De onthulling door Snowflake van nieuwe functies, waaronder Snowflake Cortex, Copilot, Document AI notebooks, bevestigt het streven organisatienaar innovatie. Hoewel de aankondigingen data aansluiten bij de huidige GenAI-trends, is het van groot belang om hier voorzichtig mee om te gaan. Het is opmerkelijk dat bepaalde functies, hoewel ze al lang geleden zijn aangekondigd, nog steeds niet in alle omgevingen algemeen beschikbaar zijn. Laten we deze innovaties ten slotte met een open blik en voorzichtig optimisme benaderen, klaar om de mogelijkheden te omarmen terwijl we met beide benen op de grond blijven staan.
