ワークスペースのSnowflake Notebooks¶
概要¶
ワークスペースでの新しいSnowflake Notebooksエクスペリエンスは、パフォーマンスの向上、開発者の生産性の向上、Jupyterの互換性を提供します。ワークスペース環境は、簡単なファイル管理をサポートしており、個々のノートブックやプロジェクトファイルを反復処理できます。フォルダーを作成し、ファイルをアップロードし、ノートブックを整理します。ノートブックファイルはワークスペースのタブで開かれ、編集および実行できます。
この新しい製品は以下を備えています。
慣れ親しんだJupyterエクスペリエンス - 管理されたSnowflakeデータへの直接アクセスを備えたJupyterノートブック環境をサポートします。
強化された IDE 機能 - 生産性を向上させる編集ツール、ファイル管理、およびターミナルへのアクセス。
AI/ML に強い - スケーラブルな AI/ML 開発に最適化され、 CPUs および GPUs への完全に管理されたアクセスを持つ事前構築済みのコンテナ環境で実行されます。
管理されたコラボレーション - 統合ワークスペース または 共有ワークスペース により、複数のユーザーがロールベースのアクセス制御とバージョン履歴を備えた同じワークスペースで作業できるようにします。
スケジュールとオーケストレーション - ネイティブスケジューラーを使用するか、ノートブックを実稼働パイプラインのオーケストレーションスクリプトに組み込みます。
機械学習（ ML ）ワークフローの利点¶
ワークスペースのノートブックは、 ML ワークフローに2つの主要な機能を提供します。
エンドツーエンドのワークフロー - プラットフォームにより、ユーザーは単一のJupyterノートブック環境内で、ソースデータアクセスからモデル推論まで、完全な ML ライフサイクルを統合することができます。この環境は基盤となるデータプラットフォームと統合されており、データとコード資産の既存のガバナンスとセキュリティ制御を継承できます。
スケーラブルなモデル開発アーキテクチャ - アーキテクチャは、オープンソースソフトウェア（ OSS ）モデル開発機能を提供することで、スケーラブルなモデル開発をサポートしています。ユーザーは、指定された CPU または GPU コンピューティングプール全体で分散データのロードとトレーニングにアクセスできます。この設計は、分散コンピューティングリソースの手動構成の必要性を抽象化することにより、 ML インフラストラクチャ管理を簡素化します。
Snowflake ML の詳細については、 Snowflake ML：エンドツーエンドの機械学習 をご参照ください。