Lors de son événement Snowday 2023, Snowflake a annoncé de nouvelles avancées qui permettent aux développeurs de construire plus facilement des modèles de Machine Learning et des applications complètes dans le Data Cloud.

"L'essor de l'IA générative rend les données encore plus indispensables pour les entreprises. Snowflake facilite la mise en œuvre de ces données par les développeurs afin qu'ils puissent construire de puissants modèles de Machine Learning de bout en bout et des applications complètes nativement dans le Data Cloud", déclare Prasanna Krishnan, Senior Director of Product Management chez Snowflake. 

Les nouvelles avancées comprennent :

Améliorations des opérations Machine Learning de Snowpark : Le Snowpark Model Registry (public preview bientôt disponible) s'appuie désormais sur une entité de modèle native de Snowflake et permet le déploiement et la gestion évolutifs et sécurisés de modèles dans Snowflake, y compris une prise en charge élargie des modèles de Machine Learning et des LLM open-source de Hugging Face. Snowflake fournit également aux développeurs un Snowflake Feature Store intégré (private preview) qui crée, stocke, gère et sert les fonctionnalités ML pour l'entraînement et l'inférence des modèles.

Snowflake Notebooks : Les Snowflake Notebooks (private preview) sont une nouvelle interface de développement qui offre un environnement de programmation interactif basé sur des cellules pour les utilisateurs de Python et de SQL afin d'explorer, de traiter et d'expérimenter avec des données dans Snowpark. Les notebooks intégrés à Snowflake permettent aux développeurs d'écrire et d'exécuter du code, d'entraîner et de déployer des modèles à l'aide de Snowpark ML, de visualiser les résultats à l'aide d'éléments graphiques Streamlit, et bien plus encore, le tout au sein de la plateforme unifiée et sécurisée de Snowflake. 

API de modélisation Snowpark ML : L'API de modélisation Snowpark ML de Snowflake permet aux développeurs et aux data scientists d'étendre l'ingénierie des fonctionnalités et de simplifier l'entraînement des modèles pour un développement plus rapide et plus intuitif des modèles dans Snowflake. Les utilisateurs peuvent mettre en œuvre des frameworks populaires d'IA et de ML de manière native sur les données dans Snowflake, sans avoir à créer de procédures stockées (Disponibilité Générale bientôt disponible).