Características de Snowflake

Admite lenguajes de programación como Java, C o Python. Admite lenguajes front-end como HTML, CSS y JavaScript

Ofrece a los desarrolladores la posibilidad de arrastrar y soltar fragmentos de código o algoritmos al crear modelos

Proporciona a los usuarios algoritmos prediseñados para un desarrollo de modelos más sencillo

Proporciona grandes conjuntos de datos para entrenar modelos individuales

Transforma los datos sin procesar en características que representan mejor el problema subyacente a los modelos predictivos

Ofrece servicios de reconocimiento de imágenes

Ofrece servicios de procesamiento de lenguaje natural

Ofrece servicios de generación de lenguaje natural

Ofrece redes neuronales artificiales para los usuarios

Ofrece servicios de comprensión del lenguaje natural

Proporciona capacidades de aprendizaje profundo

Gestiona la aplicación inteligente para el usuario, reduciendo la necesidad de infraestructura

Permite a los usuarios insertar aprendizaje automático en aplicaciones operativas

Proporciona aplicaciones e infraestructura de aprendizaje automático fáciles de escalar

Permite a los usuarios introducir modelos creados en una variedad de idiomas.

Permite a los usuarios elegir el marco o el entorno de trabajo de su preferencia.

Se repiten versiones de registros a medida que se iteran los modelos.

Proporciona una forma rápida y eficaz de implementar modelos de aprendizaje automático.

Ofrece una forma de escalar el uso de modelos de aprendizaje automático en toda la empresa.

Proporciona opciones de implementación local.

Proporciona opciones de implementación en la nube (nube privada o pública, nube híbrida).

Permite a los usuarios introducir modelos creados en una variedad de idiomas.

Permite a los usuarios elegir el marco o el entorno de trabajo de su preferencia.

Se repiten versiones de registros a medida que se iteran los modelos.

Proporciona una forma rápida y eficaz de implementar modelos de aprendizaje automático.

Ofrece una forma de escalar el uso de modelos de aprendizaje automático en toda la empresa.

Recopila, almacena y organiza datos masivos y no estructurados en tiempo real

Facilita la difusión de big data recopilados a través de clústeres de computación paralela

Crea un repositorio para recopilar y almacenar datos sin procesar de sensores, dispositivos, máquinas, archivos, etc.

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Facilita la solución para ejecutarse y escalar a un gran número de máquinas y sistemas

Selecciona los datos recopilados para soluciones de análisis de big data para analizar, manipular y modelar

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Traslada la recopilación y el procesamiento de big data a la nube

Procesa cargas de trabajo de datos por lotes, en tiempo real y de streaming en sistemas singulares, multiinquilino o en la nube

Facilita el análisis de datos de gran volumen y en tiempo real.

Permite al usuario consultar datos a través de lenguajes de consulta como SQL.

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Hadoop

Alinea los flujos de trabajo de procesamiento y distribución sobre Apache Spark

Integra datos de múltiples bases de datos externas.

Facilita la difusión de big data recopilados a través de clústeres de computación paralela.

Procesa datos y representa interpretaciones en una variedad de formatos gráficos.

Encadena funciones y conjuntos de datos específicos para automatizar las iteraciones de análisis.

Aísla ciertos conjuntos de datos y facilita la gestión del acceso a los datos.

Permite que la herramienta de big data ejecute y registre datos dentro de aplicaciones externas.

Usar blocs de notas para tareas como crear paneles con consultas y visualizaciones predefinidas y programadas

Controlar el uso y el rendimiento del modelo en producción

Implemente aplicaciones de aprendizaje automático de misión crítica donde y cuando las necesite

Compare fácilmente experimentos (código, hiperparámetros, métricas, predicciones, dependencias, métricas del sistema, etc.) para comprender las diferencias en el rendimiento del modelo.

Registra y organiza todos los modelos de aprendizaje automático que se han implementado en toda la empresa.

Realiza un seguimiento del rendimiento y la precisión de los modelos de aprendizaje automático.

Aprovisiona a los usuarios en función de la autorización para implementar e iterar modelos de aprendizaje automático.

Permite a los usuarios administrar artefactos de modelos y realizar un seguimiento de los modelos que se implementan en producción.

Almacena los metadatos de la base de datos, es decir, las definiciones de elementos de datos, tipos, relaciones, etc.

Crea una copia de la base de datos para mantener la coherencia y la integridad.

Permite a los usuarios crear, actualizar y recuperar datos en una base de datos.

Define el diseño lógico de los datos antes de generar los esquemas.

Supervisa y analiza atributos críticos de la base de datos como el rendimiento de las consultas, las sesiones de usuario, los detalles de bloqueo, los errores del sistema, etc., y los visualiza en un panel personalizado.

Registra y organiza todos los modelos de aprendizaje automático que se han implementado en toda la empresa.

Realiza un seguimiento del rendimiento y la precisión de los modelos de aprendizaje automático.

Aprovisiona a los usuarios en función de la autorización para implementar e iterar modelos de aprendizaje automático.

Ofrece al usuario la capacidad de importar una variedad de fuentes de datos para su uso inmediato

Consolida, limpia y normaliza datos de múltiples fuentes dispares.

Ayuda a ahorrar capacidad de almacenamiento y mejora el rendimiento de las consultas.

Elimina la inconsistencia y las duplicaciones de datos, lo que garantiza la integridad de los datos.

Funciones de análisis basadas en SQL como series temporales, coincidencia de patrones, análisis geoespacial, etc.

Proporciona capacidades integradas como algoritmos de aprendizaje automático, funciones de preparación de datos, evaluación y gestión de modelos, etc.

Permite la consulta de datos a través de formatos de datos como parquet, ORC, JSON, etc. y analizar tipos de datos complejos en HDFS

Se integra con flujos de trabajo de ciencia de datos, aprendizaje automático y capacidades de inteligencia artificial (IA).

Se integra con herramientas de BI para transformar los datos en información procesable.

Proporciona velocidad en el procesamiento de datos y captura de datos no estructurados, semiestructurados y de transmisión.

Gestiona grandes volúmenes de datos, de escala superior o inferior según la demanda.

Almacena rápidamente los datos de uso frecuente en la memoria del sistema.

Permite el movimiento de datos de una base de datos a otra.

Proporciona funcionalidad de copia de seguridad y recuperación de datos para proteger y restaurar una base de datos.

Permite a los usuarios acceder y trabajar en datos simultáneamente, lo que admite varias vistas de los datos.

Cifra y transforma los datos de la base de datos de un estado legible en un texto cifrado de caracteres ilegibles.

Permite modificar el acceso restringido de los usuarios en función del nivel de acceso.

Políticas, procedimientos y estándares para administrar y acceder a los datos.

Restringe el acceso a los datos a nivel de celda, enmascara u oculta partes de las celdas y cifra los datos en reposo y en movimiento

Proporciona roles de sistema predefinidos, privilegios y roles definidos por el usuario a los usuarios.

Permite la integración con mecanismos de seguridad externos como Kerberos, autenticación LDAP, etc.

Proporciona un registro de auditoría para realizar un seguimiento del acceso y las operaciones realizadas en las bases de datos para el cumplimiento normativo.

Proporciona capacidad de cifrado para todos los datos en reposo mediante claves de cifrado.

Almacena tablas de datos como columnas.

Admite múltiples tipos de datos como listas, conjuntos, hashes (similares al mapa), conjuntos ordenados, etc.

Implementa la partición horizontal automática de datos que permite almacenar datos en más de un nodo para escalar horizontalmente.

Restaura una base de datos a un estado correcto (coherente) en caso de error.

Copie datos a través de múltiples servidores a través de la arquitectura de replicación maestro-esclavo, peer-to-peer, etc.

Proporciona compatibilidad para almacenar, indizar y consultar datos en más de un formato.

Disponible en múltiples sistemas operativos como Linux, Windows, MacOS, etc.

Ofrece una ubicación centralizada y neutral para que las partes realicen análisis de datos.

Ofrece computación localizada, donde los datos permanecen donde residen y son llamados por API para realizar análisis.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Proporciona la capacidad de generar imágenes a partir de un mensaje de texto.

Permite a los usuarios generar texto basado en un mensaje de texto.

Condensa documentos largos o texto en un breve resumen.

Capacidad para realizar tareas complejas sin intervención humana constante

Capacidad para desglosar y planificar procesos de múltiples pasos

Funciona en múltiples sistemas de software o bases de datos

Mejora el rendimiento basado en la retroalimentación y la experiencia

Participa en conversaciones similares a las humanas para la delegación de tareas

Anticipa necesidades y ofrece sugerencias sin que se lo pidan

Toma decisiones informadas basadas en los datos disponibles y los objetivos.