Les bases de données affichent des dissemblances sur leurs capacités et leurs modes de fonctionnement. Nonobstant, beaucoup d’entre elles offrent la possibilité de générer des modèles de machine learning. Elles permettent ainsi de tirer profit des sources importantes d’informations. Parmi celles-ci se trouvent des services telles que Kinetica, BlazingSQL, ou encore Amazon Redshift, OCI Data Science, etc.
Comment choisir une plateforme de machine learning Cloud ? À cette question, l’ancien CEO de Tubifi, Martin Heller, répond qu’il faut avant tout être à proximité de ses données. Conserver le code proche des Datas s’avère essentiel afin de garder une latence négligeable. La vitesse de la lumière restreint en effet celles de transmission. Au demeurant, l’apprentissage automatique, surtout le deep learning, tend à sillonner les informations à de multiples reprises. Pour les ensembles de données extrêmement volumineux, l’on doit idéalement bâtir le modèle à l’endroit où les Datas sont déjà stockées. Ceci afin qu’aucun flux à grande échelle de renseignements ne soit requis.
Oracle Cloud Infrastructure Data Science et MindsDB
Différentes bases de données (BDD), pouvant être utiles aux consultants en portage salarial, permettent d’y parvenir jusqu’à un certain point. Cependant, lesquelles d’entre elles sont compatibles avec l’apprentissage automatique interne, et de quelle manière procèdent-elles ?
Sur ce point, les spécialistes évoquent notamment Oracle Cloud Infrastructure (OCI) Data Science. Il s’agit d’une plateforme sans serveur et managée adressée aux équipes de science des données. Celle-ci sert à fabriquer, composer et gérer des modèles de machine learning à partir d’OCI, en particulier :
- Autonomous Data Warehouse (DWH) ;
- Autonomous Database.
OCI Data Science comporte des packages, des bibliothèques et des instruments basés sur Python conçus par :
- La bibliothèque Oracle Accelerated Data Science (ADS) ;
- La communauté open source.
Le service s’assimile aux autres éléments de la pile Oracle Cloud Infrastructure. Il s’intègre entre autres au stockage d’objets, au DWH, au flux d’informations et aux fonctions. Les modèles acceptés pour l’instant comprennent ADSTuner (ajustement des hyperparamètres), XGBoost, Scikit-learn, Keras, Oracle AutoML.
Parmi les BDD mentionnées figure également MindsDB, qui s’adapte à :
- Cinq instruments d’informatique décisionnelle (BI) : Domo, Looker, Microsoft Power BI, Qlik Sense, et SAS ;
- Six bases de données : Snowflake, Microsoft SQL, ClickHouse, PostgreSQL, MySQL, et MariaDB.
Des associations avec des bases de données en continu devraient prochainement être proposées. Une prise en charge de MongoDB est pour sa part sur le point d’être concrétisée.
Microsoft SQL Server et Amazon Redshift Machine Learning
Microsoft SQL Server a aussi été cité. Ses services de machine learning sont compatibles avec les langages de programmation Java, R et Python. Ils prennent également en charge SparkML dans les clusters de données SQL Server Big Data. Dans Python et R, la firme de Redmond propose divers bibliothèques et paquets pour l’apprentissage automatique. Les utilisateurs ont la possibilité d’héberger leurs modèles constitués en externe ou dans la BDD.
Microsoft R est doté de plusieurs plugins. Grâce à ceux-ci, il est en mesure d’analyser les informations en mémoire et à partir du disque. SQL Server offre un cadre d’extension. Ceci de sorte que le code Java, Python et R soit capable d’exploiter les fonctions et les renseignements de SQL Server. Les grappes de données SQL Server Big Data lancent HDFS, Spark et SQL Server dans K8s. Quand le code Python est invoqué par SQL Server, il peut à son tour :
- Appeler Azure Machine Learning ;
- Enregistrer le modèle issu dans la BDD afin de l’employer dans les prévisions.
Les experts ont aussi relevé Amazon Redshift Machine Learning, qui représente un service géré de DWH à l’échelle du pétaoctet. Celui-ci a été créé dans le but de rentabiliser et simplifier le traitement de n’importe quelles données. Il s’appuie pour ce faire sur des instruments de veille stratégique en place. La plateforme est proposée à 1 000 dollars par an par téraoctet au maximum. Elle est optimisée pour des jeux de données d’au moins un pétaoctet ou de centaines de gigaoctets. Amazon Redshift permet aux usagers de construire, composer et déployer aisément des modèles d’auto-apprentissage au moyen de commandes SQL.