جدیدترین تحولات هوش مصنوعی را در کانال بله هوشیو بخوانید

Generic filters
Search in title
Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
یادداشت
 علم داده سازمانی با ادغام «پرپلکسیتی کامپیوتر» و Snowflake

علم داده سازمانی با ادغام «پرپلکسیتی کامپیوتر» و Snowflake

زمان مطالعه: 2 دقیقه

علم داده به شرکت‌ها کمک می‌کند تا تصمیمات خود را بر اساس شواهد اتخاذ کنند، نه غریزه. اما برای بسیاری از تیم‌ها، داده‌های سازمانی همچنان در پسِ کدهای SQL، داشبوردها و صف‌های طولانیِ درخواست از تیم داده، محصور مانده است.

پرپلکسیتی اخیراً یک کانکتور جدید برای Snowflake معرفی کرده که پس از اتصال آن، تیم‌ها می‌توانند از طریق زبان طبیعی از «کامپیوتر» پرس‌وجو کنند تا داده‌های موردنیاز خود برای حل مشکلات، درک روندها یا هدایت استراتژی‌ها را به دست آورند. صدها شرکت در فهرست Fortune 500 از پلتفرم داده Snowflake برای ذخیره‌سازی داده‌های سازمانی، استقرار هوش مصنوعی و اجرای تحلیل‌ها استفاده می‌کنند.

دسترسی‌پذیرتر کردن داده‌ها

با اتصال «کامپیوتر» به Snowflake، هر فردی در تیم می‌تواند پرسش‌هایی را مطرح کند که محرک تصمیمات تجاری تأثیرگذار هستند. مدیران سیستم همچنان کنترل را در دست دارند. آن‌ها دسترسی‌ها را مدیریت می‌کنند، تغییرات در تعاریف تجاری را بررسی می‌نمایند و منطق داده‌های اشتراکی را در سراسر سازمان یکپارچه و سازگار نگه می‌دارند.

ایده این رابط از نحوه کارکرد داخلی پرپلکسیتی نشئت گرفته است. پرپلکسیتی یک اسلک‌بات (Slackbot) توسعه داد که به کارمندان اجازه می‌دهد درباره داده‌های داخلی در Snowflake سؤال بپرسند؛ از جمله میزان استفاده از محصول، تیکت‌های پشتیبانی و سایر سیگنال‌هایی که به تیم‌های ما در اتخاذ تصمیمات بهتر کمک می‌کنند.

در هوشیو بخوانید:
Perplexity Computer

تیم داده پرپلکسیتی فراتر از ساخت یک رابط عمل کرد. آن‌ها یک «لایه معنایی» (Semantic layer) مشترک ایجاد کردند که به سیستم آموزش داد داده‌های پرپلکسیتی چگونه کار می‌کنند؛ کدام جداول اهمیت دارند، معیارهای کلیدی چه معنایی می‌دهند و پرسش‌های رایج چگونه باید به کدهای SQL ترجمه شوند. این بستر معنایی به اسلک‌بات کمک کرد تا ضمن پیروی از منطقی که تیم داده پرپلکسیتی هر روز استفاده می‌کند، به پرسش‌ها به زبان طبیعی پاسخ دهد.

اکنون، کارمندان پرپلکسیتی از تیم‌های مختلف نظیر محصول، تحلیل، رشد، زیرساخت، ارتباطات/بازاریابی، پشتیبانی مشتریان و امنیت، هفته‌ای تا ۳۰۰۰ کوئری داخلی را اجرا می‌کنند.

کارمندان پرسش‌هایی ازاین‌دست می‌پرسند:

  • ۱۰ مورداستفاده برتر «کامپیوتر» به تفکیک صنعت کدام‌اند؟
  • تحلیل کن که تقویم عرضه ما چگونه با رشد اشتراک و پذیرش محصول مطابقت دارد. مفروضات را فهرست کن.
  • برترین مدل‌های هوش مصنوعی انتخاب‌شده برای پرس‌وجوهای مرتبط با امور مالی کدام‌اند؟

همین قابلیت اکنون از طریق رابط Snowflake در دسترس است.

حفظ نظارت امن

داده‌های داخلی یکی از ارزشمندترین دارایی‌های یک شرکت محسوب می‌شوند. رابط Snowflake به‌گونه‌ای ساخته شده است که با استفاده از رمزنگاری، محافظت از حریم خصوصی داده‌ها و مدیریت دسترسی خُرد، مدیران را در موقعیت کنترل نگه دارد.

این رابط کنترل‌های دسترسی که سازمان‌ها از قبل در Snowflake استفاده می‌کنند را رعایت می‌کند. با استفاده از «کنترل دسترسی مبتنی بر نقش» (Role-Based Access Control)، مدیران دقیقاً تعیین می‌کنند که هر کاربر به کدام پایگاه‌های داده، ساختارها (Schemas) و جداول می‌تواند دسترسی داشته باشد. آن‌ها همچنین می‌توانند دسترسی «کامپیوتر» را به مجوزهای فقط-خواندنی محدود کنند.

همچنین با استفاده از User OAuth، هر شخص با حساب کاربری Snowflake مختص به خود متصل می‌شود و تنها می‌تواند به داده‌هایی دسترسی پیدا کند که از پیش مجاز به مشاهده آن‌ها بوده است. چنانچه یک مدیر سیستمی نقشی را حذف کند یا اتصال Snowflake را قطع نماید، آن داده‌ها دیگر از طریق پرپلکسیتی قابل‌دسترسی نخواهند بود. داده‌ها هرگز برای آموزش مدل‌ها استفاده نمی‌شوند.

شروع به کار

پس از اتصال Snowflake، تجربه لایه زمینه در بخش Settings زیرمجموعه Connectors ظاهر می‌شود. مدیران می‌توانند برای آغاز فرآیند تولید، بر روی Generate data map کلیک کنند و سپس گزینه View knowledge را باز کنند تا ویرایشگر نقشه داده را بررسی نمایند. تولید نقشه داده، بسته به اندازه و پیچیدگی پلتفرم داده، ممکن است تا ۹۰ دقیقه زمان ببرد. کانکتور Snowflake از هم‌اکنون برای کاربران نسخه‌های Pro، Max و Enterprise در دسترس است.

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]