DAS OPEN DATA LAKEHOUSE FÜR VERTRAUENSWÜRDIGE KI

Ian Brooks, Principal Sales Engineer
Ying Chen, Product Manager

Zusammenfassung:

Fortgeschrittenes ML kann eine Herausforderung sein, aber mit den neuesten Innovationen auf dem Gebiet der ML- und Data-Engineering-Tools zeigen wir Ihnen, wie Sie die Prädiktive Analytik für Ihr gesamtes Unternehmen verbessern können. In dieser Session werden wir neue Funktionen zur Verbesserung der Workflows von Daten Experten erkunden, um die schnelle Entwicklung von KI-Anwendungen für Unternehmen im Open Data Lakehouse von Cloudera zu unterstützen.

Wir werden die spezifischen Verbesserungen beim Modell Management behandeln, wobei der Schwerpunkt auf der Modell Registrierung liegt, und deren praktische Anwendungen erörtern. Außerdem werden wir die neuen Typen „Interactive Sessions“ und „Virtual Cluster“ und deren Bedeutung für die Verbesserung der Entwicklungsabläufe im Data Engineering diskutieren.

Wichtigste Erkenntnisse:

• Verstehen Sie die Verbesserungen im Modell Management, insbesondere in der Modell Registrierung, und wie diese sich auf reale Szenarien auswirken.
• Erfahren Sie mehr über die neuen Typen „Interaktive Sessions“ und „Virtual Cluster“ und deren Rolle bei der Rationalisierung von Entwicklungsabläufen im Data Engineering.
• Entdecken Sie, wie diese und andere Updates eine effiziente und effektive Bereitstellung von zuverlässigen Unternehmensdaten und KI-Lösungen ermöglichen.

Navita Sood, Director Product Marketing, MDA
Vineeth Varughese, Sr. Product Marketing Manager

Zusammenfassung:

Vertrauenswürdige KI braucht vertrauenswürdige Daten aus einem vertrauenswürdigen Data Lakehouse. Mit dem Open Data Lakehouse von Cloudera ist es jetzt einfacher denn je, Ihre Daten überall und in großem Umfang in Erkenntnisse umzuwandeln. Keine Kompromisse mehr, denn CDP Private Cloud Base unterstützt jetzt auch Apache Iceberg, so dass Sie dieselben großartigen Analysen überall dort einsetzen können, wo Sie sie benötigen, auch in der Hybrid Cloud.

In dieser Session werden wir die wichtigsten Anwendungsfälle behandeln, die es Unternehmen dank Clouderas Open Data Lakehouse ermöglichen, datenzentriert zu werden und gleichzeitig die Effizienz der Datennutzer zu verbessern und die Kosten zu senken. Wir werden Ihnen zeigen, wie Sie unabhängig davon, wo sich Ihre Daten befinden oder was Sie derzeit zur Wertschöpfung nutzen, mit Cloudera schneller Wert schaffen können – mit einer Plattform, die dank Cloudera Observability immer optimal funktioniert. Sie werden Clouderas Open Data Lakehouse in Aktion sehen und von den Vorteilen hören, von denen Kunden jetzt schon profitieren.

Wichtigste Erkenntnisse:

• Open Data Lakehouse von Cloudera ist jetzt für die Private Cloud verfügbar und kann bei Bedarf in die Hybrid Cloud mitgenommen werden.
• Entdecken Sie die neuesten Anwendungsfälle für Data Lakehouse, die Ihnen Erkenntnisse und Mehrwert verschaffen.
• Erfahren Sie, wie Cloudera Observability dafür sorgt, dass Cloudera-Implementierungen immer optimal funktionieren.
• Sehen Sie, wie es jetzt einfacher denn je ist, zu Clouderas Open Data Lakehouse vor Ort zu wechseln.

Tim Spann, Principal Developer Advocate, Data-in-Motion

Zusammenfassung:

In dieser Session werden wir untersuchen, wie Kunden mit den Data-in-Motion-Funktionen von Cloudera hochleistungsfähige Daten-Pipelines aufbauen, um ihre KI-Initiativen umzusetzen. Wir werden uns sowohl auf generative KI als auch auf den Prozess des Aufbaus und Einsatzes von traditioneller ML bei Daten mit zunehmender Geschwindigkeit konzentrieren.

Erfahren Sie, wie Sie „eigene“ Daten in Vektor-DBs einspeisen können, um Sicherheit und Effizienz mit einem neuen, exklusiv für Cloudera-Kunden verfügbaren NiFi-Prozessor zu gewährleisten, der Daten mit Konnektoren zu gängigen Vektor-DBs vektorisiert. Wir werden auch behandeln, wie SQL verwendet werden kann, um Self-Service-Analysen für Streaming- und Batch-Daten zu ermöglichen, und wie mit den daraus resultierenden Daten ML-Prozesse wie Echtzeit-Scoring vorangetrieben werden können. 

Wichtigste Erkenntnisse:

• Verstehen Sie, wie Sie die Einspeisung von Daten in Vektordatenbanken bewerkstelligen, um generative KI voranzutreiben.
• Entdecken Sie, wie Sie die Sicherheit von Daten-Pipelines für vertrauenswürdige KI gewährleisten können.
• Erfahren Sie, wie Sie SQL nutzen können, um für kritische Anwendungsfälle herkömmliche ML-Prozesse von der Exploration bis zur Echtzeitbewertung zu beschleunigen.

Manish Maheshwari, Director, Product Management

Zusammenfassung:

Den Überblick darüber zu behalten, was wo auf welchen Clustern läuft, wie es sich verhält und wie oder ob es besser laufen könnte, ist eine anspruchsvolle Aufgabe. Oder besser gesagt, war es früher, denn jetzt gilt das nicht mehr! Cloudera ist stolz darauf, seine erste angewandte Observability-Lösung vorzustellen, die Ihnen hilft, Ihre Cloudera Data Platform-Implementierungen in Ihrem Data Lakehouse zu verstehen und zu optimieren.

Workload-Aware Autoscaling bietet eine brandneue Fähigkeit zur automatischen Skalierung von Rechenleistung, mit der Ihr virtuelles Data Warehouse für verschiedene Datenspeicher- und Analyse-Workloads dimensioniert und genutzt werden kann. Dies ermöglicht eine dynamische und bedarfsgerechte Anpassung an die CPU- und Speicherauslastung sowie eine effektive Parallelität, die erforderlich ist, um schnell Ergebnisse für Ihr Unternehmen zu liefern.

Wichtigste Erkenntnisse:

• Effiziente SLA und kostengebundenes Autoscaling und Multithreading.
• Effektive und effiziente Hardware-Nutzung von Cloud-Provider-Recheninstanzen.
• Management verschiedener Workloads in einem einzigen Virtual Warehouse zur Verbesserung der Benutzerfreundlichkeit und des Workload-Managements.

Manish Maheshwari, Director, Product Management

Zusammenfassung:

Apache Kudu ist eine Open-Source-Engine für die verteilte Datenspeicherung, die schnelle Analysen von schnellen und sich verändernden Daten erleichtert. Daher ist die Kombination von Apache Impala und Apache Kudu eine großartige Kombination für Echtzeit-Analysen an Streaming-Daten für Zeitreihen und Echtzeit-Data-Warehousing-Anwendungsfälle. In dieser Session werden wir erörtern, wie Sie Apache Impala im Cloudera Data Warehouse Service mit Apache Kudu Clustern im Data Hub verbinden können.

Wichtigste Erkenntnisse:

• Einführung in Apache Kudu, unterstützte Anwendungsfälle und Fallbeispiele von Kunden.
• Lernen Sie, wie Sie Apache Impala in CDW und Kudu in Datahub integrieren, um eine Trennung von Berechnung (d. h. Impala) und Speicherung (d. h. Kudu) zu erreichen.
• Lernen Sie die Vorteile des Einsatzes von Impala in CDW kennen und skalieren Sie Rechen- und Speicherleistung je nach Bedarf unabhängig voneinander.