« Quelqu’un qui connaît SQL peut désormais générer une prédiction de classification ou de régression directement sur des tables déjà dans BigQuery, en utilisant les deux nouvelles fonctions, sans formation, réglage ou déploiement préalable d’un modèle, et sans déplacer les données vers une plate-forme ML distincte, ce qui simplifie également la gouvernance et réduit le coût d’infrastructure lié à l’exploitation d’une plate-forme parallèle », a expliqué Jena.
Selon Manoj Chandra Jha, analyste principal chez Nord-IQ Research, cela se traduit par TabFM qui réduit le flux de travail multi-personnes traditionnel, allant d’un analyste, d’un data scientist et d’un ingénieur ML, en un seul appel SQL, réduisant ainsi potentiellement les besoins en effectifs.
Mais les avantages peuvent varier selon la charge de travail
Cependant, le nouveau modèle présente des limites dont les entreprises doivent être conscientes avant de remplacer les flux de travail ML conventionnels.
