تحصل Kumo على تعلم عميق في Snowflake Data Cloud عبر Snowpark
![](https://i0.wp.com/eshrag.net/wp-content/uploads/2023/06/Kumo-x-Snowflake-2.png?fit=1200%2C675&ssl=1)
انضم إلى كبار المديرين التنفيذيين في سان فرانسيسكو يومي 11 و 12 يوليو ، لمعرفة كيف يدمج القادة استثمارات الذكاء الاصطناعي ويحسنونها لتحقيق النجاح.. يتعلم أكثر
أعلنت Kumo ، وهي منصة تعليمية عميقة للبيانات العلائقية ، اليوم في قمة Snowflake 2023 عن دمجها لقدرات التعلم العميق مباشرة في Snowflake Data Cloud من خلال Snowpark Container Services.
توسع خدمات Snowflake التي قدمتها مؤخرًا خدمات حاوية Snowpark من وظائف Snowpark. يسمح هذا التحديث للمؤسسات بتشغيل برامج الجهات الخارجية والتطبيقات الكاملة داخل حسابات Snowflake الخاصة بهم.
وفقًا لـ Snowflake ، يمكن للعملاء من خلال هذا التكامل زيادة إمكانات بياناتهم إلى الحد الأقصى باستخدام أدوات متطورة مع الحفاظ على أمان البيانات وإلغاء الحاجة إلى نقل البيانات.
علاوة على ذلك ، تشتمل خدمات Snowpark Container Services على دعم GPU ، والذي يمنح فرق علوم البيانات والتعلم الآلي طريقة لتسريع التطوير وسد الفجوة بين نشر النموذج وأمن البيانات المتسق والحوكمة طوال دورة حياة AI / ML.
حدث
تحويل 2023
انضم إلينا في سان فرانسيسكو يومي 11 و 12 يوليو ، حيث سيشارك كبار المسؤولين التنفيذيين في كيفية دمج استثمارات الذكاء الاصطناعي وتحسينها لتحقيق النجاح وتجنب المزالق الشائعة.
سجل الان
Kumo هي واحدة من أوائل المتبنين لخدمات Snowpark Container Services ، باستخدام التكنولوجيا لنشر الشبكات العصبية المتقدمة للمؤسسات.
تستخدم منصة الذكاء الاصطناعي التنبؤية الخاصة بـ Kumo تقنية الشبكة العصبية للرسم البياني (GNN) ، وتمكين المطورين وعلماء البيانات والمحللين وأصحاب الأعمال من إنشاء وتنفيذ تنبؤات عالية الدقة في الإنتاج.
رسم بياني للشبكات العصبية والذكاء الاصطناعي
يتطلب التعلم الآلي التقليدي استخراج البيانات من مستودع البيانات أو البحيرة ، متبوعًا بتطوير وضبط الميزات يدويًا. يتيح التكامل الجديد ، المتاح الآن في المعاينة الخاصة ، للمستخدمين المشتركين العمل مباشرة على طاولات Snowflake الخام ؛ توليد التنبؤات وتخزين النتائج كجداول إضافية داخل Snowflake.
“سيعمل التكامل الجديد على تشغيل خدمات الذكاء الاصطناعي الخاصة بـ Kumo مباشرة على جداول علائقية عبر السحابة بدون الخطوات الوسيطة الموجودة في التعلم الآلي التقليدي ، مثل إنشاء مجموعة التدريب وهندسة الميزات ، باستخدام تقنية الشبكة العصبية للرسم البياني ،” فانجا جوزيفوفسكي ، الشريك المؤسس و الرئيس التنفيذي لشركة Kumo ، أخبر VentureBeat.
أوضح Josifovski أنه يمكن للمستخدمين إنشاء وتنفيذ استعلام يقدم تنبؤات ، مما يعكس عملية الاستعلام عن البيانات السابقة للتحليل ، كل ذلك دون الحاجة إلى تصدير البيانات من بيئة Snowflake الخاصة بهم.
يأتي هذا الإعلان بعد تعاون حديث بين Nvidia و Snowflake يسمح للعملاء بتخصيص نماذج الذكاء الاصطناعي التوليدية الخاصة بهم من خلال السحابة لتلائم متطلبات المؤسسة الخاصة بهم.
يمكّن التكامل المؤسسات من تطوير تطبيقات الذكاء الاصطناعي التوليدية باستخدام بيانات الملكية الخاصة بها داخل بيئة سحابة البيانات في Snowflake ، مما يلغي الحاجة إلى نقل البيانات خارجيًا.
تسهيل التحليلات التنبؤية المستندة إلى التعلم العميق عبر السحابة
وفقًا لـ Josifovski من Kumo ، ستتيح Snowpark Container Services للعملاء الاستفادة بشكل مباشر من خدمة الذكاء الاصطناعي التنبؤية من Kumo داخل Snowflake لإجراء تنبؤات تعلم الرسم البياني على بيانات مؤسستهم.
كان هناك سؤال قديم بشأن التعلم الآلي وتخزين البيانات حول مكان تشغيل معالجة ML. من خلال تغيير النموذج لتشغيل معالجة ML في Snowflake Data Cloud ، تسمح شركاتنا للمستخدمين بتوسيع استخدام التعلم الآلي والتنبؤات لكل شخص لديه حق الوصول إلى Data Cloud ، “قال Josifovski لـ VentureBeat. “يتم ذلك في إطار برنامج أمان واحد وهو أكثر بساطة بكثير من التشغيل في ظل برامج أمان متعددة.”
تعتمد أساليب الذكاء الاصطناعي الحديثة بشكل كبير على حسابات الجبر الخطي ، والتي تتوافق بشكل كبير مع معالجة وحدة معالجة الرسومات. في السابق ، لاستخدام وحدات معالجة الرسومات ، كان على Kumo استخراج البيانات من حساب العميل ومعالجتها خارجيًا. من خلال هذا التكامل ، تحدث جميع عمليات معالجة البيانات مباشرةً داخل حساب Snowflake الخاص بالعميل ، بما في ذلك معالجة وحدة معالجة الرسومات.
وأضاف: “إن نهج عدم الحاجة إلى مجموعة تدريب وهندسة الميزات يقصر من دورة حياة الذكاء الاصطناعي / التعلم الآلي بشكل كبير”. “نحن نهدف إلى إعفاء علماء البيانات من المهام المتكررة والمملة ، للتركيز على المهام ذات المستوى الأعلى لتحديد المهمة التنبؤية الصحيحة وتقييم النتائج وإيجاد أفضل طريقة للحصول على قيمة الأعمال من التنبؤات.”
قدمت الشركة ميزة مميزة من خلال هذا العرض: البيانات العلائقية القائمة على التعلم العميق GNNs.
يمكن لشبكات GNN القائمة على التعلم العميق أن تتعلم من الرسم البياني والسمات المرتبطة بها ، والتي يتم تحديدها بواسطة أعمدة البيانات غير الرئيسية. بمجرد إنشاء الرسم البياني ، يمكن تدريب العديد من مهام AI / ML بكفاءة على نفس الرسم البياني دون إنشاء مجموعات تدريب منفصلة أو العديد من الميزات الهندسية.
تقدم Kumo أيضًا خوارزمية تلقائية قابلة للتطوير ومبتكرة تخفف من العملية المرهقة لضبط المعلمات الفائقة.
“في حين أن شبكات GNN فعالة جدًا في مجموعة واسعة من المشكلات التنبؤية ، إلا أنها أيضًا صعبة التنفيذ والتوسع وتحقيق الكفاءة. تلغي منصة الذكاء الاصطناعي الخاصة بـ Kumo الحاجة إلى إنشاء الرسم البياني ، الأمر الذي يتطلب الإلمام بشبكات GNN وإنشاء المهام المثلى. لتحديد مهمة الذكاء الاصطناعي / تعلم الآلة ، طبقت كومو لغة استعلام تنبؤية “، قال جوزيفوفسكي.
تبسيط التحليلات التنبؤية للمطورين المواطنين
يقول Josifovski أن الذكاء الاصطناعي / تعلم الآلة التنبؤية يتطلب حاليًا متخصصين ذوي مهارات عالية مع خبرة محدودة. تتضمن دورة الحياة تجربة الميزات ، مما يستلزم دعمًا كبيرًا للبنية التحتية للتدريب والاستدلال (تسجيل النقاط).
وأوضح أن الهدف من التكامل الجديد هو تزويد المستخدمين بسير عمل مبسط ، بغض النظر عن كفاءتهم في علم البيانات.
يمكنهم بعد ذلك بسهولة تطبيق تعلم الرسم البياني التنبئي في مجالات عمل متنوعة مثل اكتساب العملاء والولاء والاحتفاظ والتخصيص واكتشاف الاحتيال. تؤكد شركته أنه يمكن إكمال تحليل كامل قائم على الذكاء الاصطناعي في غضون ساعات قليلة.
قال جوزيفوفسكي: “تسمح Kumo للمستخدمين بتشغيل استعلامات حول البيانات العلائقية دون الحاجة إلى فهم عميق لمفاهيم الذكاء الاصطناعي / تعلم الآلة ، مع توفير التحكم في التدريب والاستدلال لعلماء البيانات المهرة”. “بهذه الطريقة ، تسمح المنصة لمجموعة واسعة من المستخدمين باستخدامها ، على غرار كيفية استخدام مستودعات البيانات اليوم للتحليلات.”
بالإضافة إلى ذلك ، أوضح Kumo أن التكامل الأصلي مع Snowflake يسهل تثبيت المنتج واستخدامه دون الحاجة إلى مراجعات الأمان والخصوصية القانونية. هذا يقلل من الحواجز ويقصر بشكل كبير الوقت لتحقيق القيمة.
إن الشركة على ثقة من أن هذا سيسرع من التجريب ونشر التنبؤات التفصيلية ، وتمكين وتحسين الممارسات مثل اكتساب العملاء ، وإضفاء الطابع الشخصي ، وحل الكيان والمهام التنبؤية الأخرى.
قال جوزيفوفسكي لموقع VentureBeat: “في المؤسسات ، تصدر العديد من الفرق استعلامات SQL عبر مستودع بيانات للحصول على التحليلات التي يستخدمها المحترفون بعد ذلك لرسم الإجراءات المستقبلية”. “سيسمح Kumo للمستخدمين بالحصول على تنبؤات قابلة للتنفيذ بطريقة آلية ، دون الحاجة إلى تفسير احترافي.”
مهمة VentureBeat هو أن تكون ساحة المدينة الرقمية لصناع القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف إحاطاتنا.