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 die Seite ODBC-Download	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)
		BoostKPI: Keine Anforderungen Snowflake: Keine Anforderungen	Zusätzliche Ressourcen: BoostKPI-Integration in Snowflake (BoostKPI-Website)
		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 von der JDBC-Treiberseite im Maven Central Repository	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)
		Hex: Keine Anforderungen Snowflake: Keine Anforderungen	Zum Testen verfügbar unter Snowflake Partner Connect. Validiert durch das Snowflake Ready Technology Validation Program. Zusätzliche Ressourcen: Abfragen von Snowflake-Daten direkt aus einem leistungsstarken Daten-Notebook (Hex-Website) Verbinden mit Daten (Hex-Dokumentation)
		KNIME: Analytics Plattform 4.4.0 (oder höher) Erweiterung: KNIME Snowflake-Integration Snowflake: Keine (JDBC-Treiber eingebettet in die KNIME-Erweiterung); andere Snowflake Treiber werden ebenfalls unterstützt	Zusätzliche Ressourcen: Übersicht: KNIME für Snowflake-Benutzer (KNIME-Website) Sammlung: KNIME für Snowflake-Benutzer (KNIME Community Hub) KNIME Snowflake Erweiterungshandbuch (KNIME-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)
		SAS: Cloud Analytic Services 3.4 (oder höher) SAS/ACCESS 9.4 (oder höher) für relationale Datenbanken Snowflake: ODBC-Treiber – Download über die Seite ODBC-Download	Zusätzliche Ressourcen: Snowflake: Datenkonnektor-Details (SAS-Dokumentation) SAS/ACCESS-Schnittstelle zu Snowflake (SAS-Dokumentation)
		Spark: 3.0 (oder höher) Scala: 2.12 oder 2.13 Snowflake: JDBC-Treiber – Download von der JDBC-Treiberseite im Maven Central Repository Konnektor für Spark – Download von der Seite für den Snowflake-Konnektor für Spark im Maven Central Repository	Zusätzliche Ressourcen: Konfigurieren von Snowflake für die Kommunikation mit Spark (Ausführung auf EMR) (Snowflake-Community)
		Tellius: Keine Snowflake: Keine	Zusätzliche Ressourcen: Tellius + Snowflake für Sofortanalysen & AI in großem Maßstab (Tellius-Website) 4 Dinge, die Tellius + Snowflake besonders auszeichnen (Tellius-Website) Daten in Snowflake Data Cloud mit Java-UDFs in Tellius transformieren (Tellius-Website)
		Zepl: Keine Anforderungen Snowflake: JDBC-Treiber – Download von der JDBC-Treiberseite im Maven Central Repository Konnektor für Spark – Download von der Seite für den Snowflake-Konnektor für Spark im Maven Central Repository	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)