Blog
Use o Snowflake ML para criar, implementar e fornecer modelos em escala
Conheça as novidades mais recentes disponíveis ao público para criar e implementar modelos em escala no Snowflake.
RECURSO
SNOWFLAKE ML
Agilize o aprendizado de máquina (ML) desde o protótipo até a produção com GPUs ou CPUs distribuídas na mesma plataforma onde seus dados são governados. Simplifique o desenvolvimento de modelos e MLOps sem precisar manter ou configurar a infraestrutura. Tudo com uma interface de usuário centralizada.
Visão geral
Reunir muitas ferramentas para fluxos de trabalho de ML pode ser complexo. Prepare os modelos para produção em uma única plataforma.
Desenvolva, implemente e monitore recursos e modelos de aprendizado de máquina (machine learning, ML) em escala com uma plataforma totalmente integrada que reúne ferramentas, fluxos de trabalho e infraestrutura de processamento para os dados.
Integre desenvolvimento e MLOps
Unifique pipelines de modelos de ponta a ponta com qualquer modelo de código aberto na mesma plataforma onde seus dados residem.
Ajuste a escala dos modelos desde o início
Dimensione a escala de pipelines de ML em CPUs ou GPUs com otimizações de infraestrutura integradas, sem ajuste ou configuração manuais.
Gere insights confiáveis de ML
Descubra, gerencie e governe recursos e modelos no Snowflake durante todo o ciclo de vida.
Fluxo de trabalho de ML
Agilize o ciclo de vida do desenvolvimento à produção com Snowflake ML
Desenvolvimento de modelos
Crie modelos dimensionáveis em escala com base nos dados do Snowflake
Otimize a importação de dados e distribua o treinamento de modelos do Snowflake Notebooks on Container Runtime ou em qualquer IDE de sua preferência com ML Jobs.
- Use bibliotecas pré-instaladas, como XGBoost e PyTorch, ou use “pip install” para instalar qualquer pacote a partir de hubs de código aberto, como PyPi e HuggingFace.
Gerenciamento de recursos
Desenvolva e gerencie recursos para os pipelines de produção
Crie, gerencie e forneça recursos de ML com atualização contínua e automatizada de dados em lote ou de streaming usando o Snowflake Feature Store. Facilite a descoberta, a reutilização e a governança de recursos durante o treinamento e a inferência.
Produção
Implemente modelos de ML de qualquer origem para inferência de baixa latência
Registre modelos de qualquer origem no Snowflake Model Registry e implemente-os para previsão em tempo real ou em lote em dados do Snowflake com GPUs ou CPUs distribuídas.
- Monitore facilmente métricas de desempenho e de derivação com a função integrada ML Observability.
"Antes, o processo para treinar todos esses modelos e gerar previsões levava meia hora. O modelo unificado no Snowflake é super-rápido. É preciso apenas alguns minutos para gerar previsões para centenas de milhares de clientes. Essa rapidez e simplicidade ajudam a liberar mais recursos para a empresa, como previsão de cenários e simulação."
Dan Shah
Manager of Data Science, IGS Energy
Coinbase simplifica os fluxos de trabalho de ML, reduzindo o tempo de implementação de meses para horas
Com os recursos Snowflake ML, a Coinbase emprega aprendizado de máquina em escala, eliminando pipelines complexos e acelerando o tempo de retorno.
Visão geral dos recursos
Conheça melhor os recursos integrados para desenvolvimento
e produção no Snowflake ML.
Por onde começar
Dê o próximo passocom o Snowflake
Comece sua avaliação gratuita de 30 dias do Snowflake
- US$ 400 de crédito para começar a usar a plataforma de forma gratuita.
- Acesso imediato aos recursos mais recentes do Snowflake ML.
- Desenvolva e implemente um modelo com CPUs ou GPUs.
ML de ponta a ponta
Perguntas frequentes
Posso usar CPUs e GPUs para fluxos de trabalho de ML no Snowflake?
Sim, pode. Cientistas de dados e engenheiros de ML podem criar e implementar modelos com processamento distribuído em CPUs ou GPUs. Isso é possível graças à infraestrutura subjacente baseada em contêineres que move a plataforma Snowflake ML.
Como posso começar a criar modelos com base nos dados do Snowflake?
Você pode criar recursos e modelos diretamente do Snowflake Notebooks ou por meio de qualquer IDE de sua preferência com ML Jobs.
É possível executar apenas modelos em produção desenvolvidos no Snowflake?
Não. É possível trazer modelos de outras origens para executar em produção com base em dados do Snowflake. Durante a inferência, você pode usar os recursos integrados de MLOps, como observabilidade de ML e governança de RBAC.
O Snowflake ML é compatível com código aberto?
É sim. O Snowflake ML é compatível com todas as bibliotecas de código aberto. Você pode acessar, com segurança, repositórios de código aberto por meio de comando pip e importar qualquer modelo de hub, como o Hugging Face.
Como funciona o modelo de preços do Snowflake ML?
A Snowflake trabalha com um modelo de preços com base no consumo. Veja aqui a tabela mais recente de valores de créditos.
Posso testar o Snowflake ML de forma gratuita?
Sim, você pode testar qualquer um dos nossos quickstarts de ML diretamente durante a sua experiência de avaliação gratuita.
