Collaboration sur toute la durée des cycles ML et de données
Le Data Science Workspace est un environnement collaboratif qui permet aux utilisateurs d'exécuter l'ensemble de leurs processus analytiques sur un espace unique, et de gérer les modèles de ML tout au long de leur cycle de vie.
Centralized access to all of your data makes it simpler for data scientists to discover new insights or reuse features in a secure and governed manner.
Increase productivity by providing choice of best-in-class open source tools in a collaborative, reproducible, and managed environment.
Simplified devops/MLOps shortens time from experimentation to robust production deployments of data science and ML assets.
Explorez rapidement les données à l'aide de visualisations en point-and-click ou dans le langage de votre choix, collaborez et partagez les informations obtenues avec vos collaborateurs via des tableaux de bord interactifs en direct.
Créez et gérez ensemble des modèles, de la phase de test à la production, déployez-les pour les inférences par lots ou en temps réel à grande échelle, et surveillez les charges de travail en production.
Obtenez des informations exploitables à partir de gros volumes de données, à l'aide de requêtes SQL, de visualisations ou de tableaux de bord intégrés, puis connectez le tout à des outils de BI tels que PowerBI et Tableau.
Créez des pipelines de données robustes, automatisez et surveillez les tâches de production à l'aide de Scala, Java ainsi que des API et notebooks intégrés.
Utilisez des notebooks interactifs multilingues afin de rédiger des commandes en R, Python, Scala ou SQL et réutilisez vos bibliothèques Python, Java ou Scala préférées pour obtenir des informations rapidement.
Tirez profit d'un vaste assortiment de visualisations interactives en point-and-click ou utilisez des solutions scriptables très puissantes telles que matplotlib, ggplot et D3.
Travaillez sur les mêmes notebooks en temps réel en utilisant vos outils et langages de prédilection tout en suivant automatiquement les changements et les versions.
Partagez des informations avec vos collègues et clients ou laissez-les exécuter des requêtes interactives avec les tableaux de bord intégrés.
Créez des modèles de pointe grâce aux frameworks ML les plus populaires et au machine learning augmenté, de la préparation des données à l'inférence.
Gérez les modèles de machine learning à partir d'un dépôt centralisé, déployez-les en toute transparence dans Databricks, des conteneurs ou des services d'inférence puis surveillez leurs performances.
Les notebooks Databricks prennent nativement en charge Python, R, SQL et Scala. Les utilisateurs peuvent ainsi travailler avec les langages et bibliothèques de leur choix pour extraire, visualiser et partager des informations avec leurs collaborateurs.
Accès en un clic à des clusters ML préconfigurés et basés sur une distribution évolutive et fiable des infrastructures ML les plus populaires, avec fonction AutoML et optimisations intégrées pour des performances inégalées dans toute l'entreprise.
Conçu à partir de MLflow, la plateforme open source de Databricks, Managed MLflow permet de gérer les modèles ML de la phase de test à la production avec un haut niveau de sécurité, fiabilité et évolutivité.
Concevoir une plateforme de données d'entreprise avec Azure Databricks afin que l'ensemble des équipes de Sam's Club puisse tirer parti du machine learning et de la data science.