Fonctionnalités de Snowflake

Prend en charge les langages de programmation tels que Java, C ou Python. Prend en charge les langages frontaux tels que HTML, CSS et JavaScript

Offre aux développeurs la possibilité de glisser-déposer des morceaux de code ou des algorithmes lors de la création de modèles

Fournit aux utilisateurs des algorithmes prédéfinis pour simplifier le développement de modèles

Fournit de grands ensembles de données pour la formation de modèles individuels

Transforme les données brutes en fonctionnalités qui représentent mieux le problème sous-jacent aux modèles prédictifs

Offre des services de reconnaissance d’images

Offre des services de traitement du langage naturel

Offre des services de génération de langage naturel

Offre des réseaux de neurones artificiels pour les utilisateurs

Offre des services de compréhension du langage naturel

Fournit des capacités d’apprentissage profond

Gère l’application intelligente pour l’utilisateur, réduisant ainsi le besoin d’infrastructure

Permet aux utilisateurs d’insérer l’apprentissage automatique dans les applications d’exploitation

Fournit des applications et une infrastructure d’apprentissage automatique facilement évolutives

Permet aux utilisateurs d’entrer des modèles créés dans une variété de langues.

Permet aux utilisateurs de choisir le framework ou l’atelier de leur choix.

Le contrôle de version des enregistrements en tant que modèles est itéré.

Fournit un moyen de déployer rapidement et efficacement des modèles de machine learning.

Offre un moyen d’adapter l’utilisation des modèles d’apprentissage automatique à l’échelle d’une entreprise.

Fournit des options de déploiement sur site.

Fournit des options de déploiement Cloud (Cloud privé ou public, Cloud hybride).

Permet aux utilisateurs d’entrer des modèles créés dans une variété de langues.

Permet aux utilisateurs de choisir le framework ou l’atelier de leur choix.

Le contrôle de version des enregistrements en tant que modèles est itéré.

Fournit un moyen de déployer rapidement et efficacement des modèles de machine learning.

Offre un moyen d’adapter l’utilisation des modèles d’apprentissage automatique à l’échelle d’une entreprise.

Collecte, stockage et organisation de données massives et non structurées en temps réel

Facilite la diffusion des mégadonnées collectées dans les clusters de calcul parallèle

Crée un référentiel pour collecter et stocker des données brutes à partir de capteurs, périphériques, machines, fichiers, etc.

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Facilite l’exécution et l’évolutivité de la solution à un grand nombre de machines et de systèmes

Organise les données collectées pour les solutions d’analyse de Big Data afin d’analyser, de manipuler et de modéliser

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Déplace la collecte et le traitement de Big Data vers le cloud

Traite les charges de travail de données par lots, en temps réel et en streaming dans des systèmes uniques, mutualisés ou cloud

Facilite l’analyse de gros volumes de données en temps réel.

Permet à l’utilisateur d’interroger des données via des langages de requête tels que SQL.

Aligne les workflows de traitement et de distribution sur Apache Hadoop

Aligne les workflows de traitement et de distribution sur Apache Spark

Intègre des données provenant de plusieurs bases de données externes.

Facilite la diffusion des mégadonnées collectées dans les clusters de calcul parallèles.

Traite les données et représente les interprétations dans une variété de formats graphiques.

Enchaîne des fonctions et des jeux de données spécifiques pour automatiser les itérations d’analyse.

Isole certains jeux de données et facilite la gestion de l’accès aux données.

Permet à l’outil Big Data d’exécuter et d’enregistrer des données dans des applications externes.

Utiliser des blocs-notes pour des tâches telles que la création de tableaux de bord avec des requêtes et des visualisations prédéfinies et planifiées

Contrôler l’utilisation et les performances du modèle en production

Déployez des applications ML stratégiques où et quand vous en avez besoin

Comparez facilement les expériences (code, hyperparamètres, métriques, prédictions, dépendances, métriques système, etc.) pour comprendre les différences de performances du modèle.

Enregistre et organise tous les modèles de machine learning qui ont été déployés dans l’ensemble de l’entreprise.

Suit les performances et la précision des modèles d’apprentissage automatique.

Provisionne les utilisateurs en fonction de l’autorisation de déployer et d’itérer sur des modèles Machine Learning.

Permet aux utilisateurs de gérer les artefacts de modèle et de suivre les modèles déployés en production.

Stocke les métadonnées de la base de données, c’est-à-dire les définitions des éléments de données, des types, des relations, etc.

Crée une copie de la base de données pour maintenir la cohérence et l’intégrité.

Permet aux utilisateurs de créer, mettre à jour et récupérer des données dans une base de données.

Définit la conception logique des données avant de générer les schémas.

Surveille et analyse les attributs critiques de la base de données tels que les performances des requêtes, les sessions utilisateur, les détails des blocages, les erreurs système, etc. et les visualise sur un tableau de bord personnalisé.

Enregistre et organise tous les modèles de machine learning qui ont été déployés dans l’ensemble de l’entreprise.

Suit les performances et la précision des modèles d’apprentissage automatique.

Provisionne les utilisateurs en fonction de l’autorisation de déployer et d’itérer sur des modèles Machine Learning.

Permet à l’utilisateur d’importer diverses sources de données pour une utilisation immédiate

Consolide, nettoie et normalise les données provenant de plusieurs sources disparates.

Permet d’économiser de la capacité de stockage et d’améliorer les performances des requêtes.

Élimine les incohérences et les doublons des données, garantissant ainsi leur intégrité.

Fonctions d’analyse basées sur SQL telles que les séries chronologiques, la correspondance de modèles, l’analyse géospatiale, etc.

Fournit des fonctionnalités intégrées telles que des algorithmes d’apprentissage automatique, des fonctions de préparation de données, l’évaluation et la gestion de modèles, etc.

Permet d’interroger des données sur des formats de données tels que parquet, ORC, JSON, etc. et d’analyser des types de données complexes sur HDFS

S’intègre aux flux de travail de science des données, au Machine Learning et aux capacités d’intelligence artificielle (IA).

S’intègre aux outils de BI pour transformer les données en informations exploitables.

Accélère le traitement des données et la capture de données non structurées, semi-structurées et en streaming.

Gère d’énormes volumes de données, haut de gamme ou bas de gamme selon la demande.

Stocke rapidement les données fréquemment utilisées dans la mémoire système.

Permet le déplacement des données d’une base de données à une autre.

Fournit des fonctionnalités de sauvegarde et de récupération des données pour protéger et restaurer une base de données.

Permet aux utilisateurs d’accéder aux données et de travailler simultanément sur celles-ci, en prenant en charge plusieurs vues des données.

Chiffre et transforme les données de la base de données d’un état lisible en un texte chiffré de caractères illisibles.

Permet de modifier l’accès restreint des utilisateurs en fonction du niveau d’accès.

Politiques, procédures et normes de gestion et d’accès aux données.

Limite l’accès aux données au niveau de la cellule, masque ou masque des parties de cellules et chiffre les données au repos et en mouvement

Fournit des rôles système, des privilèges et des rôles définis par l’utilisateur prédéfinis aux utilisateurs.

Permet l’intégration avec des mécanismes de sécurité externes tels que Kerberos, l’authentification LDAP, etc.

Fournit un journal d’audit pour suivre l’accès et les opérations effectuées sur les bases de données à des fins de conformité réglementaire.

Fournit une capacité de chiffrement pour toutes les données au repos à l’aide de clés de chiffrement.

Stocke les tables de données sous forme de colonnes.

Prend en charge plusieurs types de données tels que les listes, les ensembles, les hachages (similaires à la carte), les ensembles triés, etc.

Implémente le partitionnement horizontal automatique des données qui permet de stocker des données sur plusieurs nœuds pour les mettre à l’échelle.

Restaure une base de données à un état correct (cohérent) en cas de défaillance.

Copiez des données sur plusieurs serveurs via master-slave, une architecture de réplication peer-to-peer, etc.

Prend en charge le stockage, l’indexation et l’interrogation des données dans plusieurs formats.

Disponible sur plusieurs systèmes d’exploitation comme Linux, Windows, MacOS, etc.

Offre un emplacement centralisé et neutre pour que les parties puissent effectuer des analyses de données.

Offre un calcul localisé, où les données restent là où elles résident et sont appelées par l’API afin de mener des analyses.

Permet aux utilisateurs de générer du texte à partir d’une invite texte.

Condense les longs documents ou textes en un bref résumé.

Permet aux utilisateurs de générer du texte à partir d’une invite texte.

Condense les longs documents ou textes en un bref résumé.

Permet de générer des images à partir d’une invite texte.

Permet aux utilisateurs de générer du texte à partir d’une invite texte.

Condense les longs documents ou textes en un bref résumé.

Capacité à effectuer des tâches complexes sans intervention humaine constante

Capacité à décomposer et planifier des processus en plusieurs étapes

Fonctionne sur plusieurs systèmes logiciels ou bases de données

Améliore la performance en fonction des retours et de l'expérience

Engage dans une conversation semblable à celle des humains pour la délégation de tâches

Anticipe les besoins et offre des suggestions sans être sollicité

Faites des choix éclairés en fonction des données disponibles et des objectifs