Você conhece as novas features de Machine Learning e Inteligência Artificial do SQL Server 2019?

As funcionalidades de Machine Learning são adicionadas ao SQL Server em cada versão, elas envolvem recursos para operações de aprendizado de máquina do Python e do R e visam aprofundar a integração entre a plataforma de dados, a análise avançada e a ciência de dados. Na versão de 2016, foi introduzida a instalação básica no Linux e a linguagem R, já na de 2017, Python era uma nova opção de instalação do SQL Server. Porém, somente agora com a versão de 2019, essas interações são mais efetivas, permitindo acesso às bibliotecas das mesmas.

Há vários novos recursos relacionados à Inteligência Artificial (IA) nesta nova versão, trata-se de uma série de mecanismos adaptáveis no Azure, possibilitando que os resultados de Data Analytics sejam mais eficazes na nuvem. Para isso há ferramentas específicas, como o Cortana Intelligence, Data Lake, DW, entre outros.

Serviços de Machine Learning do SQL Server

No Management Studio, principal ferramenta de manipulação de banco de dados do MS SQL Server 2019, já é possível escrever códigos em Python, R e Java, tanto no Windows quanto em servidores Linux, através de um novo comando para “chamar” códigos externos, descrito como CREATE EXTERNAL LIBRARY.

A stored procedure [sp_execute_external_script] já introduz novos parâmetros para gerar de forma fácil modelos de dados particionados. Também é possível adicionar este recurso ao cluster de failover do Windows Server, deixando-o com uma disponibilidade mais segura.

Para a linguagem R uma novidade é o gerenciamento de pacotes do Integration Service (SSIS), possibilitando programar pacotes de integração de dados com a linguagem dentro do SQL Server, utilizando a ferramenta RevoScaleR. É possível instalar também o pacote Microsoft ML que inclui algoritmos de Machine Learning que podem ser dimensionados por DEVs ou executados de forma remota padrão. Dentre os algoritmos, os que mais se destacam são: redes neurais profundas (deep neural networks) personalizáveis, árvore de decisão rápida (decision tree, data mining), regressão linear e logística.

Agora é possível programar em Python pelo Visual Studio

Com esta biblioteca integrada ao SQL Server, as apps podem obter previsões, modelos virtuais ou visuais baseados no Python 3.5 utilizando métodos de acesso ao SQL Server. Da mesma forma que o R, a SP [sp_execute_external_script] também pode ser “invocada” para dígitos de códigos Python para uma integração com o SQL Server. O pacote de algoritmos com a biblioteca desta linguagem se chama [revosaclepy].

Assim como na versão de 2017, a de 2019 possibilita criar um servidor independente (autônomo) de Machine Learning, onde nele, pode-se realizar interações com o servidor de SQL Server de forma individual, melhorando a performance dos processos que fazem este tipo de consulta. 

Inteligência Artificial

O principal recurso de IA da Microsoft (MS) para banco de dados no momento é o Cortana Intelligence, disponível no Azure. Trata-se de uma coleção de serviços de big data e análises de dados que podem ser gerenciáveis na nuvem. A MS disponibiliza alguns serviços para clientes de ramos específicos, como o varejo, com garantia de qualidade e previsão de demanda.

Recursos do Cortana Intelligence para IA:

• Azure Data Lake Analytics: Com este recurso, é possível desenvolver em R, Python, .Net, entre outros sobre petabytes de dados sem uma infraestrutura montada. É possível processar dados sob demanda (on demand) e pagar somente por processo e não pela quantidade de dados.
• Cortana: Serviço de IA da MS que auxilia DEVs em consultas dos serviços da MS, sem precisar de um atendimento direto.

Confira na imagem abaixo o conjunto de novos recursos do Cortana Intelligence aplicados no Azure:

Comece a utilizar agora mesmo!

Estes recursos são excelentes opções para manter uma estrutura empresarial de grande porte. São utilizados por multinacionais que possuem servidores em nuvem e precisam de acesso de larga escala, onde além dos benefícios há também uma redução de custos, visto que a cobrança é feita pelo processo e não pela quantidade de dados guardados. Além disso, podem reduzir os custos com atendimento substituindo-o por uma app de consulta a um banco de dados, onde é possível personalizar esta consulta e construir uma estrutura em apenas alguns minutos e não dias. São features primordiais para melhorias de performance e satisfação dos clientes.

A Arbit é especialista em dados. Entre em contato conosco e saiba como podemos ajudar a otimizar o seu negócio através de inteligência de dados e soluções IA!