Machine Learning & Data Science

Machine Learning und Data Science – auch als erweiterte Analytik, Künstliche Intelligenz (AI) und „Big Data“ bezeichnet – decken eine breite Kategorie an Anbietern, Tools und Technologien ab, die erweiterte Funktionen für die statistische und prädiktive Modellierung bereitstellen.

Diese Tools und Technologien teilen sich oft einige überlappende Funktionen mit BI-Tools. Dabei konzentrieren sie sich aber weniger auf die Analyse/Berichterstattung über vergangene Daten. Stattdessen steht die Untersuchung großer Datasets im Vordergrund mit dem Ziel, Muster zu erkennen und nützliche Geschäftsinformationen aufzudecken, die zur Vorhersage zukünftiger Trends verwendet werden können.

Die folgenden Plattformen und Technologien für maschinelles Lernen und Data Science sind dafür bekannt, dass sie systemeigene Konnektivität zu Snowflake bereitstellen:

Lösung		Version / Installationsanforderungen	Anmerkungen
		Alteryx: Analytics 11.5 (oder höher) Snowflake: ODBC-Treiber – Download über das Snowflake Client Repository	Zum Testen verfügbar unter Snowflake Partner Connect. Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: Datenbank-integrierte Snowflake-Funktionalität jetzt verfügbar (Alteryx-Community-Blog) Unterstützte Datenquellen – Snowflake (Alteryx-Dokumentation)
		Amazon SageMaker: Keine Anforderungen Snowflake: Keine Anforderungen	Zusätzliche Ressourcen: Entwicklerhandbuch > Vorbereiten und Analysieren von Datasets > Importieren von Daten aus Snowflake (AWS-Dokumentation) Vorkonfigurierte Amazon SageMaker-Instanz mit Snowflake-Konnektor (Snowflake Blog)
		Big Squid: Keine Anforderungen Snowflake: Keine Anforderungen	Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: Wie erstelle ich eine Snowflake-Verbindung? (Big Squid-Unterstützung)
		Databricks: Runtime 4.2 Snowflake: Keine Anforderungen	Integration implementiert über den in Databricks Runtime eingebetteten Snowflake-Konnektor für Spark. Zusätzliche Ressourcen: Datenquellen – Snowflake (Databricks-Dokumentation)
		Dataiku: DSS Snowflake: JDBC-Treiber – Download über Maven	Zum Testen verfügbar unter Snowflake Partner Connect. Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: Verbindung zu Daten herstellen > SQL-Datenbanken > Snowflake (Dataiku-Dokumentation)
		DataRobot: Keine Anforderungen Snowflake: Keine Anforderungen	Zum Testen verfügbar unter Snowflake Partner Connect. Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: The Power of DataRobot + Snowflake (DataRobot-Blog)
		Domino: 3.6 (oder höher) Snowflake: Anforderungen finden Sie in der Domino-Dokumentation	Zusätzliche Ressourcen: Herstellen einer Verbindung zu Snowflake über Domino (Domino-Dokumentation)
		H2O.ai: Driverless AI 1.4.2 (oder höher) Snowflake: Keine Anforderungen	Zum Testen verfügbar unter Snowflake Partner Connect. Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: Verwenden von Datenkonnektoren mit systemeigenen Installationen – Snowflake (H2O.ai-Dokumentation)
		Qubole: Enterprise Edition Snowflake: Keine Anforderungen	Integration implementiert über den in Qubole Data Service (QDS) eingebetteten Snowflake-Konnektor für Spark. Zusätzliche Ressourcen: Schnellstartanleitung für Qubole (Qubole-Dokumentation) Qubole-Snowflake-Integrationsanleitung (Qubole-Dokumentation)
		Sprache R: Keine Anforderungen dplyr: 0.4.3 Snowflake: Dplyr-Erweiterung, v0.1.1 (oder höher) – Download von GitHub JDBC-Treiber – Download über Maven . oder . ODBC-Treiber – Download über das Snowflake Client Repository	Zusätzliche Ressourcen: dplyr README (Github) Konfigurieren von R, dplyr zur Verwendung von Snowflake – macOS (Snowflake-Community) Verbinden von R mit Snowflake mit dem 32-Bit-ODBC-Treiber – Windows (Snowflake-Community) Integration von Snowflake mit R über dplyr (Snowflake-Blog)
		SAS: Cloud Analytic Services 3.4 (oder höher) SAS/ACCESS 9.4 (oder höher) für relationale Datenbanken Snowflake: ODBC-Treiber – Download über das Snowflake Client Repository	Zusätzliche Ressourcen: Snowflake: Datenkonnektor-Details (SAS-Dokumentation) SAS/ACCESS-Schnittstelle zu Snowflake (SAS-Dokumentation)
		Spark: 2.3 (oder höher) Scala: 2.11 (oder höher) Snowflake: JDBC-Treiber – Download über Maven Konnektor für Spark – Download über Maven	Zusätzliche Ressourcen: Konfigurieren von Snowflake für die Kommunikation mit Spark (Ausführung auf EMR) (Snowflake-Community)
		Zepl: Keine Anforderungen Snowflake: JDBC-Treiber – Download über Maven Konnektor für Spark – Download über Maven	Zum Testen verfügbar unter Snowflake Partner Connect. Zusätzliche Ressourcen: Zepl und Snowflake bringen Data Science als Service in Cloud Data Warehouses (Zepl Blog) Erste Schritte mit Zepl und Snowflake in Minuten (Zepl Blog) Zepl und Snowflake – Data Science as a Service für Ihr Cloud-Warehouse (Zepl Solution Brief)