junio 29, 2022

Después de Snowflake, Databricks también se integra con Tecton para acelerar los proyectos empresariales de ML

Para fortalecer aún más nuestro compromiso de brindar una cobertura de tecnología de datos líder en la industria, VentureBeat se complace en dar la bienvenida a Andrew Brust y Tony Baer como colaboradores regulares. Vea sus artículos en la canalización de datos.

Databricks está ganando soporte para la tienda de funciones de Tecton a medida que un número creciente de empresas buscan aprovechar su plataforma Lakehouse para proyectos de aprendizaje automático (ML).

En un comunicado el jueves, Tecton anunció una integración que hará que su tienda de funciones esté disponible en la plataforma Databricks, brindando a los clientes conjuntos una forma de construir y automatizar su flujo de funciones de ML, desde el prototipo hasta la producción, en minutos.

“Sobre la base poderosa y altamente escalable de Databricks para datos e IA, Tecton amplía la infraestructura de datos subyacente para admitir requisitos específicos de ML. Esta asociación con Databricks permite a las organizaciones incorporar el aprendizaje automático en aplicaciones y procesos comerciales en vivo orientados al cliente de manera rápida, confiable y a escala ”, dijo Mike Del Balso, cofundador y director ejecutivo de Tecton.

¿Cómo acelera la tienda de características de Tecton la distribución de aplicaciones ML?

Para que cualquier aplicación predictiva funcione, el modelo de ML subyacente debe entrenarse con datos históricos. En la mayoría de los casos, estos datos se pueden ver como una tabla, con filas que representan ciertos elementos y columnas que proporcionan atributos que describen esos elementos. Cada atributo individual, o propiedad medible, se denomina característica. Los científicos de datos suelen aplicar transformaciones a los datos sin procesar para crear funcionalidad para los modelos de ML, pero el proceso presenta desafíos de ingeniería únicos y requiere mucho tiempo, lo que afecta los plazos de capacitación e implementación.

Una tienda de características ofrece a los científicos de datos un lugar dedicado para guardar la funcionalidad desarrollada para su reutilización en una etapa posterior o por otro miembro del equipo dentro de la misma organización. Tecton también hace el mismo trabajo, aunque su oferta va un paso más allá y también automatiza todo el ciclo de vida de las capacidades de ML, desde la transformación de datos sin procesar hasta la publicación para inferencia.

De esta manera, cuando se integran con Databricks, los equipos pueden automatizar la creación de capacidades de ML y poner en funcionamiento aplicaciones de ML en minutos en lugar de meses. Todo funciona sin tener que salir del área de trabajo de Databricks.

“Un usuario de Databricks podrá definir características en Tecton y esas características se procesarán, orquestarán y almacenarán utilizando Databricks. Estarán disponibles en un cuaderno Databricks para usuarios que están entrenando modelos y también están disponibles para inferencia en línea, para alimentar modelos que se ejecutan en producción «, dijo Del Balso a VentureBeat.

“La funcionalidad histórica se almacena en Delta Lake, lo que significa que toda la funcionalidad creada por un usuario está disponible de forma nativa en la casa del lago de datos. Los usuarios de Databricks también tienen acceso a MLflow, donde pueden hospedar modelos entrenados y crear puntos finales de servicio para proporcionar predicciones en tiempo real. En pocas palabras, a través de esta integración, un usuario de Databricks puede definir y administrar características en Tecton, procesar valores de características usando el cálculo de Databricks y proporcionar predicciones usando MLflow”, agregó.

Adopción generalizada

Varios clientes de Tecton y Databricks, incluidas las empresas Fortune 500, ya están utilizando esta integración para impulsar aplicaciones predictivas en tiempo real, como detección de fraude, suscripción en tiempo real, precios dinámicos, recomendaciones y personalización. Sin embargo, Databricks no es la única empresa con este tipo de integración.

Hace unos meses, Snowflake también se asoció con Tecton para presentar su tienda de características en su nube de datos. El compromiso también incluyó la integración de su tienda de funciones de código abierto «Feast».

La misión de VentureBeat debe ser una plaza de la ciudad digital para que los tomadores de decisiones técnicas obtengan información sobre la tecnología y las transacciones comerciales transformadoras. Obtenga más información sobre la membresía.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.