Llegamos a ustedes gracias a:



Noticias

EMC lanza edición gratuita de la base de datos Greenplum MPP

[02/02/2011] El martes EMC presentó una Community Edition gratuita de su base de datos masiva, paralela y de alto desempeño Greenplum para proyectos de investigación y desarrollo.

La compañía afirmó que la nueva Greenplum Database CE incluye algoritmos analíticos y herramientas de minería gratuitas.
Este es un producto diseñado para hacer que las personas comiencen a desarrollar sobre nuestros productos y sobre tecnología de código abierto, sostuvo Luke Lonergan, CTO de la División de Productos de Computación de Datos de EMC. Es gratuito para investigación y desarrollo. Si lo usan en producción y desean soporte, entonces tienen que pagar por la licencia, la cual es por terabyte o core de PC.
Las herramientas analíticas de negocio de la Greenplum Database CE permiten a los usuarios ver, modificar y mejorar los archivos de datos demos.
La Community Edition puede descargarse como un appliance virtual pre configurado de VMware para usarse en laptops y desktops, o como un conjunto de paquetes para implementarse en las máquinas de los usuarios. Todos los usuarios tienen la libertad de participar en los Greenplum Community Forums para obtener soporte, colaborar, publicar ideas, y probar las mejoras desarrolladas por los usuarios de forma independiente, señaló Lonergan.
Los usuarios de Greenplum CE también pueden aprovechar la librería de algoritmos analíticos de código abierto del producto, MADlib, para obtener data mining y métodos de aprendizaje de máquinas para datos estructurados y no estructurados.
EMC también anunció una versión gratuita de Alpine Miner, un modelador de data mining visual que proporciona capacidades modeling to scoring, y mejora el análisis in-database. Alpine Miner es una interfase tipo drag and drop con un conjunto de algoritmos que permiten a los usuarios crear modelos de sus datos, luego de extraerlos de la base de datos.
Lonergan dio como ejemplo que un retailer puede usar la base de datos para modelar el valor de un cliente o un conjunto de clientes en un día en particular o trimestre, así como lo que pueden valer como clientes si comienzan a comprar productos que actualmente no compran. Además, agregó, un proveedor de servicios podría determinar la probabilidad de que un cliente pueda irse al producto de un competidor, y luego usar esa información para futuras acciones con el cliente.
Hay muchos otros elementos que estaremos añadiendo en el futuro, sostuvo Lonergan.
Lucas Mearian, Computerworld (US)