A Comet és a Snowflake egyesíti erőit a gépi tanulási adathalmazok reprodukálhatóságának javítása érdekében

A Comet, az MLOps platform stratégiai együttműködést jelentett be a Snowflake-kel, amelynek célja, hogy növelje az adattudósok képességét a kiváló gépi tanulási modellek gyorsabb létrehozására.

A stratégiai partnerség révén a Comet szoftvermegoldásait integrálja a Snowflake egységes platformjába, lehetővé téve a fejlesztők számára, hogy hatékonyabban nyomon követhessék és verziózzák Snowflake lekérdéseiket és adatkészleteiket. A Comet szerint ez az integráció javítani fogja a modellek származásának és teljesítményének nyomon követését, ami a hagyományos fejlesztési módszerekhez képest nagyobb átláthatóságot és megértést eredményez, és hatással lesz a modell teljesítményére az adatváltozásokra adott válaszként. A Comet állítása szerint az együttműködés hatékonyabb és átláthatóbb modellfejlesztési folyamatot eredményez a Snowflake adatok felhasználásával.

A Snowflake Data Cloud és a Comet ML platformjának kombinációja lehetővé teszi az ügyfelek számára, hogy a modelleket lényegesen gyorsabban építsék, képezzék, telepítsék és monitorozzák. A Comet vezérigazgatója, Gideon Mendels szerint a partnerség elősegíti a Comet modellfejlesztése és a Snowflake adatkezelése közötti visszacsatolás kialakulását. Ez a hurok folyamatosan javíthatja a modelleket, megszüntetve a modellkísérletezés és a telepítés közötti szakadékot, és ezáltal felszabadítva a gépi tanulásban (ML) rejlő teljes potenciált. Kijelentette továbbá, hogy az adatkészletek és a modellek közötti egyértelmű verziókezelés képessé teszi a szervezeteket arra, hogy megfelelően kezeljék az adatváltozásokat és azok hatását a termelésben lévő modellekre.

Amikor a fejlesztők vagy az adattudósok lekérdezéseket hajtanak végre, hogy a Snowflake-ből adathalmazokat vonjanak ki az ML-modellekhez, a Comet naplózza, verziózza és közvetlenül összekapcsolja ezeket a lekérdezéseket az így kapott modellekkel. Gideon Mendels rámutatott, hogy ez a módszer számos előnnyel jár, többek között fokozott reprodukálhatósággal, együttműködéssel, ellenőrizhetőséggel és iteratív fejlesztéssel. A Comet és a Snowflake közötti integráció egy robusztus, átlátható és hatékony ML-fejlesztési keretrendszer létrehozására törekszik.

A Comet célja, hogy nyomon kövesse a modellek fejlődését, és ezáltal kapcsolatot teremtsen a modellteljesítményben bekövetkező változások és a konkrét adatmódosítások között. Ez a megközelítés segíti a hibakeresést és a teljesítmény megértését, miközben irányítja az adatminőséget és a funkciótervezést. A lekérdezések és az adatok időbeli követése visszacsatolási hurkot hozhat létre, ami folyamatos fejlesztésekhez vezet mind az adatkezelési, mind a modellfejlesztési szakaszokban.

A Cometet jelenleg használó ügyfelek, mint például az Uber, az Etsy és a Shopify, jellemzően arról számolnak be, hogy a gyorsabb kutatási ciklusoknak, a jobb együttműködésnek, valamint a modellteljesítmény megértésének és a problémák azonosításának képességének köszönhetően 70-80%-kal javult az ML sebességük. Gideon Mendels azt állítja, hogy a kombinált megoldással ezek a javulások tovább fokozódnak. A Comet célja, hogy a kutatás és a gyártás közötti szakadék áthidalásával a de facto mesterséges intelligencia fejlesztési platformként pozicionálja magát.

• AI
• gépi tanulás
• Együttműködés
• Integráció
• Adatkezelés
• Snowflake
• Adattudomány
• Comet
• Modellfejlesztés
• Teljesítménykövetés