摘要
Snowflake 開發者日展示了多項技術亮點與創新，為資料科學家和開發者提供重要的見解與未來趨勢。 歸納要點:
- **資料重力與資料分發**:數據集中化簡化資料存取,提高 AI 模型效能;進步的分發機制促進跨雲端協作。
- **代理 AI 的潛力**:基於使用者意圖自動產生見解,增強決策制定並釋放分析師創造力。
- **雲端資料庫進展**:擴展處理功能、改善效能與安全性,展示 Snowflake 作為領導者的持續承諾。
沒能參加開發者日嗎？別擔心，我們為您總結了所有精彩內容。這會讓您感覺就像親臨現場，希望下次能見到您！
簡短回顧，2024年6月6日，Snowflake 首次舉辦了開發者日，這是一個在 Snowflake 峰會最後一天舉行的免費全天活動。開發者日聚集了對 AI 和應用程式領域充滿熱情的人士，他們可以向業界先驅學習、提升技能並與同行和導師交流。
我們在研究許多文章後,彙整重點如下
網路文章觀點與我們總結
- 資料科學與人工智慧都涉及使用數位資料來獲取有意義的洞察。
- 人工智慧透過機器學習和演算法模擬「學習」,辨別模式並推論結果。
- 資料科學結合了數學、統計學、人工智慧和電腦工程等領域的方法。
- 機器學習與深度學習能讓電腦從大量資料中吸取知識,進行分析。
- 資料科學家需掌握程式語言(如R或Python)、資料庫(如SQL)及基礎統計技能。
- 資料分析師負責收集、整理和分析數據,以便做出研究和評估。
現代社會充滿了各種數位資訊，如何利用這些資訊成為企業的一大挑戰。借助於人工智慧和機器學習技術，我們可以更深入地了解顧客行為及市場趨勢。無論是透過運用Python進行程式設計，還是熟練掌握SQL查詢工具，這些都是成為一名優秀的資料科學家的基本功。因此，不論你是哪個產業，都應該關注並善用這些技術來提升工作效率與決策品質。
觀點延伸比較:| 領域 | 技術亮點 | 未來展望 |
|---|---|---|
| 資料科學 | 結合數學、統計學、人工智慧和電腦工程等方法,進行多變量分析和預測模型建構。 | 未來將更多依賴自動化工具與平台,如AutoML,提升效率並減少人為錯誤。 |
| 人工智慧 | 透過機器學習和演算法模擬「學習」,辨別模式並推論結果。 | 在強化學習和生成對抗網絡(GANs)方面有重大突破,應用範圍從醫療到金融皆快速擴大。 |
| 機器學習與深度學習 | 讓電腦從大量資料中吸取知識,進行分析及決策支持。 | 隨著硬體技術的進步(如TPU),訓練時間將大幅縮短,使實時應用成為可能。 |
| 程式語言 (R, Python) | 作為資料科學家必備技能,用於數據操作、視覺化及模型建構。 | Python持續成為主流語言,而R在專業統計分析領域仍具優勢;Jupyter Notebook等工具日益普及。 |
| 資料庫 (SQL) | 有效存取和管理大規模數據,是資料科學家不可或缺的技能之一。 | NoSQL和分佈式資料庫技術(如MongoDB, Cassandra)逐漸受歡迎,以應對非結構化數據需求. |
這是發生了什麼事．．．
近日，一名開發者在其部落格上詳細描述了一個 React 應用程式的效能問題。該應用程式在處理大量資料時，出現了明顯的延遲和卡頓現象。為了解決這個問題，他開始進行一系列的測試和最佳化。
他使用了 ′React DevTools′ 來分析應用程式的效能瓶頸。透過這款工具，他發現主要問題出現在某些重複渲染元件上。這些元件每次有任何細微變動都會重新渲染，導致整體效能下降。
接著，他引入了 ′Memoization′ 技術，具體而言是使用 ｀React．memo｀ 函式來避免不必要的重新渲染。例如：
｀｀｀javascript
const MyComponent ＝ React．memo（function MyComponent（props） ｛
／／ component implementation
｝）;
｀｀｀
開發者還採用了 ′useCallback′ 和 ′useMemo′ Hook 來進一步最佳化函式和變數的記憶化。例如：
｀｀｀javascript
const memoizedValue ＝ useMemo（（） ＝＞ computeExpensiveValue（a， b）， ［a， b］）;
const memoizedCallback ＝ useCallback（（） ＝＞ ｛
doSomething（a， b）;
｝， ［a， b］）;
｀｀｀
透過這些技術手段，他成功地減少了多餘的計算和重新渲染次數，大大提升了應用程式的響應速度。同時，也確保了在面對大量資料時，使用者能夠獲得更加順暢且高效的操作體驗。
最終結果顯示，經過最佳化後，應用程式執行效率提高了約30％。此案例展示了解決效能瓶頸的重要性以及有效利用 React 提供工具與技術的方法，使開發者們能夠建立更高效、流暢且可靠的應用程式。
AI新創強化技術優勢：資料重力和資料分發
Dev Day 以新創挑戰賽的決賽拉開序幕，三位傑出的決賽選手登台展示，爭奪總投資額高達一百萬美元的機會。每個新創公司都展示了他們最先進的解決方案，一組明星評審團，包括 Benoit Dageville、Brad Gerstner、Denise Persson 和 Lynn Martin，負責選出優勝者。恭喜 SignalFlare．ai 榮獲第一名！挑戰賽結束後，多位頂尖風險投資人，包括 Altimeter 的 Pauline Yang 和 Thrive Capital 的 Philip Clark 登台分享最新資料與人工智慧（AI）趨勢，以及他們在投資新創公司時所關注的要素。
討論中，講者提到 AI 新創公司如何透過聚焦於兩個關鍵元素：資料重力和資料分發，在基礎架構上建立技術優勢。
**專案 1 具體說明：**
Dev Day 上，頂尖投資人強調了資料重力在 AI 創業公司技術優勢中的關鍵作用。資料重力是指資料和應用程式之間的吸引力，它確保了資料的適時性、可用性和品質，從而優化了 AI 模型的訓練和效能。
**專案 2 具體說明：**
討論還圍繞著資料分發在 AI 創業公司架構中的重要性。資料分發指將資料從其來源傳遞到不同應用和服務的能力，這對於建立可擴充、可維護且具有成本效益的 AI 解決方案至關重要。
AI主導的未來：與Snowflake和Landing AI探索代理AI的潛力
在主舞台上，焦點從初創公司轉向了知名人士。首先登場的是 Snowflake 執行長 Sridhar Ramaswamy，他分享了 Snowflake 在推動 AI 技術進步方面的承諾。「我們正在開放，我們將成為一個應用程式平台，結合適度的開放原始碼和社群主導的開發。」隨後，Sridhar 邀請 Landing AI 的創辦人暨執行長 Dr． Andrew Ng 上台，共同討論他在 AI 領域的歷程以及產業的未來方向，特別是關於 agentic AI 的重點。
「AI 代理大幅擴充套件了 AI 可以實現的範疇。如果要我挑選一個建築師必須關注的重要事物，那就是 AI 代理。」
《燈塔會談》繼續進行，Weights ＆ Biases 的執行長兼創辦人 Lukas Biewald 強調了當前人工智慧（AI）民主化的趨勢，即任何開發者都可以輕鬆地整合 AI 功能。他討論了將 AI 從令人印象深刻的示範過渡到可靠的生產系統所面臨的重要挑戰，並點出了缺乏強大開發工具對 AI 的影響。
「我認為現在每家公司的高管對此都感到沮喪，每個開發者也同樣如此……做出一個驚人的 AI 示範非常容易，但要將其投入生產比你想像中要困難得多。」
You．com 執行長暨《時代》雜誌評選為人工智慧領域最具影響力人物之一的 Richard Socher 隨後登台，討論大型語言模型（LLMs）的演變與信任問題。他回顧了從2018年早期的多工模型到先進的 ChatGPT 模型的旅程，並強調在生產環境中部署這些模型所面臨的挑戰。Socher 強調需要透過實時網路訪問來增強 LLMs ，使用最佳模型來完成特定任務，以及實施準確引用和驗證方法的重要性。
「如果你花費更多時間來驗證生成式人工智慧產出的工件，而不是建立該工件，那麼生成式人工智慧可能就不是你的組織的一個好使用案例。」
在她關於為語音模式鋪路的演講中，OpenAI 的音訊研究主管 Christine McLeavey 討論了開發 ChatGPT 語音模式的突破與挑戰，包括最近推出的 GPT－4o。McLeavey 預覽了即將到來的技術進步，這些進展承諾能讓 ChatGPT 提供更自然且更具回應性的語音互動，她強調了即時處理和模型理解人類語言細微差別的重要性。
NVIDIA的AI模型、軟體與服務副總裁Kari Briski主持了一場關於生成式AI部署複雜性的會議，重點討論了自Transformer架構引入以來快速演變和計算需求上升的問題。
「Transformer架構的引入真正標誌著這一正規化轉移，因為它能夠利用未標記的資料集。」Briski還討論了NVIDIA透過其AI Foundry和NIMs（NVIDIA Inference Microservices）簡化AI模型部署的努力，這些工具將最佳化的模型打包，更加便於高效地投入生產使用。
在今天的最後一場 Luminary Talk 中，Snowflake 的首席軟體工程師 Yusuf Ozuysal 和產品經理 Doris Lee 討論了微調開源大型語言模型（LLMs）與利用現有模型 API 的優缺點。他們涵蓋了多個關鍵話題，包括解決模型偏見、確保程式碼安全性和可觀察性，以及構建可擴充套件的開源生成式人工智慧應用程式。觀看完整會議回放請點選這裡。
儘管 Dev Day 的主舞台是主要亮點，與會者還沉浸在多種其他活動中，這些活動旨在幫助他們建立新的人脈並提升技能。由 Dash Desai 和 Julian Forero 創辦並主持的 Gen AI 實作實驗室教導參加者如何使用 Snowflake Cortex 和無伺服器 LLMs（大語言模型）結合資料。與會者學會了構建和部署可擴充套件且安全的應用程式，完成後還獲得了自訂訓練營徽章。
如果你有興趣提升技能，你可以在 Coursera 上選修相關課程，並獲得自己的徽章！
網路交流的機會非常豐富，每小時都有針對新創公司、開源專案、人工智慧、資料工程以及女性在資料領域的聚會活動。這些會議促進了與會者之間有意義的連結，並激發了合作的靈感。特別感謝當地出席活動的社群，包括 Data Engineer Things、WiMLDS（Women in Machine Learning and Data Science）、PyBay，以及我們自家的 Streamlit 社群！
為當天增添了趣味元素，AWS DeepRacer 賽道讓與會者能夠駕駛 AI 驅動的車輛進行競賽，將娛樂與機器學習知識結合在一起。
節奏緊湊的「5分鐘展示敢挑戰」總決賽為這次會議畫下了完美句點。在這場比賽中，我們串流系列中的頂尖展示者在座無虛席的劇院前現場競技。由 Felipe Hoffa 主持，這些決賽選手展現了卓越的技能和創意，在僅僅五分鐘內介紹了他們的產品以及 Snowflake 的最新功能。現場觀眾根據互動性、雄心壯志以及實用性進行評判，這次活動成為技術才華的絕佳展示。
開發者日（Dev Day）在 ［Code Block］ 派對中圓滿落幕，參加者有機會進行交流、互動，並向新結識的朋友告別。感謝所有參與我們開發者日活動的人，特別感謝使這次活動成為可能的合作夥伴：Astronomer、AWS、Data Science Dojo、General Assembly、HackerRank、NumFocus、Pinecone、Posit、Predibase、PyTorch 、Tobiko 、Tonic 、Voltron Data 和 Weights ＆ Biases。
如果您錯過了 Dev Day，您可以線上參加 Snowflake BUILD 2024，與開發人員、資料科學家和工程師們交流，探索 Snowflake 的最新創新。務必也要檢視 ′Snowflake For Developers′（專為開發者設計的解決方案中心），在那裡您可以找到逐步技術快速入門指南、程式碼片段和示範影片。另外，不要錯過 ′Snowflake Community′，在這裡您可以與同行一起學習、創新並解決問題。請持續關注 Snowflake 下一次 Dev Day 的詳情！
參考來源
資料科學與人工智慧– 領域間的差異- AI
資料科學和人工智慧(AI) 都是用於了解和使用數位資料相關方法和技術的共同術語。現代組織從一系列線上和實體系統中收集有關人類生活各方面的資訊。
運用人工智慧於大數據分析
人工智慧是機器學習的廣義應用形態，透過電腦程式，讓電腦使用演算法和統計資料評估結果來模擬「學習」，以辨別不同模式並從中得出推論。 這些演算法有 ...
什麼是資料科學？
資料科學係指為了擷取對企業有意義之洞察而進行資料研究。這是一種多學科方法，結合了來自數學、統計學、人工智慧和電腦工程等領域的原理和做法，藉此針對大量資料進行 ...
資料科學家是否有隨著人工智慧的發展一起進化？
隨著人工智慧技術的導入，各個品牌開始能整合不同管道與格式的資料，並找出 顧客輪廓與轉換旅程背後更全面性的分析與觀點 。 機器學習與深度學習讓電腦吸收大量的資料，不 ...
來源： Appier【人工智慧】成為資料科學家需要具備哪些技能？精選9堂自學線上課程與 ...
資料科學家必備技能 · 程式語言：資料分析常用的程式語言如R 或Python · 資料庫：資料庫查詢工具，比如SQL · 基礎統計學：利用數據進行決策以及設計、評估 ...
來源： TibaMe何謂資料科學? 為何資料科學如此重要?
資料科學是一個多學科領域，廣泛描述了如何使用資料來獲得見解。它涉及使用人工智慧、機器學習、深度學習、分析、統計和算法將原始資訊轉化為可用知識。
來源： SAS Institute[工研院]Python AI人工智慧資料分析師專業人才養成班
「資料分析師」指的是不同行業中，專門從事行內數據蒐集、整理、分析，並依據這些數據做出研究、評估的專業人員。本課程選擇以Python程式語言教學，帶領您從零基礎開始， ...
來源： 工研院產業學習網什麼是資料科學？ 成為資料科學家
以更智慧的計量分析來改善公用設施使用狀況和客戶滿意度改善資產和員工管理. 還有一個技能對以下問題相當重要：「資料科學家會做些什麼？」 他們最重要的工作內容之一 ...
來源： Microsoft Azure
全部
資訊科技
相關討論