他提供：用于定义、注册、检索和管理功能的 Python SD

[suchona.kani.z]

具有动态表、数组、视图和标签的后端基础设施，用于自动化功能管道和安全治理。
Snowpark ML 库的 Python API 可以下载、安装并直接在 Snowflake Notebooks 以及任何 IDE（包括 Jupyter 或 Hex）中使用。笔记本和所有操作都是通过 Snowflake 的 ML 计算基础设施执行的。其中包括用于 CPU 处理的虚拟仓库运行时以及使用 Snowpark 容器服务（在帖子的第二部分中介绍）进行分布式 CPU 和 GPU 处理的容器运行时。

AI数据平台：为客户增加价值
借助 ML Functions，企业用户可以直接使用 SQL 函数或通过新的 Snowflake Studio（开放预览）（一个交互式、无代码的界面）工作来缩短开发时间。客户可以轻松、安全地开发和扩展自定义机器学习模型和功能，而无需数据 移动、孤岛或治理妥协。 ML 管道受益于熟悉的 Python 工具和框架、Snowpark DataFrames 以及 UDF 和存储过程，它们可以从任何客户端 IDE 或笔记本进行开发，并直接与 Snowflake 中的数据一起运行。强大的数据平台与先进的机器学习功能的结合使 Snowflake 对数据工程师和数据科学家特别有吸引力。

展望未来
展望未来，Snowflake 将继续建立创新的 ML 以及最近的 阿尔巴尼亚 whatsapp 数据​ 生成式 AI 功能。在这方面的一个亮点是一年一度的雪花峰会。今年的峰会也于六月初在旧金山举行，为众多创新提供了舞台。除此之外，还展示了 Snowflake Studio 的无代码界面、功能商店和 Snowflake 笔记本。尚未提及的一项新功能是 ML Lineage，目前以私人预览版形式提供。此功能可以在整个端到端生命周期中跟踪数据集、特征和模型。

您想了解更多关于 adesso 世界中令人兴奋的话题吗？那么请看一下我们之前发布的博客文章。当我们做出决定时——无论它们有多重要——发挥作用的不仅仅是谁做出的决定，还有环境。我们将风险定义为决策导致损失或不良结果的可能性。风险是后果和概率的乘积。在欧洲版本的轮盘赌中，您有 45% 的机会（概率）在 30 轮内永远无法正确预测数字（后果）。这是精确定义的损失风险。在现实世界中，风险通常不那么容易定义。因此，我们必须区分风险下做出的决策和风险的不确定性决策。后果发生的可能性有多大？我们知道所有的风险吗？