MongoDB pour l'intelligence artificielle
_Spot.svg?auto=format%252Ccompress)
Le paysage des charges de travail d’IA
Applications génératives enrichies par l'IA
Les applications intelligentes d'aujourd'hui vont au-delà de l'analyse prédictive pour créer des expériences totalement nouvelles - des chatbots offrant une assistance personnalisée aux images, codes, sons et vidéos générés par l'IA - le tout à partir d'entrées en langage naturel et en temps réel.
Applications traditionnelles enrichies par l'IA
La plupart des applications actuelles exploitent les analyses pour créer des expériences client plus pertinentes et plus réactives. Grâce à l'utilisation de modèles d'apprentissage automatique, l'IA automatise les prises de décision complexes pour la personnalisation, la prévention de la fraude, la maintenance prédictive, etc.
Magasins de fonctionnalités et d'inférences
Les magasins de fonctionnalités sont des systèmes utilisés pour stocker et servir les attributs utilisés dans les modèles d'apprentissage automatique. Les magasins de fonctionnalités hors ligne donnent la priorité au haut débit et sont utilisés pour entraîner les modèles. Les magasins d'inférences, ou magasins de fonctionnalités en ligne, donnent la priorité à une faible latence pour les inférences en temps réel et les applications en direct.
Ressources pour la création d'applications alimentées par l'IA
Découvrez comment tirer parti de MongoDB pour rationaliser le développement de la prochaine génération d'applications alimentées par l'IA.
RessourcesCapacités de base de la plateforme
Unifier les différents services de données
Simplifiez le cycle de vie de l'IA grâce à des services de données opérationnels, analytiques et d'IA qui tirent parti d'un modèle de données unique et d'une API de requête unique sur une plateforme multi-cloud hautement évolutive et sécurisée.
Document model flexible
Innovez et expérimentez avec de nouveaux paramètres et des données de tout type en enregistrant, stockant et indexant les données sans conception de schéma fastidieux ni de modifications continues.
Optimisation du stockage et de la hiérarchisation
Obtenir un débit élevé et une faible latence pour les magasins d'inférence grâce à la combinaison de la hiérarchisation et la fédération des données avec l'indexation des lignes et des colonnes dans une base de données opérationnelle évolutive horizontalement.
Une API expressive et familière
Améliorez la productivité des développeurs et des équipes de ML/IA grâce à une API de requête unique et expressive qui simplifie la préparation des données, la formation des modèles, l'inférence et l'extraction des connaissances.
Capacités vectorielles natives
Améliorez les applications grâce à l'IA générative à travers des magasins de données vectoriels et documentaires intégrés de manière native, sans infrastructure supplémentaire à provisionner, sécuriser ou gérer.
Intégrations étendues
Créez des applications enrichies par l'IA à l'aide de la principale plateforme de données de développement multi-cloud et un solide écosystème de partenaires en IA comprenant des plateformes MLOps et des LLM open source.
« Toute la logique métier de notre plateforme doit prendre des décisions très rapidement. Tout fonctionne sur Atlas, ce qui nous permet d'avancer plus rapidement, car nous n'avons pas à nous soucier du déploiement ou de la mise à l'échelle. Chaque fois que nous avons besoin d'ajouter des champs, des requêtes ou des étapes dans la logique commerciale, Atlas fonctionne. Nous n'avons pas besoin d'y penser. »
« Grâce à la developer data platform de MongoDB, nous pouvons gérer facilement un nombre toujours plus grand d'interactions avec les utilisateurs, couvrant divers types de données comme le texte, tout en maintenant des niveaux de performance optimaux. »
« Grâce à Atlas Vector Search, nous disposons désormais d'une base de données vectorielles et de métadonnées complète, qui a fait ses preuves depuis plus de dix ans et qui répond à nos gros besoins en matière de récupération des données [pour effectuer une génération augmentée de récupération]. Il n'est pas nécessaire de déployer une nouvelle base de données que nous devrions gérer et assimiler. »
« Nous pouvions agir rapidement et apporter des modifications selon nos besoins. Nous pouvions facilement extraire des données afin que notre data scientist les analyse, ce qui nous permet de perfectionner nos processus. »
Créez des applications de ML/IA avec des services de données intégrés
Base de données
Un service de base de données multi-cloud conçu pour la résilience, l'évolutivité et les plus hauts niveaux de confidentialité et de sécurité des données.
Vector Search
Unifié avec Atlas Database et avec des intégrations de support dans LLM, Atlas Vector Search est un moyen rapide et facile de créer des applications de recherche sémantique et basées sur l'IA.
Full-text search
Combinez la recherche par mot-clé d'Atlas Search avec la recherche sémantique optimisée par Atlas Vector Search pour améliorer la pertinence et la précision des invites pour les LLM.
Déclencheurs et fonctions
Exécutez automatiquement du code en réponse à des modifications de la base de données, des événements utilisateur ou des intervalles prédéfinis. Interagissez facilement avec les modèles de machine learning déployés en tant que points de terminaison REST.
Collections de time series
Créez et exécutez des applications analytiques à forte intensité de données en combinant la flexibilité du document model avec des collections de séries temporelles.
Data Federation
Interrogez, transformez et agrégez en toute transparence les données des bases de données Atlas et du stockage d'objets cloud.
Atlas Stream Processing (aperçu)
Transformez la création d'applications de ML/IA nécessitant une détection des failles, des magasins de fonctionnalités et des pipelines d'enrichissement. Unifiez le travail avec les données en mouvement et au repos.
Connecteur Spark
Créez de nouvelles classes d'applications d'IA sophistiquées combinant des données MongoDB et des données à grande vitesse et à volume élevé dans Apache Spark et Databricks.
PyMongoArrow
Déplacez efficacement les données entre MongoDB et les principales bibliothèques de machine learning, notamment Pandas et Scikit-learn.
Renseignements basés sur les applications : un guide pour les leaders technologiques
Pour être compétitif et gagner dans l'économie numérique, vous devez rendre vos applications plus intelligentes. Les applications intelligentes utilisent les données, l'IA et l'analytique pour dialoguer avec les utilisateurs en langage naturel, générer des informations et prendre des mesures de manière autonome.
Pour créer cette nouvelle génération d'applications, nous devons faire les choses différemment. Nous ne pouvons plus nous contenter de copier nos données des systèmes opérationnels vers des systèmes d'analyse centralisés. Au lieu de cela, nous devons apporter une nouvelle classe d'IA et de traitement analytique directement à la source des données, c'est-à-dire aux applications elles-mêmes. C'est ce que nous appelons les renseignements basés sur les applications.
Définir la prochaine vague d'applications modernes
MongoDB Atlas met de puissantes capacités d'IA et d'analyse directement entre les mains des développeurs, selon des modalités qui s'adaptent à leurs flux de travail, à leurs frameworks et à leurs langues.
Apprenez-en davantage sur les conditions requises pour fournir avec succès des renseignements basés sur les applications et sur la manière de démarrer.
Programme MongoDB AI Innovators
Passez de 0 à 1 à l'état de préparation de l'entreprise avec MongoDB Atlas et les grands modèles de langage (LLM)
Démarrez avec MongoDB Atlas, des frameworks d'IA génératifs populaires et des LLM pour créer votre application nouvelle génération capable de fonctionner à grande échelle
Transformer MongoDB en base de données prédictive
Utilisez MongoDB et MindsDB pour améliorer les capacités prédictives des équipes de science et d'ingénierie des données.
Tutoriel de recherche sémantique avec Atlas Vector Search et OpenAI
Apprenez à appeler une API OpenAI et à effectuer une recherche vectorielle dans MongoDB Atlas.
Utiliser MongoDB Atlas et Databricks ensemble
Une étude approfondie sur l'intégration de MongoDB Atlas et Databricks.
Créer un moteur de souscription basé sur le machine learning
Créez un modèle d'assurance basé sur l'utilisation avec MongoDB et Databricks.
_Spot_BS_SpringGreen.svg?auto=format%252Ccompress)