Utilisation de modèles partitionnés
Snowflake Model Registry prend en charge le traitement distribué de l’entraînement et de l’inférence des données partitionnées lorsque : L’ensemble de données contient une colonne qui identifie de manière fiable les…
DESCRIBE MODEL MONITOR
Fonctionnalité en avant - première — En accès libre Disponible pour tous les comptes. Affiche des informations sur un moniteur de modèle spécifique. Cette commande affiche toutes les informations présentées par la commande SHOW…
Tutoriel : premiers pas avec les fonctions de métrique de données
Dans ce tutoriel, vous apprendrez à : Créer une fonction de métrique des données personnalisée (DMF) pour mesurer la qualité des données. Gérez la DMF pour optimiser l’utilisation du crédit sans serveur. Surveillez…
Snowflake Data Clean Rooms : Créez un modèle d’analyse personnalisé avec une interface utilisateur
Snowflake Data Clean Rooms : Créez un modèle d’analyse personnalisé avec une interface utilisateur Fonction — Généralement disponible Non disponible dans les régions gouvernementales.
SHOW MODEL MONITORS
Fonctionnalité en avant - première — En accès libre Disponible pour tous les comptes. Répertorie tous les moniteurs de modèles auxquels vous pouvez accéder dans le schéma actuel ou spécifié et affiche des informations sur chacun…
SHOW MODELS
Répertorie les modèles de machine learning auxquels vous avez le droit d’accéder. La sortie renvoie les métadonnées et les propriétés de la table, classées lexicographiquement par nom de base de données, de schéma et de modèle…
Prétraitement et post-traitement à l’aide de modèles
Snowflake ML permet une intégration transparente des modèles en mémoire scikit - learn dans le registre de modèles en utilisant des arguments de type mot - clé avec la classe ModelContext.
Utilisation des types de modèles intégrés
Snowflake Model Registry prend en charge les types de modèles intégrés suivants : Snowpark ML Modeling scikit - learn XGBoost LightGBM CatBoost PyTorch TensorFlow MLFlow PyFunc Transformateur de phrases Pipeline Hugging Face D’autres…
Explicabilité des modèles
Au cours du processus d’entraînement, les modèles de machine learning déduisent les relations entre les entrées et les sorties, plutôt que d’exiger que ces relations soient explicitement énoncées au préalable.
Tutoriel : premiers pas avec l’application Web d’une Snowflake Data Clean Room
Une Snowflake Data Clean Room est un environnement sécurisé par chiffrement qui permet à des entités de collaborer sur des données sensibles. Elle permet à une entité de partager ses données avec un collaborateur tout en…