Funzionalità Snowflake

Supporta linguaggi di programmazione come Java, C o Python. Supporta linguaggi front-end come HTML, CSS e JavaScript.

Offre la possibilità agli sviluppatori di trascinare e rilasciare pezzi di codice o algoritmi durante la costruzione di modelli

Fornisce agli utenti algoritmi predefiniti per uno sviluppo del modello più semplice

Fornisce grandi set di dati per l'addestramento di modelli individuali

Offre servizi di riconoscimento delle immagini

Offre servizi di elaborazione del linguaggio naturale

Offre servizi di generazione del linguaggio naturale

Offre reti neurali artificiali per gli utenti

Offre servizi di comprensione del linguaggio naturale

Fornisce capacità di apprendimento profondo

Gestisce l'applicazione intelligente per l'utente, riducendo la necessità di infrastruttura

Consente agli utenti di inserire l'apprendimento automatico nelle applicazioni operative

Fornisce applicazioni e infrastrutture di apprendimento automatico facilmente scalabili

Consenti agli utenti di inserire modelli costruiti in una varietà di lingue.

Consenti agli utenti di scegliere il framework o il banco di lavoro di loro preferenza.

Versionamento dei record man mano che i modelli vengono iterati.

Fornisce un modo per distribuire rapidamente ed efficientemente i modelli di apprendimento automatico.

Offre un modo per scalare l'uso dei modelli di apprendimento automatico in tutta l'azienda.

Fornisce opzioni di distribuzione On-Premise.

Fornisce opzioni di distribuzione cloud (cloud privato o pubblico, cloud ibrido).

Consente agli utenti di inserire modelli costruiti in una varietà di lingue.

Consenti agli utenti di scegliere il framework o il banco di lavoro di loro preferenza.

Versionamento dei record man mano che i modelli vengono iterati.

Fornisce un modo per distribuire rapidamente ed efficientemente i modelli di apprendimento automatico.

Offre un modo per scalare l'uso dei modelli di apprendimento automatico in tutta l'azienda.

Raccoglie, memorizza e organizza dati massivi e non strutturati in tempo reale

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo

Crea un repository per raccogliere e memorizzare dati grezzi da sensori, dispositivi, macchine, file, ecc.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Facilita la soluzione per funzionare e scalare su un gran numero di macchine e sistemi

Cura i dati raccolti per soluzioni di analisi dei big data per analizzare, manipolare e modellare

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Sposta la raccolta e l'elaborazione di big data nel cloud

Elabora carichi di lavoro di dati batch, in tempo reale e in streaming in sistemi singoli, multi-tenant o cloud

Facilita l'analisi di dati in tempo reale ad alto volume.

Consente all'utente di interrogare i dati tramite linguaggi di interrogazione come SQL.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Spark

Integra dati da più database esterni.

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo.

Elabora i dati e rappresenta le interpretazioni in una varietà di formati grafici.

Collega insieme funzioni specifiche e set di dati per automatizzare le iterazioni analitiche.

Isola determinati set di dati e facilita la gestione dell'accesso ai dati.

Consente allo strumento di big data di eseguire e registrare dati all'interno di applicazioni esterne.

Usa i notebook per attività come la creazione di dashboard con query e visualizzazioni predefinite e programmate.

Controlla l'uso e le prestazioni del modello in produzione

Distribuisci applicazioni ML critiche per la missione dove e quando ne hai bisogno

Confronta facilmente gli esperimenti—codice, iperparametri, metriche, previsioni, dipendenze, metriche di sistema e altro—per comprendere le differenze nelle prestazioni del modello.

Registra e organizza tutti i modelli di machine learning che sono stati distribuiti in tutta l'azienda.

Traccia le prestazioni e l'accuratezza dei modelli di apprendimento automatico.

Fornisce agli utenti l'autorizzazione per distribuire e iterare sui modelli di apprendimento automatico.

Consente agli utenti di gestire gli artefatti del modello e tracciare quali modelli sono distribuiti in produzione.

Memorizza i metadati del database, ovvero le definizioni degli elementi di dati, tipi, relazioni ecc.

Crea una copia del database per mantenere la coerenza e l'integrità.

Consente agli utenti di creare, aggiornare e recuperare dati in un database.

Definisce il design logico dei dati prima di costruire gli schemi.

Monitora e analizza attributi critici del database come le prestazioni delle query, le sessioni utente, i dettagli dei deadlock, gli errori di sistema ecc. e visualizzali su un dashboard personalizzato.

Registra e organizza tutti i modelli di apprendimento automatico che sono stati distribuiti in tutta l'azienda.

Traccia le prestazioni e l'accuratezza dei modelli di apprendimento automatico.

Fornisce agli utenti l'autorizzazione per distribuire e iterare sui modelli di apprendimento automatico.

Dà all'utente la possibilità di importare una varietà di fonti di dati per un uso immediato

Trasforma i dati grezzi in caratteristiche che rappresentano meglio il problema sottostante per i modelli predittivi

Consolida, pulisce e normalizza i dati provenienti da più fonti disparate.

Aiuta a risparmiare capacità di archiviazione e migliora le prestazioni delle query.

Elimina l'incoerenza dei dati e le duplicazioni garantendo l'integrità dei dati.

Funzioni analitiche basate su SQL come serie temporali, pattern matching, analisi geospaziale ecc.

Fornisce funzionalità integrate come algoritmi di apprendimento automatico, funzioni di preparazione dei dati, valutazione e gestione dei modelli, ecc.

Consente l'interrogazione dei dati tra formati di dati come parquet, ORC, JSON ecc. e l'analisi di tipi di dati complessi su HDFS.

Si integra con i flussi di lavoro della scienza dei dati, le capacità di Machine Learning e intelligenza artificiale (AI).

Si integra con gli strumenti BI per trasformare i dati in informazioni utili.

Fornisce velocità nell'elaborazione dei dati e nella cattura di dati non strutturati, semi-strutturati e in streaming.

Gestisce enormi volumi di dati, aumenta o riduci la scala secondo la domanda.

Memorizza rapidamente i dati usati di frequente nella memoria di sistema.

Consente il trasferimento dei dati da un database a un altro.

Fornisce funzionalità di backup e ripristino dei dati per proteggere e ripristinare un database.

Consente agli utenti di accedere e lavorare sui dati contemporaneamente, supportando diverse visualizzazioni dei dati.

Crittografa e trasforma i dati nel database da uno stato leggibile in un testo cifrato di caratteri illeggibili.

Consente l'accesso utente limitato a modificare a seconda del livello di accesso.

Politiche, procedure e standard per gestire e accedere ai dati.

Limita l'accesso ai dati a livello di cella, maschera o nasconde parti delle celle, e cripta i dati a riposo e in movimento

Fornisce ruoli di sistema predefiniti, privilegi e ruoli definiti dall'utente agli utenti.

Consente l'integrazione con meccanismi di sicurezza esterni come Kerberos, autenticazione LDAP ecc.

Fornisce un registro di controllo per tracciare l'accesso e le operazioni eseguite sui database per la conformità normativa.

Fornisce la capacità di crittografare tutti i dati a riposo utilizzando chiavi di crittografia.

Memorizza le tabelle di dati come colonne.

Supporta più tipi di dati come liste, set, hash (simili a mappe), set ordinati ecc.

Implementa il partizionamento automatico dei dati orizzontale che consente di memorizzare i dati su più di un nodo per scalare.

Ripristina un database a uno stato corretto (coerente) in caso di guasto.

Copia i dati su più server attraverso architetture di replica master-slave, peer-to-peer, ecc.

Fornisce supporto per memorizzare, indicizzare e interrogare dati in più di un formato.

Disponibile su più sistemi operativi come Linux, Windows, MacOS ecc.

Offre una posizione centralizzata e neutrale per le parti per condurre l'analisi dei dati.

Offre calcolo localizzato, dove i dati rimangono dove risiedono e vengono chiamati tramite API per condurre l'analisi.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.

Fornisce la capacità di generare immagini da un prompt di testo.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.

Capacità di eseguire compiti complessi senza input umano costante

Capacità di scomporre e pianificare processi a più fasi

Funziona su più sistemi software o database

Migliora le prestazioni basandosi sul feedback e sull'esperienza

Si impegna in conversazioni simili a quelle umane per la delega dei compiti

Anticipa le necessità e offre suggerimenti senza essere sollecitato

Prendi decisioni informate basate sui dati disponibili e sugli obiettivi