Fonctions optimisées par ML Snowflake Cortex¶

En quoi consistent les fonctions optimisées par ML Snowflake Cortex ?¶

Les fonctions optimisées par ML Snowflake Cortex utilisent le machine learning pour détecter des tendances dans vos données. Nous fournissons un type de modèle approprié pour chaque fonction, de sorte que vous n’avez pas besoin d’être un développeur en machine learning pour en tirer parti. Seules vos données sont nécessaires.

Fonctions de séries temporelles¶

Ces fonctions entraînent un modèle de machine learning sur vos données de séries temporelles afin de déterminer comment une métrique spécifiée (par exemple, les ventes) varie dans le temps et par rapport à d’autres caractéristiques de vos données. Le modèle fournit ensuite des informations et des prédictions basées sur les tendances détectées dans les données.

• La prévision prévoit les valeurs métriques futures à partir des tendances passées dans les données temporelles.

• La détection des anomalies signale les valeurs métriques qui diffèrent des attentes habituelles.

• Contribution Explorer vous aide à trouver des dimensions et des valeurs qui affectent la métrique de manière surprenante.

Autres fonctions d’analyse¶

Ces fonctions ne nécessitent pas de données de série chronologique. Le modèle de machine learning est formé de sorte à distinguer différents types d’entités dans vos données.

• La classification trie les lignes en deux classes ou davantage en fonction de leurs caractéristiques les plus prédictives.

Considérations relatives aux clients¶

Lorsque vous utilisez des fonctions optimisées par ML Snowflake Cortex, vous encourez des frais de stockage et de calcul. Ces coûts varient en fonction de la fonction utilisée et de la quantité de données utilisées pour l’entraînement et la prédiction.

Les coûts de stockage que vous supportez reflètent le stockage des instances du modèle ML créées au cours de l’étape de formation. Pour voir les objets associés à votre instance de modèle, accédez aux vues Account Usage (par exemple, ACCOUNT_USAGE.TABLES et ACCOUNT_USAGE.STAGES). Ces objets apparaîtront avec des colonnes de base de données et de schéma nulles. La colonne instance_id, en revanche, sera remplie et indiquera que ces objets sont contenus dans une instance de modèle. Ces objets sont entièrement gérés par l’instance de modèle, et vous ne pouvez pas y accéder ou les supprimer séparément. Pour réduire les coûts de stockage associés à vos modèles, supprimez les modèles inutilisés ou obsolètes.

Consultez Comprendre le coût du calcul pour obtenir des informations générales sur les coûts de calcul de Snowflake.