I partenariati sono nulla di nuovo nel analytics mondo, e non sono l’integrazione tra tecnologie. Ma questa settimana ha visto un paio di annunci che rientrano nella collaborazione/integrazione di categoria e, questa volta, è tutta una questione di IA. Aerospike ha annunciato interessanti integrazioni con due popolari Apache Software Foundation open source dati di tecnologie analitiche e ThoughtSpot annuncia l’integrazione con Alteryx. L’ultimo integrazione lega comodamente con un altro Alteryx annunciato il mese scorso. E tutte queste integrazioni sono AI pertinenti.
Aerospike scintille kafkiana integrazione
Cominciamo con Aerospike, il cui omonimo prodotto è un in-memory database NoSQL che possono sfruttare il flash della memoria RAM. La società ha annunciato il martedì che le uscite di Aerospike Collegare per Scintilla e Aerospike Collegare per Kafka, che si collega alla Apache Scintilla e Kafka, rispettivamente. Naturalmente, la connettività a quei due tecnologie open source è abbastanza comune, ma c’è di più ad esso che quello.
Prima di tutto, la Scintilla, l’integrazione è piuttosto fresco…questo non è solo un importante esportazione ponte…è qualcosa che permette di Scintilla sviluppatori query Aerospike e ottenere i risultati come una Scintilla DataFrame. Da lì, quasi ogni Scintilla operazione sui dati è possibile. Su Kafka lato, nel frattempo, le cose sono ben bidirezionale — quindi non solo in grado di streaming dei dati off Kafka argomenti venire in Aerospike (che il supporto c’era già), ma ora i dati in Aerospike possibile flusso in un Kafka, il tema cambia. Come spiegato a me da Srini Srinivasan, Aerospike Chief Product Officer e Fondatore, la combinazione di tali integrazioni, presenta tre vantaggi:
Sfruttando Aerospike come archivio dati principale, e portando in un’analisi specifico sottoinsieme di dati, Scintilla agli utenti di evitare maxing la RAM la Scintilla cluster. Dal Aerospike sfrutta il flash, si può avere una molto più grande capacità di memoria complessiva. L’integrazione saldi cose out.By ottenere Aerospike dati in Scintilla, quest’ultimo MLlib componente possono essere utilizzati per costruire un apprendimento automatico di modelli che dataBy utilizzando la combinazione di Aerospike, Kafka e Scintilla in Streaming, quelli ML modelli possono essere tenuti up-to-data e riqualificato come la modifica dei dati sottostanti.
Aerospike anche annunciato un nuovo Aerospike RESTO del Cliente, per essere rilasciato nel mese di aprile, che aumentare la sua lingua corrente specifico di software developer kit (Sdk) per lo sviluppo di connettività.
ThoughtSpot e Alteryx permetterà di ricercare AI
Moving on, ThoughtSpot annuncia oggi una partnership e integrazione con i dati prep/pipeline di dati specialista Alteryx che schiaccia fino ThoughtSpot di ricerca di base di analytics con Alteryx capacità di costruire machine learning (ML) modelli. La nuova integrazione permette Alteryx agli utenti di aggiungere nativo ThoughtSpot di Massa Loader connessioni e ThoughtSpot TQL dichiarazioni direttamente in un Alteryx flusso di lavoro. Come risultato, una ricerca basata su query può attivare il punteggio di dati in ThoughtSpot contro un Alteryx ML modello (che di per sé è costruito utilizzando R o Python/scikit imparare, dietro le quinte). In un botta e risposta di moda, il risultante valore stimato(s) ritornerà Alteryx e possono essere visualizzati in ThoughtSpot, automaticamente.
Che può sembrare un po ‘ di Rube Goldberg e, concesse, non ho avuto questa integrazione demo per me. Ma la capacità di tubo di un set di risultati di ThoughtSpot e in un Alteryx flusso di lavoro, quindi ottenere il punteggio dei set di dati, sembra ragionevole. Nel frattempo, la ricerca basata su interfaccia è già ThoughtSpot primaria di paradigma.
E la trama si infittisce…
Abbastanza per coincidenza per ThoughtSpot annuncio, ho avuto un briefing di questa settimana con Ashley Kramer, Alteryx il senior vice president of Product Management, e il dibattito si è incentrato in particolare sul Alteryx s ML di capacità, piuttosto che la data di preparazione e di pipelining prestazioni per le quali è forse più noto). Quello che ho imparato è stato abbastanza intrigante; e combinato con ThoughtSpot notizie, è più interessante ancora.
Leggi anche: Alteryx si espande, rende i dati della scienza acquisizione
Leggi anche: Domo, Alteryx e Absolutdata prendere la macchina di apprendimento per gli utenti business
Leggi anche: Alteryx Promuovere offre AI/macchina di apprendimento del modello di distribuzione, di gestione e di integrazione
Ecco il nocciolo della questione: per completare il suo nativo ML di capacità, Alteryx il mese scorso ha annunciato una partnership con H20.ai che permette Alteryx utilizzare H20 “Driverless AI” AutoML funzione. Ulteriori sincronicità, mi è capitato di avere scritto su AutoML all’inizio di questa settimana, quindi è tutto di partenza per dare un senso.
Leggi anche: AutoML è di democratizzazione e di miglioramento AI
Mettere il Alteryx integrazioni, tutti insieme, ed ecco cosa si ottiene: non dati, gli scienziati possono utilizzare la combinazione di Alteryx e H20 Driverless ai per costruire la macchina di modelli di apprendimento, con la funzione di selezione, la selezione dell’algoritmo e hyperparameter ottimizzazione eseguita su base automatica. Tali modelli possono essere portate Alteryx e teoricamente (non confermato) essere utilizzato per segnare i dati da ThoughtSpot tramite la ricerca (query), con la previsione di set di dati di flusso di piattaforma per essere visualizzati automaticamente.
Coordinare l’interazione di questi tre prodotti, che probabilmente ha una certa complessità e magari con un paio di trucchi coinvolti, ma anche solo come prova di concetto, è impressionante. ML di progettazione del modello e la formazione, nonché la query, il punteggio e la visualizzazione, tutti disponibili senza codifica e senza bisogno di dati di competenza scientifica. Immagino che le cose si semplificano in futuro, ma il fatto che tutti questi punti possono collegare, oggi, è molto eccitante.
L’analisi bone è collegato ai osso
Tutte queste integrazioni, e tutti questi venditori (Aerospike, ThoughtSpot, Alteryx e H20.ai) sono effettivamente avallando l’idea che il santo graal e l’analisi dei dati è AI, e per la costruzione e distribuzione di ML modelli. Stanno prendendo misure concrete per rendere integrata, codice meno AI una realtà, l’aggiunta di automazione, ove possibile, facendo le cose di scala e, in Aerospike caso, mantenere un occhio su di integrazione continua di dati per mantenere i modelli aggiornati e accurati.
Di nuovo, c’è probabilmente un sacco di assemblaggio necessario per ottenere tutto questo lo streaming di dati/in-memory analytics/AI pipeline funziona bene oggi, ma questo tipo di collaborazioni e integrazioni sono di solito un primo passo necessario prima di piattaforme integrate disponibili, spesso dagli stessi fornitori.
Argomenti Correlati:
Intelligenza Artificiale
La Trasformazione Digitale
Robotica
Internet delle Cose
L’innovazione
Enterprise Software