Dataiku宣布获得Snowflake战略投资,赋能企业通过数据云中的高级分析来创造更多价值

本文主要是介绍Dataiku宣布获得Snowflake战略投资,赋能企业通过数据云中的高级分析来创造更多价值,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

纽约--(美国商业资讯)--全球领先的人工智能(AI)与机器学习平台之一Dataiku今天宣布获得一笔来自Snowflake旗下风投子公司Snowflake Ventures的新投资。Dataiku和Snowflake将携手提供可供企业运用的AI功能,使客户能够轻松快速地构建、部署和监管各类数据科学项目,包括机器学习和深度学习。

在Dataiku的支持下,Snowflake的客户可以获得独特的视觉界面和体验,进而助力广大商务用户和数据团队用户进行协作,他们可以访问和利用数据云来创建自动化的数据管道、强大的预测分析功能和由Snowflake提供支持的实用AI驱动应用程序。

自2020年11月宣布加强合作以来,越来越多的客户受益于Snowflake高性能、近乎无限的规模和并行控制与Dataiku机器学习和模型管理能力的强强联合。此外,Dataiku最近还与Snowflake合作推出了Dataiku Online,这款全面的SaaS产品与Snowflake进行了预整合,可快速整合客户数据并迅速为客户创造价值。

Snowflake和Dataiku之间的进一步创新合作,将使双方客户能够快速访问新的云数据,这对于创建功能强大的AI驱动应用程序和弹性流程至关重要。借助Dataiku的下推架构,客户将能够利用Snowflake平台上基于使用情况、按秒计费的定价,进行数据处理、AI开发以及在生产中运行数据和AI管道。

这笔新投资和双方深化的合作关系将通过Snowflake的新开发者体验平台Snowpark得到进一步增强。目前正处于预览阶段的Snowpark将使数据工程师、数据科学家和开发人员能够使用熟悉的编程概念,用Scala、Java和Python等语言编写代码,然后在Snowflake上执行数据转换、数据准备和特征工程等工作负载。

Snowflake产品高级副总裁Christian Kleinerman表示:“我们与致力于调动数据并为客户创造价值的公司进行合作并投资。对Dataiku的投资加强了我们牢固的合作关系和共同承诺,帮助我们的客户利用人工智能和机器学习,实现数据云带来的好处。”

Dataiku首席执行官Florian Douetteau表示:“过去的一年向每一家企业证明,数据对于企业韧性至关重要。这种韧性可以通过扩展对云中数据的访问权限,加上快速获得见解和开发预测应用程序的能力来实现。我们相信,与Snowflake的深入合作将帮助我们的共同客户更快、更好地适应、扩展和迎接新挑战。”

关于Dataiku

Dataiku是全球领先的AI和机器学习平台之一,通过企业级协作、弹性和负责任的AI支持组织数据工作的敏捷性。Dataiku被数以百计的公司用来支撑其基本业务运营,并确保他们在时刻变化的世界中保持相关性,包括模型驱动的欺诈检测、防止客户流失、预测性维护、供应链优化等等。Dataiku为希望在整个组织中实现AI民主化的公司而打造,通过使用从分析师到数据科学家在内的所有人的数据,帮助企业变得敏捷和做好准备。

这篇关于Dataiku宣布获得Snowflake战略投资,赋能企业通过数据云中的高级分析来创造更多价值的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554160

相关文章

从基础到高级详解Go语言中错误处理的实践指南

《从基础到高级详解Go语言中错误处理的实践指南》Go语言采用了一种独特而明确的错误处理哲学,与其他主流编程语言形成鲜明对比,本文将为大家详细介绍Go语言中错误处理详细方法,希望对大家有所帮助... 目录1 Go 错误处理哲学与核心机制1.1 错误接口设计1.2 错误与异常的区别2 错误创建与检查2.1 基础

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda