Blog
Créez, déployez et distribuez des modèles à grande échelle avec Snowflake ML
Découvrez les dernières fonctionnalités disponibles pour tous nos clients pour la création et le déploiement de modèles à grande échelle dans Snowflake.
FONCTIONNALITÉ
SNOWFLAKE ML
Accélérez le machine learning, du prototype à la production, avec des GPU ou des CPU distribués sur la même plateforme que vos données gouvernées. Simplifiez le développement de modèles et les MLOps sans infrastructure à maintenir ou à configurer, le tout grâce à une interface utilisateur centralisée.
Présentation
Rassembler de nombreux outils pour les flux de travail ML peut s’avérer complexe. Préparez vos modèles pour la production sur une seule plateforme.
Développez, déployez et surveillez des features et modèles de ML à l’aide d’une plateforme entièrement intégrée qui rapproche les outils, les flux de travail et l’infrastructure de calcul des données.
Intégrez le développement et les MLOps
Unifiez les pipelines de modèles de bout en bout avec n'importe quel modèle open source sur la même plateforme que celle où vos données se trouvent.
Dimensionnez des modèles prêts à l’emploi
Faites évoluer les pipelines de ML sur des CPU ou des GPU grâce à des optimisations intégrées de l’infrastructure, sans réglage ni configuration manuels.
Générez des informations de ML fiables
Découvrez, gérez et gouvernez des features et des modèles dans Snowflake tout au long de leur cycle de vie.
Flux de travail de ML
Accélérez le cycle de vie du développement à la production avec Snowflake ML
Développement de modèles
Créez des modèles évolutifs à partir des données Snowflake
Optimisez le chargement des données et distribuez l’entraînement de modèles à partir de Snowflake Notebooks sur Container Runtime ou de tout IDE de votre choix avec ML Jobs.
- Utilisez des bibliothèques préinstallées telles que XGBoost et PyTorch, ou installez n’importe quel package à partir de hubs open source tels que PyPi et HuggingFace.
Gestion de features
Développez et gérez des features pour les pipelines de production
Créez, gérez et proposez des features de ML avec une actualisation continue et automatisée des données par batch ou en streaming à l’aide du Snowflake Feature Store. Favorisez la découvrabilité, la réutilisation et la gouvernance des features à travers l’entraînement et l’inférence.
Production
Déployez des modèles de ML conçus n’importe où pour une inférence à faible latence.
Enregistrez les modèles créés n’importe où dans Snowflake Model Registry pour les prédictions en temps réel ou par batch sur les données Snowflake avec des GPU ou des CPU distribués.
- Contrôlez facilement les indicateurs de performances et d’écarts grâce à l’intégration de ML Observability.
« Auparavant, le processus d’entraînement de tous ces modèles et de génération de prévisions prenait une demi‑heure. Désormais, le modèle unifié de Snowflake est très rapide. Quelques minutes suffisent pour générer des prévisions pour des centaines de milliers de clients. Cette rapidité et cette simplicité nous permettront de débloquer des capacités supplémentaires pour l’entreprise, comme la simulation et la prévision de scénarios. »
Dan Shah
Manager of Data Science, IGS Energy
Coinbase simplifie les flux de travail ML et réduit le temps de déploiement de plusieurs mois à quelques heures
Grâce aux fonctionnalités de ML de Snowflake, Coinbase déploie le machine learning à grande échelle, élimine les pipelines complexes et accélère le délai de rentabilisation.
Présentation des fonctionnalités
En savoir plus sur les fonctionnalités intégrées pour le développement
et la production dans Snowflake ML
Premiers pas
Passez à l’étape suivanteavec Snowflake
Commencez votre essai gratuit de 30 jours
- 400 USD de crédits d’utilisation offerts pour commencer
- Accès immédiat aux dernières features de Snowflake ML
- Créez et déployez un modèle avec des CPU ou des GPU
ML de bout en bout
Questionsfréquentes
Puis-je utiliser des CPU ou des GPU pour les flux de travail de ML dans Snowflake ?
Oui, les data scientists et les ML engineers peuvent créer et déployer des modèles avec traitements distribués dans des CPU ou GPU. C’est possible grâce à l’infrastructure sous-jacente en conteneurs de la plateforme Snowflake ML.
Comment créer des modèles à partir de données Snowflake ?
Vous pouvez créer des features et des modèles directement à partir de Snowflake Notebooks, ou via n’importe quel IDE de votre choix avec ML Jobs.
Puis-je exécuter en production uniquement des modèles créés dans Snowflake ?
Non, vous pouvez utiliser des modèles créés n’importe où en externe pour les exécuter en production sur des données Snowflake. Pendant l’inférence, vous pouvez tirer parti des fonctionnalités de MLOps intégrées telles que l’observabilité du ML et la gouvernance RBAC.
Snowflake ML est-il compatible avec l’open source ?
Oui, Snowflake ML est entièrement compatible avec toutes les bibliothèques open source. Accédez de manière sécurisée à des référentiels open source via pip et intégrez n’importe quel modèle à partir de hubs tels que Hugging Face.
Comment fonctionne la tarification de Snowflake ML ?
Snowflake fonctionne sur un modèle de tarification à la consommation. Consultez ici le dernier tableau de tarification des crédits.
Puis-je essayer Snowflake ML gratuitement
Oui, vous pouvez essayer l’un de nos quickstarts sur le ML directement avec votre essai gratuit.
