Ao refletirmos sobre as percepções compartilhadas durante o evento "Snowday", realizado nos dias 1º e 2 de novembro, uma cascata de revelações empolgantes sobre o futuro do Snowflake nos aguarda.

Este artigo se aprofunda nos notáveis recursos científicos do data revelados durante o evento, lançando luz sobre a inovação e os avanços que ocuparam o centro do palco.

Junte-se a nós nessa jornada enquanto desvendamos os destaques do Snowdays, com um foco específico nas últimas novidades científicas do data , como:

Destaques do Snowflake Cortex

class="img-responsive

Uma visão geral dos recursos de GenAI e LLM no Snowflake

Recursos do Modelo de Linguagem (LLM) (alguns modelos são públicos, enquanto outros ainda estão em visualização privada)

Os LLMs são um novo tipo de modelo AI que pode gerar texto, traduzir idiomas, escrever diferentes tipos de conteúdo criativo e responder às suas perguntas de forma informativa. Os novos recursos de LLM da Snowflake fazem dela uma das primeiras plataformas de nuvem data a oferecer aos usuários acesso a essa nova e poderosa tecnologia.

Isso diferencia a Snowflake de outras plataformas de data nuvem, pois oferece aos usuários da Snowflake uma vantagem significativa em termos de desenvolvimento de aplicativos AI . Com o Snowflake Cortex, os usuários agora podem criar facilmente aplicativos AI que podem executar uma ampla gama de tarefas, como gerar reports, identificar fraudes e prever o comportamento do cliente.

Aqui estão alguns casos de uso específicos dos recursos de LLM da Snowflake:

  • Detecção de sentimentos: Analise feedbacks de clientes, interações em mídias sociais ou avaliações de produtos para entender o sentimento geral e identificar áreas de melhoria. (Mais detalhes são fornecidos nos comandos SQL para análise e resumo de sentimentos (em visualização privada).

  • Sumarização de texto: Gere resumos concisos de documentos extensos, e-mails ou reports para captar rapidamente as principais informações e economizar tempo. (Mais detalhes são fornecidos em comandos SQL para análise de sentimento e resumo (em visualização privada).

  • Tradução: Precisa de tradução para os valores em uma coluna específica durante suas transformações? Não há necessidade de entrar em contato com uma API externa; você pode realizar a tradução sem problemas dentro do Snowflake.

Recursos de pesquisa avançada (em visualização privada)

Os novos recursos de pesquisa avançada da Snowflake tornam mais fácil do que nunca para os usuários encontrarem o data de que precisam, independentemente de onde ele esteja armazenado. Essa é uma grande vantagem em relação a outras plataformas de nuvem data , que normalmente têm recursos de pesquisa mais limitados.

Especificamente, os novos recursos de pesquisa do Snowflake permitem que os usuários:

  • Pesquise em bancos de dados, tabelas Iceberg, data dentro do Snowflake, aplicativos nativos e no Snowflake Marketplace.

  • Use consultas em linguagem natural para pesquisar data.

  • Filtre os resultados da pesquisa por uma variedade de critérios, como tipo de data , tamanho do arquivo e data de criação.

Esses recursos avançados de pesquisa podem ajudar os usuários a economizar tempo e ser mais produtivos ao trabalhar com o data. Por exemplo, um analista da data pode usar os novos recursos de pesquisa para encontrar rapidamente todos os dados da data que sejam relevantes para um projeto de análise específico. Ou um usuário comercial pode usar os novos recursos de pesquisa para encontrar todos os data dados relacionados a um cliente ou produto específico.

Sem mencionar que o uso dos diferentes filtros snowflake fornecidos por esses recursos de pesquisa (nomeação de colunas, marcação, especificação de metadados) induz a um aumento na consistência do site data .

Para concluir, vale a pena observar que isso aborda um aspecto fundamental dos catálogos data . Considerando os desafios inerentes à implementação de um catálogo data , o aproveitamento desse recurso integrado do Snowflake torna-se particularmente atraente.

class="img-responsive

Comandos SQL para análise e resumo de sentimentos (em visualização privada)

Os novos comandos SQL do Snowflake para análise e resumo de sentimentos facilitam para os usuários a extração de insights do site data sem a necessidade de aprender novas ferramentas ou linguagens. Essa é uma grande vantagem em relação a outras plataformas de nuvem data , que normalmente exigem que os usuários usem ferramentas separadas para essas tarefas.

Especificamente, os novos comandos SQL do Snowflake permitem que os usuários:

  • Analise o sentimento do texto data, como avaliações de clientes, publicações em mídias sociais e respostas a pesquisas.

  • Resumir o texto data para extrair as informações mais importantes.

Esses novos comandos SQL podem ajudar os usuários a economizar tempo e ser mais produtivos ao trabalhar com o data. Por exemplo, um usuário corporativo pode usar os novos comandos SQL para analisar rapidamente o sentimento das avaliações dos clientes ou para resumir um relatório longo e complexo.

Snowflake Copilot (em visualização privada)

Trata-se de um assistente acionado por LLM para gerar e refinar SQL com linguagem natural. Além disso, essa funcionalidade de texto para código será disponibilizada em breve de forma programática por meio de uma função de uso geral, Text2SQL, com o Snowflake Cortex.

class="img-responsive

Extração do documento Data com o documento AI (em visualização privada)

O Document AI da Snowflake Cortex, com tecnologia LLM, permite a extração eficiente de data de vários tipos de documentos (pdf, word, txt, capturas de tela), economizando tempo e recursos no processamento manual de data .

De modo geral, os novos recursos do Snowflake são muito impressionantes e têm o potencial de revolucionar a maneira como as pessoas usam as plataformas de nuvem data .

A Snowflake está claramente se diferenciando da concorrência ao oferecer recursos inovadores que facilitam aos usuários o desenvolvimento e a implantação de aplicativos AI , encontrar data, gerenciar recursos de ML e compartilhar modelos de ML. A Snowflake também está facilitando para os usuários a extração de insights do site data sem a necessidade de aprender novas ferramentas ou linguagens.

class="img-responsive

Loja de recursos (em visualização privada)

Um armazenamento de recursos é um repositório central para gerenciar e compartilhar recursos de aprendizado de máquina. O novo armazenamento de recursos do Snowflake facilita o desenvolvimento e a implantação de modelos de ML pelos usuários.

Isso diferencia a Snowflake de outras plataformas de data nuvem porque oferece aos usuários um único local para gerenciar todos os seus recursos de ML. Isso pode ajudar os usuários a economizar tempo e melhorar a eficiência do processo de desenvolvimento de ML.

Aqui estão alguns casos de uso específicos para a loja de recursos da Snowflake:

  • Um cientista do data poderia usar o armazenamento de recursos para gerenciar e compartilhar os recursos que está usando para desenvolver um modelo de aprendizado de máquina. Para obter mais informações sobre esse assunto, acesse aqui.

  • Um engenheiro de aprendizado de máquina pode usar o armazenamento de recursos para implantar um modelo de aprendizado de máquina na produção e garantir que ele tenha acesso aos recursos necessários. Para obter mais informações sobre esse assunto, acesse aqui.

  • Um usuário corporativo pode usar o armazenamento de recursos para explorar e entender os recursos que estão sendo usados para potencializar seus aplicativos de aprendizado de máquina. Para obter mais informações sobre esse assunto, acesse aqui.

Compartilhamento de modelos

A capacidade do Snowflake de compartilhar modelos de ML também é um diferencial importante. Isso facilitará a colaboração entre as pessoas em projetos de ML e democratizará o acesso ao ML.

Especificamente, o Snowflake permite que os usuários compartilhem modelos de ML com outras pessoas, dentro e fora da organização. Isso pode ajudar a acelerar o desenvolvimento e a adoção de aplicativos de ML.

Aqui estão alguns casos de uso específicos do recurso de compartilhamento de modelos do Snowflake:

  • Um cientista do data poderia compartilhar um modelo de aprendizado de máquina com um usuário comercial para que ele possa usá-lo para explorar o data e gerar insights.

  • Um engenheiro de aprendizado de máquina pode compartilhar um modelo de aprendizado de máquina com um engenheiro de DevOps para que ele possa implantá-lo na produção.

  • Um fornecedor de software pode compartilhar um modelo de aprendizado de máquina com seus clientes para que eles possam usá-lo para melhorar seus produtos e serviços.

Snowflake Notebooks (em visualização privada)

Os Snowflake Notebooks, um ambiente baseado em nuvem projetado especificamente para o desenvolvimento e a execução de códigos, compartilham semelhanças com os notebooks que estão disponíveis há vários anos em outras plataformas de nuvem data . A Databricks foi a pioneira nesse campo, e a BigQuery seguiu o exemplo com seu anúncio em 31 de agosto. Esses notebooks foram cuidadosamente projetados para otimizar o desempenho no ecossistema Snowflake.

Os Snowflake Notebooks oferecem várias vantagens em relação aos IDEs tradicionais, tais como:

  • Colaboração: Os Snowflake Notebooks são fáceis de compartilhar com outras pessoas, o que facilita a colaboração em projetos.

  • Interatividade: Os Snowflake Notebooks são interativos, portanto, você pode fazer experiências com seu código e ver os resultados imediatamente.

  • Desempenho: Os Snowflake Notebooks têm alto desempenho, de modo que você pode executar consultas e análises complexas rapidamente.

Os notebooks Snowflake estão atualmente em versão beta, mas espera-se que sejam lançados para o público em geral em um futuro próximo.

O que diferencia o Snowflake como um ambiente de desenvolvimento de aprendizado de máquina dos outros é o fato de que ele consiste em APIs Python acessíveis por meio da biblioteca ML do Snowpark e interfaces SQL para definir, gerenciar e recuperar recursos, juntamente com a infraestrutura gerenciada para gerenciamento de metadados de recursos e processamento contínuo de recursos. Isso elimina a necessidade de conhecimento especializado em AI . Além disso, os recursos de armazenamento de recursos e de compartilhamento de modelos permitem que a Snowflake se equipare de forma mais eficaz aos seus concorrentes, especificamente à Databricks, que obviamente teve a vantagem nos últimos anos devido à sua integração com o ML Flow.

class="img-responsive

Conclusão

A revelação de novos recursos pela Snowflake, incluindo Snowflake Cortex, Copilot, Document AI e notebooks, confirma o compromisso da empresa com a inovação. Embora os anúncios científicos da data estejam alinhados com as tendências atuais da GenAI, é imperativo abordá-los com cautela. Vale ressaltar que determinados recursos, embora anunciados há muito tempo, ainda estão pendentes de disponibilidade universal em todos os ambientes. Por fim, vamos abordar essas inovações com a mente aberta e um otimismo cauteloso, prontos para abraçar as possibilidades e, ao mesmo tempo, nos atermos à realidade.

class="img-responsive

Blog do Medium por Artefact.

Este artigo foi publicado inicialmente no Medium.com.
Siga-nos em nosso blog no Medium!