高度な Snowflake

第6章. AIとMLのためのSnowflake

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

この章では、Snowflakeのプラットフォームに統合アナリティクスの大きな進歩をもたらす、SnowflakeのAIエコシステムについて説明する。 エコシステムは常に進化しており、現在ではSnowflakeユーザが持つ可能性のあるすべてのAIとMLのユースケースに対する解決策を提供している。

その中心には、Snowflakeの大規模言語モデルへのゲートウェイであるSnowflake Cortexがある。これには、Anthropic、Mistral、Reka、Meta、Googleなどの企業によってトレーニングされたLLM（）、Snowflake独自のSnowflake Arctic（Snowflakeは利用可能なすべてのモデルをリストアップしている）が含まれる。Snowflake Cortexは、大規模言語モデル、ベクトル処理、時系列分析をネイティブにサポートし、データ移動や複雑なインフラ管理を必要としない。 これにより、高度なジェネレーティブAIワークロードを既存のデータアーキテクチャ内で直接実行することができる。 これは、以前のハンズオン例で見たSnowflake Notebooksで補完されている。これは、データサイエンスワークフローのパフォーマンスが強化された、使い慣れたJupyterベースの環境を提供する。PythonとSQLのビルトイン実行、簡素化されたパッケージ管理、エンタープライズガバナンスコントロールとのシームレスな統合が特徴だ。

さらに、迅速な開発のために、SnowflakeはCopilotを提供している。 この知能アシスタントは、最適化SQLの生成、パフォーマンス問題のトラブルシューティング、ワークロードやアクセスパターンに基づく改善提案などが可能で、非構造化データにも対応できる。 さらに、Document AIは、カスタマイズされた抽出パイプラインで複雑なドキュメント分析を可能にする自動インデックス作成と抽出サービスをプロバイダーする。 Snowpark Container Servicesによるカスタムモデルのデプロイのサポート、モデルレジストリの統合による機械学習オペレーションの合理化（MLOps）、本番機械学習システムのための包括的なフィーチャーストア機能なども評価できるだろう。 それでは、これらの機能のいくつかを詳しく説明し、その仕組みを探っていこう。

Snowflakeノートブック

Snowflake Notebooksは、、Snowsight内のデータサイエンスワークベンチ。基本的にはセルベースの開発環境であり、Python、SQL、Markdownを混在させることができる。 必要に応じて混在させることができる。データ探索、モデル構築、発見内容の文書化を一箇所で行う場合に最適である。Snowflake Notebooksでは、Snowflake環境からデータにアクセスできるだけでなく、外部ステージ（クラウドストレージ）からファイルにアクセスしたり、Snowflake Marketplaceからデータセットを探索したりする機能を維持したまま、ローカルマシンからSnowflakeにファイルをアップロードしてノートブックにアクセスすることもできる。

異なるワークロードをサポートするために、Snowflake Notebooksは2つの異なるランタイムをサポートしている：ウェアハウス環境とコンテナ環境。 ...