Exasol ha annunciato Espresso AI a TDWI Transform 2024 con il lancio di tre nuove funzionalità di intelligenza artificiale (AI) progettate per aiutare le aziende ad affrontare l'analisi dei dati in modo più rapido, economico e flessibile. Con queste nuove funzionalità, Espresso AI fornisce alle organizzazioni gli strumenti necessari per sfruttare la potenza dei loro dati per approfondimenti e processi decisionali avanzati basati sull'AI. Sfruttando Espresso AI, i team che si occupano dei dati sono in grado di rispondere a esigenze critiche per il business, come la previsione della domanda, il rilevamento delle frodi e la previsione del fatturato.

Exasol ha potenziato il suo versatile motore di query, Exasol Espresso, con Espresso AI, unendo l'AI e la business intelligence (BI) per consentire rapporti di BI migliori con modelli di machine learning (ML) predittivi. Sfruttando l'esperienza di Exasol nella gestione dei dati e nell'analisi, Espresso AI ottimizza i processi di estrazione, caricamento e trasformazione dei dati per offrire agli utenti la flessibilità di sperimentare immediatamente nuove tecnologie su scala, indipendentemente dalle limitazioni dell'infrastruttura, sia essa on-premises, cloud o ibrida. Gli utenti possono ridurre i costi e gli sforzi di movimentazione dei dati, introducendo nel loro database tecnologie emergenti come i modelli linguistici di grandi dimensioni (LLM) con pochi clic.

Semplificando le fasi critiche di preparazione dei dati, le organizzazioni possono accelerare il loro percorso verso l'implementazione di soluzioni AI e ML, garantendo al contempo la qualità e l'affidabilità dei loro dati. Disponibile da subito per i clienti di Exasol Espresso, Espresso AI offre funzionalità AI e strumenti ML profondamente integrati, tra cui: integrazione evoML: Con questo strumento autoML di TurinTech, gli utenti possono massimizzare le prestazioni con l'implementazione di modelli ML direttamente nel loro database; Exasol AI Lab: Una nuova soluzione basata su container che consente ai data scientist di integrare il database analitico in-memory di Exasol nel loro ecosistema di data science preferito, per creare modelli AI ottimizzati più velocemente e distribuirli su scala; integrazione con Veeoo: Questa recente aggiunta a Espresso consente ai clienti di porre semplicemente domande in linguaggio naturale per interrogare il loro database e ottenere immediatamente risposte affidabili da miliardi di righe di dati. La funzione AI di Vee offre suggerimenti intelligenti per le domande successive, per guidare l'esplorazione dei dati, trasformando l'analisi dei dati in un'esperienza coinvolgente e interattiva.

Exasol e TurinTech: Costruire, ottimizzare e distribuire automaticamente i modelli AI: Exasol ha integrato in modo nativo la sua piattaforma con il pluripremiato prodotto evoML di TurinTech, consentendo ai clienti di trarre maggior valore dai loro dati. Combinando i punti di forza di entrambe le piattaforme, le organizzazioni vedranno i vantaggi dell'analisi avanzata dei dati con l'AI, per ottenere più rapidamente approfondimenti, accelerare il time-to-results da settimane a giorni e aumentare la produttività dei team di ingegneria e di business. Tutto questo con visualizzazioni e codici modello di facile comprensione. Exasol AI Lab - Creare modelli AI ottimizzati più velocemente e distribuirli su scala: Exasol AI Lab, una nuova soluzione preconfigurata basata su container, consente agli scienziati dei dati di integrare senza problemi e rapidamente il database analitico in-memory di Exasol nel suo ecosistema di scienza dei dati preferito.

AI Lab è il punto di partenza ideale per gli utenti che desiderano implementare casi d'uso dell'AI per Exasol, grazie al suo supporto per qualsiasi linguaggio di data science e all'ampio elenco di integrazioni tecnologiche, tra cui PyTorch, Hugging Face, scikit-learn, TensorFlow, Ibis, Amazon SageMaker, Azure ML, Jupyter e altro ancora. Con questa nuova funzione, gli scienziati dei dati possono facilmente utilizzare Exasol per le attività legate all'AI, come il caricamento dei dati, la preparazione dei dati, la formazione dei modelli, l'ottimizzazione dei modelli e la distribuzione dei modelli.