San Diego/Starnberg, 27. Juni 2023 - Neue ClearScape Analytics-Funktionen von Teradata können KI-Initiativen mit Dataiku-Modellen beschleunigen; mehr ROI aus KI-Investitionen…
Zur Ankündigung: Teradata kündigte heute neue ClearScape-Analytics-Funktionen an, mit denen KI-Modelle von Dataiku in die Analyse- und Datenplattform Vantage importiert und schnell genutzt werden können. Die Kombination von Dataiku und ClearScape Analytics von Teradata ermöglicht es Unternehmen, die digitale Transformation zu beschleunigen und einen KI-gestützten geschäftlichen Mehrwert zu schaffen. Viele KI-Projekte enden in einer „Proof-of-Concept“-Sackgasse, da eine Vielzahl von Herausforderungen Unternehmen daran hindert, einen ROI aus ihren KI-Investitionen zu erzielen. Alle Unternehmen, die mit Daten für KI/ML arbeiten, müssen ihre KI-Modelle vorbereiten, trainieren und betreiben.
Data Scientists verbringen jedoch fast 80 Prozent ihrer KI-Projektzeit mit der bloßen Vorbereitung der Daten. Dies kann laut Teradata zu einer Verzögerung von etwa fünf Monaten bei der Bereitstellung von KI-Modellen in der betrieblichen Praxis führen. „Im Durchschnitt schaffen es 54 Prozent der KI-Projekte von der Pilotphase in die betriebliche Praxis“, so Gartner. Eine Vielzahl von Unternehmen hat demnach Schwierigkeiten, ihr KI-Versprechen zu erfüllen.
All-in-One-Lösung für KI-Modelle
Ziel der Zusammenarbeit zwischen Teradata und Dataiku ist es laut Ankündigung, diese Herausforderungen mit einer All-in-One-Lösung zu lösen. Sie soll es Anwendern ermöglichen, KI-Modelle in großem Umfang vorzubereiten, zu trainieren und zu betreiben. Durch die Front-End-Benutzeroberfläche von Dataiku und die No-Code-Funktionalität in Kombination mit den Analysefunktionen von Teradata VantagenClearScape Analytics sind Kunden in der Lage, mehr KI-Modelle einzusetzen und im Unternehmen schnell zu skalieren.
Mit Teradata Vantage, ClearScape Analytics und Dataiku bekommen danach mehr Anwender Zugang zu erweiterten Analysen in einer einheitlichen Plattform. Dies beschleunigt Innovationen und ermöglicht den Einsatz von Künstlicher Intelligenz in großem Umfang. Die wesentlichen neuen Funktionen dieser Integration (Quelle, Anbieter):
-
Push Down von Dataiku zu Teradata Vantage: Die benutzerfreundliche Oberfläche von Dataiku kann SQL-Abfragen generieren, die auf Teradata Vantage weitergeleitet werden, um dort schneller und mit größerer Skalierbarkeit ausgeführt zu werden.
-
Teradata-Plugin für Dataiku: Das Teradata-Plugin für Dataiku bietet „visuelle Blöcke“ (Recipes) für die Ausführung der folgenden ClearScape-Analytics-Funktionen in großem Umfang auf der Vantage-Plattform. Externer Link > https://www.dataiku.com/product/plugins/teradata/
-
ClearScape Analytics In-Database-Funktionen: Das neue Plugin unterstützt laut Entwickler alle Funktionen von ClearScape Analytics in den Bereichen deskriptive Analyse, Datenbereinigung, Feature Engineering, maschinelles Lernen, Zeitreihen und digitale Signalverarbeitung, die nativ in die Analysedatenbank integriert sind. Der „Block“ (Recipe) in Dataiku bietet No-Code-Schnittstellen, die es ermöglichen, ClearScape Analytics-Funktionen in jedem Dataiku-Workflow zu nutzen.
-
BYOM (Bring Your Own Model): Vantage-Nutzer können jetzt in Dataiku entwickelte KI-Modelle nativ direkt in Vantage importieren. Diese Funktion optimiert die Arbeit, die für die Bereitstellung von Dataiku-Modellen in Vantage erforderlich ist. Dieser „Block“ („Recipe“) bietet außerdem No-Code-Schnittstellen für die Bewertung von PMML- und ONNX-formatierten Modellen.
-
Datenbankinternes Scripting: ClearScape Analytics unterstützt bereits seit einiger Zeit die native Ausführung von R- und Python-Skripten in Vantage. Mit dieser benutzerfreundlichen Schnittstelle in Dataiku können Data Scientists, die das Programmieren bevorzugen, ihre R- und Python-Skripte zur parallelen Verarbeitung in großem Umfang in Vantage übertragen.
Querverweis:
Unser Blogpost > Speicheranforderungen bei KI-Anwendungen: Randbedingungen und Einsatzkriterien
Unser Beitrag > Voraussetzungen zum erfolgreichen ML und KI-Einsatz mit Hilfe Cloud-basierter Analysetools
Unser Blogpost > Energieeffiziente Datenspeicherung im Rechenzentrum. Auf was ist zu achten?