Posta kutunuzda daha akıllı bilgiler mi istiyorsunuz? Sadece AI, veri ve güvenlik liderleri için önemli olanı elde etmek için haftalık bültenlerimize kaydolun. Şimdi kaydolun
Veriler, kurumsal analitik veya yapay zeka için sihirli bir şekilde doğru yerde görünmüyor, bunlar veri boru hatlarıyla hazırlanmalı ve yönlendirilmelidir. Bu, veri mühendisliğinin alanıdır ve uzun zamandır şirketlerin karşılaşması gereken en nankör ve sıkıcı görevlerden biri olmuştur.
Bugün, Google Cloud, bir dizi yapay zeka ajanının başlatılmasıyla verilerin hazırlanmasının tediumuna doğrudan hedef alıyor. Yeni ajanlar tüm veri yaşam döngüsünü kucaklıyor. BigQuery’deki Veri Mühendisliği Temsilcisi, doğal dildeki komutlar aracılığıyla karmaşık boru hattının oluşturulmasını otomatikleştirir. Bir veri bilimi ajanı, defterleri bağımsız olarak otomatik öğrenme çalışma akışlarını gerçekleştirebilen akıllı çalışma alanlarına dönüştürür. Gelişmiş Konuşma Analiz Temsilcisi artık şirket kullanıcıları için gelişmiş Python analizini yöneten bir kod tercümanı içeriyor.
“Bugün veri mühendisliği yapanları düşündüğümde, sadece mühendisler, veri analistleri, veri bilimcileri değil, her veri karakteri verileri bulmanın ne kadar zor olduğunu, Google Cloud Cloud Cloud’u VentureBeat Yasmeen Ahmad’ı söyledi.” Kullanıcılarımızdan duyduğumuz iş akışlarının çoğu, bu eserlerdeki bu eserlerde bu çalışmalarda% 80 oranında muzartır. Veriler, veriler, mühendislik ve çalışabilecekleri kaliteli verilerin elde edilmesi hakkında yorucu. “
Veri hazırlamanın veri hazırlanmasının hedeflenmesi
Google, doğal dil talimatları aracılığıyla karmaşık veri boru hatları oluşturmak için BigQuery’de veri mühendisliği aracısı oluşturdu. Kullanıcılar çalışma akışlarını çeşitli aşamalarda tanımlayabilir ve acente teknik uygulamayı yönetir. Bu, bulut depolamasından verilerin yutulmasını, dönüşümlerin uygulanmasını ve kalite kontrollerinin yürütülmesini içerir.
Etki AI serisi San Francisco’ya Dönüyor – 5 Ağustos
Yapay zekanın bir sonraki aşaması burada – hazır mısınız? Otonom ajanların kurumsal çalışma akışlarını nasıl yeniden şekillendirdiğine, gerçek zamanlı olarak uçtan uca otomasyona kadar kurumsal çalışma akışlarını nasıl yeniden şekillendirdiğine özel bir bakış için Block Liderleri, GSK ve SAP’ye katılın.
Yerinizi şimdi koruyor – alan sınırlı: https://bit.ly/3guupf
Aracı otomatik olarak SQL ve Python betiği kompleksleri yazar. Anormalliklerin tespitini, boru hatlarını ve sorunların çözülmesini yönetir. Bu görevler geleneksel olarak önemli mühendislik becerileri ve sürekli bakım gerektirir.
Temsilci, doğal dilin isteklerini birden fazla adımda böler. Her şeyden önce, veri verilerine bağlantı oluşturma ihtiyacını içerir. Bu nedenle uygun tablo yapıları oluşturun, verileri yükleyin, birleştirme için birincil anahtarları, veri kalitesi sorunlarına kıyasla nedenleri belirleyin ve temizleme işlevlerini uygulayın.
Ahmad, “Genellikle, tüm iş akışı bir veri mühendisi için çok fazla karmaşık kod yazacak ve bu karmaşık boru hattını oluşturacak ve bu nedenle bu kodu zamanla yönetecek ve tekrarlayacaktı.” “Şimdi, veri mühendisliği aracısı ile doğal dil için yeni boru hatları oluşturabilir. Mevcut boru hatlarını değiştirebilir. Sorunları çözebilir.”
Şirketin veri ekiplerinin veri aracılarıyla çalışacağı gibi
Veri mühendisleri genellikle çok pratik bir insan grubudur.
Veri akışları, düzenleme, kalite ve dönüşüm gibi bir veri boru hattı oluşturmak için yaygın olarak kullanılan çeşitli araçlar, yeni veri mühendisliği aracısı ile ortadan kalkmaz.
Ahmad, “Mühendisler hala altta yatan araçların farkındalar, çünkü insanların nasıl faaliyet gösterdiği verilerden gördüğümüz şey, evet, ajanı seviyorum ve aslında bu ajanı bir uzman, ortak ve işbirlikçisi olarak görüyorlar.” Dedi. “Ama çoğu zaman mühendislerimiz aslında kodu görmek istiyorlar, gerçekte bu ajanlar tarafından oluşturulan boruları görsel olarak görmek istiyorlar.”
Bu nedenle, veri mühendisliği temsilcileri bağımsız olarak çalışabilirken, veri mühendisleri ajanın ne yaptığını gerçekten görebilir. Veri profesyonellerinin genellikle temsilci tarafından yazılan kodu incelediğini ve bu nedenle veri boru hattını daha fazla düzenlemek veya özelleştirmek için temsilciye daha fazla öneriyi incelediğini açıkladı.
API temelli bir ekosistem veri aracısı oluşturun
Veri alanında ajanlara iş akışları inşa eden daha fazla tedarikçi var.
Başlangıç gibi AI Altit Veri iş akışları için özel ajanlar oluşturuyorlar. Dahil harika satıcılar Veritabrks– Kar tanesi VE Microsoft Hepsi veri profesyonellerine de yardımcı olabilecek ajanlara kendi teknolojilerini inşa ediyorlar.
Google’ın yaklaşımı, İkizler Veri Ajanları arılarıyla veriler için yapay zeka hizmetleri ajanlarını inşa ettiği için biraz farklı. Geliştiricilerin Google’ın doğal dilini detaylandırma kapasitesini ve kodun uygulamalarında yorumlanmasına izin verebilecek bir yaklaşımdır. Bu, kapalı ve birinci bölüm araçlarından genişletilebilir platforma yaklaşmaya geçişini temsil eder.
Ahmad, “Tüm bu ajanlar için perde arkasında, aslında bir dizi arı olarak inşa ediliyorlar.” Dedi. Diyerek şöyle devam etti: “Bu arı hizmetleriyle, arıları ortaklarımız için daha fazla kullanılabilir hale getirmeyi planlıyoruz.”
Şemsiye Bee Hizmeti temel API hizmetlerini ve Ajan arılarını yayınlayacaktır. Google, ortakların veri boru hattı araçları oluşturan dizüstü bilgisayar ve ISV ortakları da dahil olmak üzere bu arıları arayüzlerine dahil ettikleri bir deniz feneri önizleme programlarına sahiptir.
Şirket veri ekipleri için ne anlama geliyor?
Yapay zeka tabanlı veri operasyonlarında rehberlik etmek isteyen şirketler için, bu duyuru otonom çalışma akışlarına karşı bir hızlanma işaret ediyor. Bu beceriler, içe geçme zamanının ve kaynakların verimliliğinde önemli rekabet avantajları sunabilir. Kuruluşlar mevcut veri ekibi becerilerini değerlendirmeli ve boru hattı otomasyonu için pilot programları dikkate almalıdır.
Yapay zekanın daha sonra benimsenmesini planlayan şirketler için, bu becerilerin mevcut Google bulut hizmetlerine entegrasyonu panoramayı değiştirir. Gelişmiş veri aracıları için altyapı prim yerine standart hale gelir. Bu hareket potansiyel olarak sektör genelinde veri platformu becerileri için temel beklentileri artırır.
Kuruluşlar, denetim ve kontrol ihtiyacı açısından verimlilik verimliliğini dengelemelidir. Google’ın şeffaflık yaklaşımı orta bir zemin sağlayabilir, ancak veri liderleri yaygın bir difüzyondan önce otonom ajanların operasyonu için yönetişim resimleri geliştirmelidir.
API’nin mevcudiyetine yapılan vurgu, kişiselleştirilmiş ajanların geliştirilmesinin rekabetçi bir farklılaşma haline geleceğini göstermektedir. Şirketler, iş süreçleri ve benzersiz veri zorlukları ile ilgilenen belirli alan ajanları oluşturmak için bu temel hizmetlerin nasıl kullanılacağını düşünmelidir.