Kinetica lancerer Quick Start til implementering af Natural Language til SQL - DATAVERSITY

Kinetica lancerer Quick Start til implementering af Natural Language til SQL – DATAVERSITY

Kildeknude: 3057546
Horoskop / Shutterstock.com

Ifølge en ny pressemeddelelse, Kinetica har lanceret en hurtig start til implementering af naturligt sprog til SQL på virksomhedsdata, hvilket giver organisationer mulighed for at udføre ad-hoc dataanalyse på strukturerede data i realtid. Tilbuddet sigter mod at give en hurtig og nem måde at indlæse strukturerede data på, optimere SQL-GPT Large Language Model (LLM) og stille spørgsmål ved hjælp af naturligt sprog, med svar hurtigt tilbage. Processen involverer tilmelding til Kinetica Cloud Free-udgaven, indlæsning af filer i Kinetica, skabelse af kontekst til tabeller og brug af prompter til at stille eksplicitte spørgsmål til næsten øjeblikkelige svar. Initiativet følger Kineticas tidligere integration af naturligt sprog i SQL som en del af deres GenAI-innovationer.

Phil Darringer, VP for produkt hos Kinetica, udtrykte begejstring over den banebrydende Quick Start til SQL-GPT og understregede dens evne til at gøre det muligt for organisationer at udnytte kraften fra Language til SQL på deres virksomhedsdata på kun en time. Den finjusterede LLM er skræddersyet til hver kundes data med en forpligtelse til garanteret nøjagtighed og hastighed, hvilket revolutionerer virksomhedsdataanalyse med generativ AI. Kineticas database konverterer naturlige sprogforespørgsler til SQL og giver hurtige svar, selv til komplekse spørgsmål. Brugen af ​​native vektorisering, der udnytter NVIDIA GPU'er og moderne CPU'er, muliggør hurtigere udførelse af forespørgsler på et mindre beregningsfodaftryk.

Kinetica Quick Start til SQL-GPT er tilgængelig nu, hvilket giver brugerne mulighed for at tilmelde sig Kinetica Cloud gratis for at prøve løsningen. Den analytiske realtidsdatabase fra Kinetica bruges af store virksomheder globalt og tilbyder specialiserede analyser for tidsserier og rumlige arbejdsbelastninger i forskellige industrier, herunder den offentlige sektor, finansielle tjenester, telekommunikation, energi, sundhedspleje, detailhandel og bilindustrien.

Læs mere om nyhederne link..

Tidsstempel:

Mere fra DATAVERSITET