Teradata将于今年晚些时候启用其TAP——Teradata Analytics Platform (Teradata分析平台)。
该公司还采用了IntelliSphere概念的降价捆绑策略。
TAP将Teradata和Aster技术整合在一起,计划包含Spark、TensorFlow、Gluon和Theano等分析引擎。
这样应该能够快速方便地访问一系列算法,包括深度学习的一些算法。
它将具有可扩展的分析功能,例如归因、路径分析、时间序列以及一系列统计、文本和机器学习算法。
通过TAP,用户可以摄入并分析数据类型,例如文本、空间、CSV和JSON格式,包括对Avro的支持,这是一种允许程序员动态处理基模架构的开源数据类型。
Teradata 表示,TAP将在平台和高速数据网络中管理和分析数据,避免了在多个引擎中存储和转移数据。
它提供商业和开源分析技术和编程语言访问,如Python、R、SAS和SQL。
Jupyter、RStudio、KNIME、SAS和Dataiku等工具也兼容。Teradata AppCenter允许分析人员通过在可以自助服务的、基于网络的界面上部署可重用模型,与同事分享应用程序。
Teradata希望将其软件部署在Teradata Cloud的硬件上,在公共云中或者运行在VMware支持的商品化硬件上,并具有便携式和基于订阅的许可证。基于订阅的IntelliSphere许可证将可以使用数据采集、管理、部署和访问的产品集合。
它表示,相比于单独购买产品,这种做法可以让客户节省大量资金。与单独购买四个产品——Unity、Data Lab、Data Mover和Query Grid——相比,这种做法可以节省30%的费用,并且还附带了六款免费产品。
具有Aster分析引擎的Teradata Analytics Platform将于今年晚些时候可供使用。
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。