MarkLogic Corporation, éditeur d’une plateforme de données permettant de simplifier l’intégration de tous types de données, annonce aujourd’hui la disponibilité d’une fonctionnalité de Machine Learning embarquée dans ses solutions MarkLogic 10.
Cette fonctionnalité intégrée de Machine Learning s’exécute au plus proche des données et peut être utilisée pour améliorer des opérations techniques de la base de données ou automatiser certaines tâches fonctionnelles du Data Hub MarkLogic telles que la validation, l’harmonisation ou le mastering des données. C’est aussi une nouvelle possibilité offerte aux développeurs qui pourront dorénavant exécuter leurs processus spécifiques de Machine Learning directement au sein du Data Hub, sans avoir besoin d’exporter les données vers des outils tiers.
Ces fonctions se basent sur des technologies éprouvées par le marché : le framework CNTK de Microsoft, la librairie CUDA de NVIDIA et le support du format ONNX qui facilite, entre autres, l’interopérabilité entre les différents outils du marché.
Avec cette nouvelle capacité, MarkLogic s’inscrit dans l’architecture de référence que le Gartner détaille dans sa publication intitulée « Preparing and Architecting for Machine Learning ». Cette dernière présente les différents composants dont les entreprises ont besoin pour se lancer dans le Machine Learning. Cela comprend les traitements permettant d’obtenir des données de qualité optimale jusqu’à la construction, l'entraînement, l'exécution et déploiement de modèles de Machine Learning sur ces données.
Concrètement, les entreprises utilisatrice du Data Hub MarkLogic vont bénéficier de ces nouvelles fonctions d’intelligence artificielle pour encore améliorer l’efficacité et l’agilité de leur stratégie d’intégration et de diffusion de données, adressant des cas métiers tels que la gestion de vue client, contrat ou produit à 360° ou la détection de fraude.
Cette fonctionnalité intégrée de Machine Learning s’exécute au plus proche des données et peut être utilisée pour améliorer des opérations techniques de la base de données ou automatiser certaines tâches fonctionnelles du Data Hub MarkLogic telles que la validation, l’harmonisation ou le mastering des données. C’est aussi une nouvelle possibilité offerte aux développeurs qui pourront dorénavant exécuter leurs processus spécifiques de Machine Learning directement au sein du Data Hub, sans avoir besoin d’exporter les données vers des outils tiers.
Ces fonctions se basent sur des technologies éprouvées par le marché : le framework CNTK de Microsoft, la librairie CUDA de NVIDIA et le support du format ONNX qui facilite, entre autres, l’interopérabilité entre les différents outils du marché.
Avec cette nouvelle capacité, MarkLogic s’inscrit dans l’architecture de référence que le Gartner détaille dans sa publication intitulée « Preparing and Architecting for Machine Learning ». Cette dernière présente les différents composants dont les entreprises ont besoin pour se lancer dans le Machine Learning. Cela comprend les traitements permettant d’obtenir des données de qualité optimale jusqu’à la construction, l'entraînement, l'exécution et déploiement de modèles de Machine Learning sur ces données.
Concrètement, les entreprises utilisatrice du Data Hub MarkLogic vont bénéficier de ces nouvelles fonctions d’intelligence artificielle pour encore améliorer l’efficacité et l’agilité de leur stratégie d’intégration et de diffusion de données, adressant des cas métiers tels que la gestion de vue client, contrat ou produit à 360° ou la détection de fraude.
Autres articles
-
Progress annonce de nouvelles et puissantes fonctionnalités d'IA générative dans sa dernière version de MarkLogic Server
-
Progress présente MarkLogic FastTrack, pour la création d’interfaces graphiques directement connectées aux données de la plateforme de données Progress MarkLogic
-
Progress annonce son intention d'acquérir MarkLogic
-
Les acteurs de la finance misent sur le Data Management pour améliorer leurs décisions en matière d’investissement
-
Les acteurs de la finance misent sur le Data Management pour améliorer leurs décisions en matière d’investissement