ML et IA générative dans le lac de données (French Edition)

Chapitre 1. Aperçu de l'apprentissage automatique, de l'IA et de la GenAI

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

L'IA s'est profondément intégrée dans notre quotidien, des assistants virtuels et des systèmes automatisés aux algorithmes sophistiqués qui améliorent les soins de santé et guident les décisions financières. Ce qui a commencé comme des systèmes rigides, basés sur des règles, a évolué à travers plusieurs étapes transformatrices : l'apprentissage automatique (ML), le Deep Learning, et maintenant la GenAI. Chaque étape s'est appuyée sur ses prédécesseurs pour débloquer de nouvelles capacités.

L'architecture « lakehouse » s'impose comme la solution idéale pour développer et déployer ces solutions d'IA. Une « lakehouse » combine les meilleurs atouts de deux paradigmes traditionnels de gestion des données : l'évolutivité et la rentabilité des lacs de données, ainsi que les capacités de gestion, de gouvernance et de performance des entrepôts de données. Cette architecture unifiée stocke les données dans des formats ouverts sur un stockage objet dans le Cloud, permettant aux organisations de conserver des pétaoctets de données propres et bien organisées sur une seule plateforme.

Qu'est-ce qui rend le lakehouse particulièrement adapté aux charges de travail d'IA et de ML ? Premièrement, les modèles de ML nécessitent de vastes quantités de données diverses (tables structurées, texte non ...