Eindgebruikers van Snowflake kunnen nu zonder problemen hun data in Azure Machine Learning (Azure ML) integreren voor het trainen van deze data voor AI-modellen. Ook is de functionaliteit van Azure ML uitgebreid.
De integratie met het grote data warehouseplatform door Microsoft maakt het voor gebruikers, zoals datawetenschappers, mogelijk Snowflake-data direct, met een enkel commando, in Azure ML te importeren voor verdere verwerking. Zonder daarvoor afhankelijk te zijn van oplossingen van derde partijen of door echte dataspecialisten in te schakelen.
Voordelen integratie
De integratie brengt datawetenschappers een aantal voordelen. Onder meer een verbeterde samenwerking tussen datawetenschappers onderling, meer tijdsbesparing, een versimpelde workflow, meer flexibiliteit en meer traceerbaarheid van de data, zeker in het geval van het opnieuw trainen van deze data voor audits van de ontwikkelde AI- of ML-modellen.
Microsoft geeft overigens aan dat deze integratiemogelijkheid ook geldt voor cloudgebaseerde storagediensten als AWS S3.
Overige nieuwe functionaliteit Azure ML
De techgigant kondigt verder aan de functionaliteit van Azure ML op een aantal punten te hebben verbeterd. In public preview zijn nu lifecyclemanagement-mogelijkheden beschikbaar voor beheren van geïmporteerde datasets in een Azure ML datastore of een zogenoemde ‘hosted on behalf of ‘ (HOBO)-omgeving. Voornamelijk voor data die zijn geïmporteerd via de CLI en het SDK.
Daarnaast zijn ook nieuwe tracking-tools gepresenteerd. Deze moeten bedrijven helpen AI- of ML-trainingstaken te beheren. Ook is een aanpasbare lijst van trainingstaken geïntroduceerd. Last, but not least is functionaliteit toegevoegd die meetgegevens en afbeeldingen van trainingsprojecten samenvoegt, notities laat maken en custom views aanmaakt en opslaat.
Lees ook: ControlUp geeft nu ook inzicht in Microsoft Azure Virtual Desktop
5 uur geleden
