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
随着数字化时代的到来,网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略,包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。
滑铁卢大学研究团队开发出ScholarCopilot,一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式,实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练,引用准确率达40.1%,大幅超越现有方法。在人类专家评估中,引用质量获100%好评,整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。
AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有,模型每几周就会改进,但客户只有在经济效益合理时才会部署。为此,AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本,同时开发能执行多步骤任务的自主代理软件,将AI应用从聊天机器人转向实际业务流程自动化。
哥伦比亚大学研究团队发布NodeRAG技术,通过异构图结构革新智能问答系统。该方法将文档信息分解为7种节点类型,采用双重搜索机制,在多个权威测试中准确率达89.5%,检索效率提升50%以上,为智能信息检索技术带来重大突破。