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
ガバナンスが確保されたデータと同じプラットフォーム上に分散したGPUやCPUを配置することで、プロトタイプから実稼働環境まで機械学習を加速できます。一元的なUIを通じて、メンテナンスや構成のインフラストラクチャなしに、リアルタイムとバッチワークフローのモデル開発とMLOpsを合理化できます。
概要
MLワークフローのために多くのツールをつなぎ合わせるのは、複雑さの原因となります。単一のプラットフォームで、モデルの本番展開をスムーズに実現します。
ツール、リアルタイムおよびバッチのワークフロー、そしてスケーラブルなコンピュートインフラストラクチャをデータのある場所へと集約します。MLの特徴量からモデルの開発、展開、監視までを、完全に統合されたプラットフォーム上で実現します。
開発とMLOpsの統合
データの存在するプラットフォーム上で、あらゆるオープンソースモデルを使用してモデルパイプラインをエンドツーエンドで統合できます。
すぐに使えるモデルのスケーリング
組み込みのインフラストラクチャ最適化により、MLパイプラインをCPUやGPU上でスケーリングできます。手動のチューニングや設定は不要です。
信頼できるMLインサイトを生成する
ライフサイクル全体を通じて、Snowflakeで特徴量やモデルの発見、管理、ガバナンス維持を実施できます。
MLワークフロー
Snowflake MLを活用して開発から実稼働までの時間を短縮
モデル開発
エージェント型MLワークフローでSnowflakeデータ上にスケーラブルなモデルを構築
- Cortex Codeを使用して、自然言語プロンプトから、完全に実行可能なMLパイプラインを自律的に生成、反復、改良できます。
ML Jobsを使用して、データロードを最適化し、コンテナランタイムを活用し、Snowflake Notebookまたは任意のIDEから、データロードを最適化しつつモデルトレーニングを分散実行できます。
- 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HuggingFaceなどのオープンソースハブから任意のパッケージをpipコマンドでインストールします。
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更新を実行します。30ミリ秒未満という極めて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。
実稼働での展開
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
- 場所を問わず構築されたあらゆるモデルを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リアルタイム予測を実行できます。
100ミリ秒未満でモデルを提供し、パーソナライズされたレコメンデーションや不正検知などの低レイテンシーのオンラインユースケースを強化できます。
- 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
「Snowflakeで97～99%の精度で完全自動化されたリアルタイムの料金見積もりを提供することで、コストの透明性を高め、決済プロセスやレポーティングプロセスに対する信頼を強化できました」
—Venkata Kalyan Sanaboyina氏
シニアエンジニアリングリード
機能の概要
Snowflake MLが提供する、開発から実稼働までを支える
統合機能の詳細はこちらをご覧ください。
今すぐ開始する
Snowflakeを実際に使ってみる
30日間の無料トライアルを開始する Snowflakeトライアルをすぐに開始する
- 400ドルの無料クレジットで開始
- 最新のSnowflake ML特徴量に迅速にアクセス
- 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、最新のクレジット料金テーブルを使用した使用量ベースの価格設定モデルを採用しています。
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。
