ブログ
GPUによるSnowflakeでのscikit-learnとpandasの強化
GPUを使用して、scikit-learn、pandas、UMAP、HDBSCANを使用したモデル開発サイクルを加速する方法について紹介しています。コードの変更は不要です。
機能
Snowflake ML
Snowflake CoCo：データから予測インサイトへの移行を加速自然言語を使用して、実稼働可能なMLパイプラインを構築できます。ガバナンスが確保されたデータの場所で利用できます。
概要
エージェント型MLによるモデルの本番移行の高速化
Snowflake CoCoの自動化されたMLパイプラインにより、モデルのライフサイクルを加速できます。ガバナンスの確保された統合されたプラットフォーム上で、データ、特徴量、モデル、ノートブックを横断するネイティブコンテキストを使用して、ビジネスに合わせた予測インサイトを推進できます。
MLワークフローをシングルプラットフォームに統合
データがすでに存在する場所で、開発、推論、運用にまたがるワークフローを統合できます。
信頼できるMLインサイトの生成
一元的なリネージとロールベースのアクセス制御（RBAC）により、ライフサイクル全体にわたってSnowflakeの機能とモデルを発見、管理、ガバナンスの確保ができます。
MLワークフロー
ノートブックから Snowflake MLを使用した本番環境への移行
モデル開発
エージェント型MLを使用した、ネイティブのコンテキスト認識によるスケーラブルなモデルの構築
- Snowflake CoCoで自然言語プロンプトを使用して、MLパイプラインの生成や反復的な改善を実行できます。
Snowflake Notebookから、またはSnowflakeのVS Code Extensionを使用してVS Codeから直接、またはCursorを通じて、データロードを最適化し、トレーニングを加速できます†。
XGBoostやPyTorchなどのプリインストールされたライブラリを使用するか、PyPIやHugging Faceなどのオープンソースハブからpipコマンドでインストールします。
Cortex Training*：オープンウェイトの基礎モデルのカスタマイズとトレーニングを実行します。
特徴量管理
実稼働グレードのパイプラインのためのバッチとリアルタイムの特徴量の開発と管理
Snowflake特徴量ストアを活用して、バッチデータやストリーミングデータに対し、継続的かつ自動化されたリフレッシュを実行します。20ミリ秒未満という低レイテンシーの環境で、ML特徴量の作成、管理、そして提供を実現します。
トレーニングと推論全体にわたって、特徴量の発見可能性、再利用、ガバナンスを促進します。
統合された特徴量ストアUIにより、パイプライン全体にわたって特徴量を簡単に検索して視覚的にトレースできます。
モデル管理
任意の環境で構築されたMLモデルを、バッチおよびオンライン推論向けに展開
各プラットフォームに構築されたモデルをSnowflakeモデルレジストリに登録し、Snowflake上のデータに対してCPUまたはGPUを用いたバッチまたはほぼリアルタイムで予測を実行できます。
- 統合されたMLのオブザーバビリティにより、パフォーマンスとドリフトメトリクスを簡単に監視できます。
「以前は、これらのモデルをすべてトレーニングして予測を生成するプロセスに30分かかっていました。Snowflake上の統合モデルは、非常に迅速です。数十万のお客様の予測を生成するのにわずか数分で済みます。このスピードとシンプルさによって、シミュレーションやシナリオ予測など、ビジネスのさらなる可能性が広がります」
—Dan Shah氏
データサイエンス担当マネージャー
機能の概要
Snowflake MLでの開発および本番環境向けの
統合機能の詳細は、こちらをご確認ください。
今すぐ開始する
Snowflakeを実際に使ってみる
MLクイックスタートを今すぐお試しください 30日間のトライアル
- 400ドルの無料クレジット
- 最新のSnowflake MLの機能に迅速にアクセス
- CPUまたはGPUを使用したモデルの構築と展開
エンドツーエンドのML
よくある 質問
Snowflake MLについてのよくある質問と以下の回答をご覧ください。最も一般的な質問をいくつか挙げました。Snowflake MLの仕組みと開始方法についての理解にお役立てください。
SnowflakeでMLワークフローにCPUとGPUの両方を使用できますか？
はい、データサイエンティストやMLエンジニアは、CPUやGPUで分散処理を実行するモデルを構築して展開できます。これは、Snowflake MLプラットフォームを支える基盤となるRayベースのモダンコンテナのインフラストラクチャによって実現しています。
Snowflakeはバッチとリアルタイムの両方のMLワークフローをサポートしていますか？
はい、Snowflake MLはオンラインとバッチの両方のワークロードを処理します。リアルタイムのニーズに対しては、オンラインで特徴量ストアとモデル推論を一般提供しており、パーソナライズされたレコメンデーション、不正検知、価格最適化、異常検知などのユースケースを強化できます。
Snowflakeで構築したモデルは実稼働環境でのみ実行できますか？
いいえ、外部で任意の場所に構築したモデルを持ち込み、Snowflakeデータで実稼働させることができます。推論時には、MLのオブザーバビリティやRBACガバナンスなどの統合されたMLOps機能を活用できます。
Snowflake MLはオープンソースと互換性がありますか？
はい、Snowflake MLはあらゆるオープンソースライブラリと高度な互換性があります。pipを使用してオープンソースリポジトリにセキュアにアクセスし、Hugging Faceなどのハブから任意のモデルを取り込みます。
Snowflake MLの料金の仕組みはどのようになっていますか？
Snowflakeは従量課金の料金モデルを採用しています。最新のクレジット料金表をご確認ください。
Snowflake MLを無料で試すことはできますか？
はい、無料トライアル体験から直接、MLクイックスタートを試すことができます。
