Data

Bu haberin özeti ve bağlantısı doğrulanamadı.

Kurumlara dağıtımları, modelleri ve altyapıları üzerinde kontrol sağlarken, ajansal yazılım geliştirmeyi hassas ve kritik iş yüklerine getiriyoruz.

Bu seri, demolar, tartışmalar ve müşteri öyküleri aracılığıyla, IBM teknolojilerinin kuruluşların daha hızlı sonuçlar elde etmesine, karmaşıklığı azaltmasına ve geniş ölçekte sorumlu bir şekilde yenilik yapmasına nasıl yardımcı olabileceğini gösteriyor.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Kart tespiti ve segmentasyonu için prosedürel olarak oluşturulan veri kümeleri üzerinde eğitim modelleri

Dondurulmuş DINOv3 Özellikleriyle Sentetikten Gerçeğe Transfer sonrası yazısı ilk olarak Veri Bilimine Doğru'da ortaya çıktı.

Bir destek temsilcisi bir keresinde bir müşteriye para iadesinin işleme alındığını söylemişti. Olmamıştı. Model iyiydi, istem iyiydi ve ses tonu güzeldi. Sorun, geri ödeme tablosunun her gece senkronize edilmesi, önceki akşam bir toplu işin başarısız olması ve müşterinin ertesi gün öğleden sonra saat 14:00'te istemesiydi. Temsilci, artık var olmayan bir dünya hakkında çok güzel mantık yürüttü.

Bu hikayeyi anlatmak biraz utanç verici çünkü çoğunlukla çok sıradan. Teams haftalarca modelleri karşılaştırarak ve komutlarda ince ayar yaparak çalışıyor, ardından her şeyi, üzerinde işlem yapan bir şey tarafından okunmak üzere asla tasarlanmayan verilere bağlıyor. Açıkça ifade ettiğim argümanım şu: Bir aracının tavanı, veri hattı tarafından belirlenir ve model çoğunlukla bu tavana ne kadar yaklaşacağınıza karar verir.

Spesifikasyon Odaklı Test Otomasyonuna Doğru, Bölüm 4 Beceri Sonrası mı, MCP Sunucusu mu? Yüksek Lisans'ın İtaatsizlik Etmesini Neyin Durdurduğunu Sor ilk olarak Veri Bilimine Doğru'da ortaya çıktı.

Yapay zeka, ürünlerin oluşturulma, sevk edilme ve ölçülme şeklini yeniden şekillendiriyor. Şirketler, gelecek vaat eden bir yapay zeka prototipi ile kullanıcıların gerçekten güvendiği bir ürün arasındaki farkın bir araştırma sorunu olmadığını buluyor. Bu bir ürün sorunudur. Bu boşluk, AI ürün yöneticisinin (PM) yaşadığı yerdir.

Belirleyici sistemleri denetleyen geleneksel ürün yöneticilerinin aksine, AI PM'ler, kullanıcı popülasyonları arasında değişen, halüsinasyon gösteren ve farklı davranan çıktılarda gezinmek zorundadır. Bu rol, mühendisler, avukatlar ve yöneticilerle net bir şekilde iletişim kurarken, makine öğrenimi ödünleşimlerinde, değerlendirme sistemlerinde, bilgi işlem ekonomisinde ve mevzuata maruz kalmada akıcılık gerektirir.

SAN FRANCISCO, CA / ACCESS Newswire / 20 Ekim 2026 / Yapay zeka ajanları unutuyor. Her oturum sıfırdan başlar, görevler arasında bağlam kaybolur ve çoğu vektör veri tabanı, fikirlerin nasıl bağlandığını veya hangi yanıtların faydalı olduğunu kaydetmeden yerleştirmeleri saklar. Cognitum One™, Inc. (cognitum.one) bugün açık kaynak projesine lisanslama, kurumsal destek ve dağıtım hizmetleri ekleyerek RuVector™'u ticari olarak piyasaya sürdü. RuVector, yapay zeka aracıları için vektör aramayı, grafik ilişkilerini ve kendi kendine öğrenen belleği birleştiren açık kaynaklı bir Rust motorudur. PostgreSQL'de, tarayıcıda ve uçta çalışır, böylece bellek, bir kuruluşun verilerinin ve aracılarının bulunduğu yere yerleşebilir.

Endüstriyel Yapay Zekanın Uygulanması "İş Semantiği" Katmanında Darboğazla Karşılaşıyor

Büyük bir enerji grubunun dijitalleşme projesinde ERP, MES, tedarik zinciri ve finansal sistemler uzun yıllardır bağımsız olarak çalışıyor; sipariş, malzeme ve ekipman verileri ilgili sistemlerde saklanıyor. Bununla birlikte, aynı bileşenin farklı sistemlerde sıklıkla farklı kodları vardır ve sistemler arası kalibre doğrulama, tekrarlanan manuel karşılaştırmaya dayanır. Bu, Shuzhiyun (Beijing) Technology Co., Ltd. tarafından enerji, nükleer enerji, elektrik enerjisi, iletişim ve diğer endüstrilerde veri yönetişimi danışmanlık hizmetleri sağlarken defalarca karşılaşılan bir senaryodur.

Varonis Systems, Inc., hassas veri bağlamını doğrudan Collibra Kurumsal Yapay Zeka Kontrol Düzlemine getiren bir entegrasyonu duyurdu. Teams, Collibra veri kataloğunda sürekli olarak senkronize edilen Varonis hassasiyet etiketlerini görerek verilerin yapay zeka için güvenli olup olmadığını anında anlayabilir. Başarılı yapay zeka girişimleri, ekiplerin güvenli bir şekilde bulabileceği, anlayabileceği ve kullanabileceği güvenilir verilere bağlıdır.

Varonis, veri varlıkları genelinde hassas ve düzenlemeye tabi bilgileri tanımlar ve sınıflandırır. Collibra, verilerin nereden geldiğini ve insanların onu nasıl kullandığını takip ediyor; böylece kuruluşlar, analizlerine ve yapay zekaya neyin güç verdiğini yönetebiliyor. Varonis ve Collibra birlikte kuruluşların analitik, veri bilimi ve aracı geliştirme için neyin güvenli olduğu konusunda net ve güncel bir görüş kazanmasına yardımcı oluyor.

FormativGroup, iş stratejisini gelişen teknolojiyle birleştiren ve FormativGroup'un yapay zeka, veri mühendisliği, yazılım geliştirme ve teknoloji stratejisi alanlarındaki yeteneklerini genişleten bir yapay zeka ve teknoloji danışmanlık firması olan Saige Consulting'i satın aldı.

FormativGroup, Rockbridge Growth Equity tarafından desteklenmektedir ve şirketlerin iş sistemlerini modernleştirmelerine ve kurumsal verileri daha iyi kullanmalarına yardımcı olmak için tasarlanmış uygulama, iş akışı ve veri mimarisi çözümleri sunmaktadır.

Bu kombinasyon, Saige'nin yapay zeka uygulaması, yazılım mühendisliği, bulut platformları ve teknoloji stratejisindeki deneyimini FormativGroup'un mevcut uygulama ve veri mimarisi platformuna taşıyor. Şirketler müşterilere teknoloji stratejisi, sistem tasarımı, iş akışı geliştirme, veri altyapısı ve yapay zeka dağıtımını kapsayan daha entegre bir yaklaşım sunmayı planlıyor.

Oturum ortasında model değiştirmenin neden daha ucuz çıkarımın vaat ettiği tasarrufları silebileceğini anlamak için Yüksek Lisans yönlendirmesini test ettim

LLM Yönlendirmenin Gizli Maliyeti: Modelleri Değiştirmek Neden Daha Fazla Maliyetli yazısı ilk olarak Veri Bilimine Doğru'da çıktı.

Görev küçük. Bir JWT'nin kodunun çözülmesi gerekiyor, bir günlük alanı hex içindeki gzip içindeki Base64'tür veya bir istemci HEIC ekran görüntüsü göndermiştir ve bilet PNG istiyor. En hızlı rota üçüncü arama sonucudur; yapıştırma kutusu ve reklam banner'ı olan bir yardımcı program sitesidir. Tokenın, günlük satırının ve ekran görüntüsünün bittiği yer burasıdır. Hiç kimse dahili verileri bir yabancının web sunucusuna aktarmayı planlamamıştı. Bunun nedeni, alternatifin beş saniyelik bir iş için on beş dakikalık kurulum olmasıydı.

Beş konteyner bu boşluğu kapatıyor. Her biri, kendi makinenizde yinelenen bir geliştirici işi yapan küçük bir yerel hizmettir: inceleme, dönüştürme, dönüştürme, test etme ve diyagram oluşturma. Bunların hiçbiri yapay zeka altyapısı değil ve hiçbiri daha önce ele alınan KDnuggets aracı geliştirici kapsayıcılarıyla örtüşmüyor. Burada önemli olan sıkıcı araçlardır.

Dağınık gereksinimleri konuşlandırılabilir aracılara dönüştürün Gönderi Kutuda Ne Var? Kabul Edilebilir İzleri Kabul Edilemez Olanlardan Ayırmak ilk olarak Veri Bilimine Doğru'da ortaya çıktı.

Yakın zamandaki biyometrik davalar pratik bir soruyu gündeme getiriyor: Bir kuruluş, bir kişinin sesinin sistemlerine nasıl girdiğini, içinden nasıl geçtiğini ve çıktığını gösterebilir mi?

Mayıs 2026'da, Illinois ses uzmanları, kamuya açık kayıtların, Illinois Biyometrik Bilgi Gizliliği Yasası'nın gerektirdiği herhangi bir bildirim, yazılı açıklama, saklama politikası veya güvenlik önlemi olmaksızın ses izi elde etmek ve ses özellikli veya üretken yapay zeka sistemleri geliştirmek için kullanıldığını iddia eden dokuz ilgili toplu dava açtı. Şikayetlerde ayrıca tanıtım, tüketicinin korunması ve sebepsiz zenginleşme teorileri de ileri sürülüyor.

İlk gönderi, 60 turluk bir bütçe, deterministik bir sonuç karşılaştırması ve hiçbir modelin kendi yanıtlarını derecelendirmediği, sağlayıcı başına bir koltuğun bulunduğu bir jüri paneli ile aracılı bir döngü çalıştırdı (model SQL yazar, sonuçları okur ve ne zaman yanıt vereceğine karar verir). Bunların hiçbiri değişmedi. Bu gönderi beş model ekliyor.

Koşum takımı da değişti. github.com/ClickHouse/data-agent-mnist adresinde herkese açıktır, panonun çalıştığı ağaçtan senkronize edilir ve ilk gönderinin bağlantılı olduğu sürümden bu yana:

İlk gönderideki kirlilik sondası beş yeni modelin tamamında çalıştırıldı. Hiçbiri bir soru önekinden anonimleştirilmiş bir varlık adı çıkaramaz (her biri 25'ten 0) ve sorularımıza tamamlama benzerlikleri, tahtanın geri kalanıyla aynı düşük bantta yer alır. Spider kontrolüne sahip beş modelden biri olan Sonnet 5.5, Spider dev'deki varlık adlarının %81'ini, sorularımızın ise %7'sini kurtarıyor; bu da bize sondanın bulunduğu yerde ezberlemeye duyarlı olduğunu gösteriyor.

Devlet hizmetleri için SI'nın kullanışlılığını artırmaya yardımcı olacak yeni teknolojileri keşfedin!

Kapsam: Korumalı alan ortamlarında ve yalnızca halihazırda kamuya açık olan devlet verileriyle keşif. Hackathon çıktıları prototip olarak mevcut olacak ve halka açık olarak dağıtılmayacaktır.

Kim: .gov veya .mil e-posta adresine sahip tüm devlet çalışanları katılabilir (federal, eyalet, yerel, bölgesel veya kabile). GSA'nın ev sahipliğinde; endüstri ortakları arasında Databricks, OpenAI ve IBM yer alıyor.

Nedir: Model Bağlam Protokolü, SI uygulamalarını harici sistemlere bağlamak için kullanılan açık kaynaklı bir standarttır. SI kullanımı konuşma araçlarından özerk aracılara doğru genişledikçe, federal veri varlıklarına ve hizmet sunma yeteneklerine kontrollü erişim yoluyla pratik değeri büyük ölçüde artırılabilir. Ajansınızın açık veri varlıkları ve hizmet sunumu kullanım senaryoları için MCP sunucusu prototipleri oluşturma konusunda yardımınızı arıyoruz.

Hindistan Genel Kayıt Memuru (RGI) Mritunjay Kumar Narayan tarafından yayınlanan resmi genelgeye göre, Birlik içişleri bakanlığı, dünyadaki en büyük idari tatbikat için halka açık kampanyanın bir parçası olarak önümüzdeki yıl Cumhuriyet Bayramı geçit töreni için bir Nüfus Sayımı 2027 tablosu önerecek.

Önerilen tablonun, etkinlik için tablo seçimini denetleyen savunma bakanlığı tarafından onaylanması gerekecek.

Bu hikaye Hindustan Times Mumbai'nin 20 Ekim 2026 tarihli baskısından alınmıştır.

Hindistan'ın en büyük servetlerinden birinin evladı olan ve 2024'te İngiltere'yi terk eden Anand Nadathur, geçtiğimiz yıl İngiltere'nin Surrey kentindeki malikanesinin fiyatını neredeyse 5 milyon £ (6,7 milyon $) düşürdü.

Mobil ev yangını dışarıda kontrol altına alındı; Las Cruces'te herhangi bir yaralanma bildirilmedi (Kaynak: Las Cruces İtfaiyesi)

LAS CRUCES, N.M. (KFOX14/CBS4) — Las Cruces itfaiyecileri, mürettebatın yapı yangını ihbarına çağrılmasının ardından Pazar günü öğleden sonra bir mobil evde çıkan yangını söndürdü.

Las Cruces İtfaiye Departmanına göre öğleden sonra 2'den hemen sonra. 18 Ekim Pazar günü itfaiye ekipleri Holiday Avenue'nun 2200. bloğuna müdahale etti ve konuttan duman çıkan tek genişlikli bir mobil ev buldu.

İtfaiye ekipleri daha sonra boş evde arama yaptı.

Anthropic, 7 Ekim 2026'da Claude Haiku 5.5'i piyasaya sürdü ve onu en ucuz, en hızlı ve en yetenekli küçük model olarak adlandırıyor. API model kimliği Claude-haiku-5-5'tir ve 100.000'e kadar jetonun maliyeti milyon giriş jetonu başına \0,10 ABD Doları ve bir milyon çıkış jetonu başına \0,50 ABD Dolarıdır. Bu makale, Haiku 4.5'ten bu yana nelerin değiştiğini, Python'da bununla hızlı, ucuz yapay zeka iş akışlarının nasıl oluşturulacağını (sınıflandırma, çıkarma ve alt aracılar) ve daha büyük bir Claude modelinin ne zaman daha iyi bir seçim olduğunu ele almaktadır.

Anthropic, Haiku 5.5'i özetler, sıkıştırma, veritabanı sorguları ve sınıflandırma gibi yüksek hacimli, maliyete duyarlı işler için ve Opus 5.5 ve Sonnet 5.5'in yanında bir alt aracı olarak konumlandırıyor. Claude Platformu, Amazon Web Hizmetleri, Google Cloud ve Microsoft Azure'da mevcuttur. Güvenlik değerlendirmeleri sistem kartında belgelenmiştir. Anthropic'in kullanımdan kaldırma sayfasında en erken kullanımdan kaldırılma tarihi 7 Ekim 2027 olarak listeleniyor.

FOSSASIA PGDay'in 9 Mart 2027'de Tayland'a geri dönerek PostgreSQL topluluğunu Bangkok'taki True Digital Park'ta bir araya getireceğini duyurmaktan mutluluk duyuyoruz. Daha fazla ayrıntı için PGDay web sitesini ziyaret edin.

FOSSASIA PGDay, PostgreSQL kullanıcıları, geliştiricileri ve meraklıları için Asya'nın dört bir yanından ve ötesinden topluluğu bir araya getiren yıllık bir toplantıdır. FOSSASIA Zirvesi ile aynı yerde düzenlenen etkinlik, PostgreSQL ve onun büyüyen ekosistemine ilişkin bilgilerin, pratik deneyimlerin ve içgörülerin paylaşılmasına odaklanmış bir forum sağlıyor. Önceki baskılar Singapur, Vietnam, Tayland ve Endonezya'da gerçekleştirilmiş ve yerel toplulukları dünyanın dört bir yanından katkıda bulunanlar, kullanıcılar ve kuruluşlarla buluşturmuştur.

PostgreSQL 18 de dahil olmak üzere, bu küçük sürümler için oluşturulan tüm PostgreSQL ana sürümleri burada mevcuttur.

Dönen EL-10 ve EL-9 veri havuzu RPM'leri etkilenmez.

Hala RHEL 10.0 veya 9.6 (veya Rocky Linux / AlmaLinux 10.0 veya 9.6) kullanıyorsanız, lütfen daha yeni bir küçük sürüme güncelleyin veya arşivi kullanın. Depo paketleri sayfasının arşivlenmiş depolar bölümü, her dağıtım sürümü, mimari ve PostgreSQL sürümü için depo dosyasını ve kurulum komutlarını oluşturur:

Lütfen bu depoların daha fazla güncelleme almayacağını unutmayın.

SLES 15.6 depoları ana PostgreSQL RPM deposundan kaldırılıyor ve PostgreSQL ZYPP arşivine taşınıyor. SUSE Linux Enterprise Server (SLES) 15 SP6 (15.6) için genel destek 31 Aralık 2025'te (yukarı akışla) sona erdi.

PostgreSQL 18 de dahil olmak üzere, bu küçük sürümler için oluşturulan tüm PostgreSQL ana sürümleri burada mevcuttur.

Hala SLES 15.6 kullanıyorsanız ya daha yeni bir SP'ye (bu yazının yazıldığı sırada SP7) güncelleyin ya da arşivi kullanın. Depo paketleri sayfasının arşivlenmiş depolar bölümü, her dağıtım sürümü, mimari ve PostgreSQL sürümü için depo dosyasını ve kurulum komutlarını oluşturur:

Yapay zekayı üretime geçirmek için bir vektör mağazasından daha fazlasına ihtiyacınız var. . RAG işlem hatlarınız karmaşık kurumsal bilgi gerektirirken, AI aracılarınızın çalışabilmesi için gerçek zamanlı operasyonel verilere erişmesi ve bunları sürdürmesi gerekir. Buradaki zorluk açıktır: doğru AI araması ile geleneksel işlemsel veritabanları arasındaki boşluğu doldurmanız gerekir.

En iyi yapay zeka veritabanı, bu yetenekleri nasıl bir araya getirdiğinize bağlıdır. Mevcut bir Postgres veritabanını özel sistemlerle genişletebilir veya bu iş yüklerini birleşik bir veri platformunda birleştirebilirsiniz. Ancak her yaklaşım, uygulamalar üretime geçtikçe veri tazeliği ve performansında ödünleşimler içerir.

Artık hemen hemen her platform açık formatları desteklese de, bir kataloğu gerçekten açık yapan şey nedir? Açık bir katalog, verilerinizi sahip olduğunuz depolama alanında tutar, size en iyi özellikleri sunar ve veri taşınabilirliğini destekler: verileri yerinde tutarken tablolarınızı başka bir kataloğa taşıma yeteneği. Taşınabilirlik, açık göl evinin temel ilkesidir ve çoğu kataloğun yetersiz kaldığı nokta budur.

Apache Iceberg™ REST katalog spesifikasyonunda hem REGISTER hem de UNREGISTER'ı destekleyen ilk katalog olan Databricks' Open Lakehouse'daki Unity Catalog, açık kataloğun anlamını genişletiyor: tablolarınız mevcut Iceberg tablolarını herhangi bir veri hareketi olmadan içeri veya dışarı taşıyabilir. Databricks, Iceberg REST katalog spesifikasyonuna UNREGISTER'ı ekleyerek bunu açık bir standart haline getirdi. Veri Taşınabilirliğinin Kilidini Açmayı okuyun.

Microsoft Fabric Veri Ambarı artık önizlemede Fabric Kullanıcı Veri İşlevleriyle entegre oluyor; böylece ayrı uygulamalar veya işlem hatları oluşturmadan T-SQL'i özel Python mantığıyla genişletebilirsiniz. E-posta veya Teams mesajları göndermek, Fabric değişken kitaplıklarından veya Azure Key Vault'tan parametreleri ve gizli dizileri almak ve OneLake genelinde verilere erişmek için entegrasyonu kullanın.

Bu yeteneklere artık doğrudan Deponuzdaki T-SQL sorgularından ulaşılabilir.

Fabric Veri Ambarı'nda, Fabric Kullanıcı Veri İşlevleri öğesindeki Python işlevlerine referans veren T-SQL harici işlevleri oluşturabilirsiniz. Daha sonra bu işlevleri SELECT, INSERT ve UPDATE gibi tanıdık ifadelerden çağırabilirsiniz. Harici bir işlev çağrıldığında Veri Ambarı, bunun yürütülmesini Fabric Kullanıcı Veri İşlevleri çalışma zamanına devreder.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Dasara tablo sanatçıları temel olanaklar olmadan çalışır; prova için tablo şüpheli

Mysuru: Bu yıl yaklaşık 1000 sanatçı Jumboo Savari için tablolar yaratmak üzere gece gündüz çalışıyor. Bandipalya'daki APMC Tersanesi'nde çeşitli Departmanları, Şirketleri, Kurulları, Zilla Panchayat'ları, Hint Ordusunu ve Donanmayı temsil eden 53 tablo üzerinde çalışıyorlar.

Ancak İlçe Yönetimi ve Dasara Tableaux Alt Komitesi sanatçılara tuvalet, elektrik, içme suyu ve en önemlisi barınma gibi temel olanakları sağlayamadı.

Sanatçılardan biri, "Temel imkanlar olmadan zor koşullar altında çalışıyoruz. Sadece bir tuvalet yaklaşık 1000 sanatçıya hizmet veriyor. Bir sanatçının tuvaleti kullanması gerektiğinde, uzun kuyruk nedeniyle geri dönmek neredeyse bir saat sürüyor" dedi.

Büyük dil modelleri (LLM'ler) etrafındaki araç ekosistemi, çoğu uygulayıcının takip edebileceğinden daha hızlı genişledi. LLM uygulama geliştirmeyle ilgili neredeyse her konuşmaya iki isim hakimdir: LangChain ve LlamaIndex. Her ikisi de LLM'lerle bina arasındaki sürtünmeyi azaltma sözü veriyor. Her ikisinin de büyük toplulukları ve aktif gelişimleri var. Ve birisi nasıl başlayacağını sorduğunda her ikisi de neredeyse refleks olarak tavsiye ediliyor.

Ancak bunların hiçbiri her ekip, her proje veya gelişimin her aşaması için doğru cevap değildir. Üçüncü bir yol giderek daha fazla ciddiye alınmaya değer hale geliyor: sıfırdan inşa etmek, temel API'ler ve kendi soyutlamalarınızdan başka hiçbir şey kullanmamak.

DBtune, PostgreSQL optimizasyonu için DBtune 4.0'ı piyasaya sürerek ürünü sunucu parametre ayarının ötesine taşıyor.

Yeni sürüm, indeks optimizasyonu ve otomatik vakum izlemeyi ekleyerek PostgreSQL yönetiminin üç alanını daha geniş sağlık ve performans izlemenin yanı sıra tek bir sistemde birleştiriyor.

PostgreSQL büyük kuruluşlarda yaygın olarak kullanılır, ancak dağıtımların ölçeği ve karmaşıklığı arttıkça performans yönetimi genellikle daha zor hale gelir. Sonuç olarak, veritabanı ekipleri araştırma, bakım ve ayarlamaya önemli ölçüde zaman harcayabilirken, artan bilgi işlem ve depolama kullanımı da bulut harcamalarını artırır.

Yapay zeka kodlama asistanları, birkaç dakika içinde büyük miktarda çalışma kodu oluşturabilir. Bu üretkenliği artırır ama aynı zamanda onları tehlikeli hale getirir. Yapay zeka tarafından oluşturulan kötü kodun mutlaka kötü görünmesi gerekmez. Bir API, yetkilendirme kuralı, uç durum veya bağımlılık hakkında hala yanlış varsayımda bulunurken derleyebilir, testleri geçebilir ve temiz değişken adları kullanabilir. GitHub, yapay zeka tarafından oluşturulan kodun anlamsal olarak yanlış olabileceği konusunda uyarıyor ve birleştirmeden önce kodun dikkatlice incelenip test edilmesini öneriyor. Dolayısıyla "Yapay zeka tarafından oluşturulan bu kod iyi görünüyor mu?" sorusunu sormak yerine bu 7 kontrolü çalıştırın.

İlk kontrolünüz ChatGPT, Copilot, Claude Code veya başka bir model olmamalıdır.

Hindistan Yönetim Enstitüsü (IIM) Jammu, sağlık araştırmaları, yapay zeka (AI) ve inovasyon alanlarında iş birliğini güçlendirmek için Amerika Birleşik Devletleri'ndeki Birmingham Alabama Üniversitesi (UAB) ile bir mutabakat zaptı (MoU) imzaladı.

Anlaşma, 17 Ekim 2026'da IIM Jammu kampüsünde düzenlenen Global CEO Toplantısı sırasında imzalandı. Ortaklık, iki kurumu sağlık yönetimi ve gelişen teknolojiler alanında araştırma, akademik faaliyetler ve bilgi paylaşımı için bir araya getirmeyi amaçlıyor.

Anlaşmaya göre her iki kurum da sağlık hizmetlerinde yapay zeka, makine öğrenimi, büyük veri analitiği ve tedarik zinciri yönetimi alanlarında ortak araştırmalar üzerinde çalışacak. Bu alanlar, sağlık kuruluşlarının bilgileri incelemesine, planlamayı geliştirmesine ve operasyonel zorluklara yönelik teknoloji tabanlı çözümleri keşfetmesine yardımcı olabilir.

Veri bilimi, pek çok kullanılmamış potansiyele sahip, sağlam ve hızla büyüyen bir alandır. LinkedIn'in Gelişen İşler Raporu, pazarın yedi yıl içinde önemli ölçüde büyüyerek 2019'daki 37,9 milyar dolardan 2026'da 230,80 milyar dolara çıkmasının beklendiğini gösteriyor. Sonuç olarak, uzun vadeli bir kariyere ilgi duyan istekli BT profesyonelleri, veri bilimini başlangıç ​​noktaları olarak düşünmelidir. Ancak yeni bir disiplin öğrenmek zor olabilir. Sağlam bir eğitim planı, diğer bir deyişle yol haritası oluşturup uygulayarak bu zorluğu hafifletebiliriz.

Bu makalede, 2026 için bir veri bilimi yol haritası oluşturmak için gereken tüm bilgiler sunulmaktadır. Veri bilimi yol haritasının ne olduğunu, veri bilimi yol haritasındaki çeşitli bileşenleri ve kilometre taşlarını, veri bilimi yol haritasındaki ilerlemenizi takip etmeyi ve diğer ilgili kaynakları açıklayacağız.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Mutlu ekiplerin üzerinde çalıştığı veri platformuna benzer bir veri platformu oluşturmanıza yardımcı olmak için Veri Platformunun Temelleri üzerine bir e-Kitap yazdık. Bu kitapta şunları öğreneceksiniz: - Şekillendirilebilir mimariler ekiplerin daha hızlı teslimat yapmasına nasıl olanak tanır - Veri kalitesi neden önemlidir ve sorunları kullanıcılara ulaşmadan önce nasıl yakalayabilirsiniz - Gözlemlenebilirlik ne anlama gelir ve sorunları daha hızlı çözmenize nasıl yardımcı olur

Datalogy açık kaynaklı Zephon. Zephon, tek kullanımlık çevrimdışı ETL materyalleştirmesini tokenizasyon, kutu paketleme ve token düzeyinde karıştırma gibi durum bilgisi olan $n$'dan $m$'a kadar işlemler için deterministik, geç bağlama çevrimiçi yürütmeyle değiştirerek, klasik veritabanı sanal ve materyalleştirilmiş görünüm alışverişini yapay zeka eğitimine uygular. Veri ekipleri, işaretçi tabanlı müfredat planlamasını (WorkSource) sütunlu yük getirme işleminden (Parquet, Vortex) ayırarak, her küratörlük çıkarma işlemi için derlem kopyalarının yeniden materyalleştirilmesinin depolama ve hesaplama vergisini ödemeden, eğitim gruplarını doğrudan standart göl evi formatlarından aktarabilir.

Snowflake, büyük şirketlerin verilerini depolamasına ve analiz etmesine ve platformunda giderek daha fazla yapay zeka aracısı oluşturmasına yardımcı olmak için Databricks ile rekabet ediyor. Bir röportajda, Snowflake'in genel müdürü Sridhar Ramaswamy, aynı zamanda, aksatıcının kendisi de bozulabileceği için ilgiyi sürdürme konusunda "bol miktarda paranoyaya" sahip olduğunu söyledi. Alıntılar düzenlendi.

Snowflake'in CEO'su Sridhar Ramaswamy, 118 milyar dolarlık veri bulutu şirketinin Menlo Park genel merkezinde ET'ye yaptığı açıklamada, yapay zekayı yöneten kuralların işletmelerin çalıştırdığı her yapay zeka aracısına ulaşması gerektiğini ve sınır modelleri oluşturan laboratuvarlarda durmaması gerektiğini söyledi. Sektörün, her model ve acente donanımı için geçerli olan temel kurallardan yararlanacağını söyledi.Snowflake, büyük şirketlerin depolama yapmasına yardımcı olmak için Databricks ile rekabet ediyor

Bu haberin özeti ve bağlantısı doğrulanamadı.

Observe'in üç ay önce Snowflake'e katılmasından bu yana, daha hızlı ilerliyoruz, yeni kullanıcılar kazandırıyoruz ve gözlemlenebilirlik erişimini genişleten yeni özellikler geliştiriyoruz. Ancak Observe'in çözmeye çalıştığı temel sorun değişmedi. Misyonumuz, günümüzde birçok işletmenin karşı karşıya olduğu bir zorluk olan geniş ölçekte gözlemlenebilirlik olmaya devam ediyor.

Modern sistemler tarafından oluşturulan günlükler, ölçümler ve izler biçimindeki telemetri hacmi, geleneksel yaklaşımları geride bırakarak, önde gelen kuruluşların her gün yüzlerce terabayt veriyi almasına neden oldu. Telemetrinin boyutu ve karmaşıklığı, yapay zeka tarafından oluşturulan kodun yaygınlaşması ve yapay zeka aracılarının çoğalmasıyla birlikte büyümeyi vaat ediyor. Çözülmeden bırakıldığında gözlemlenebilirlik maliyeti savunulamaz hale gelir ve sorun giderme süresi artar.

Kaliforniya Altın Ayıları (3-3, 2-1 ACC), bu hafta sonu 21 numaralı Wake Forest Demon Deacons (5-1, 3-1 ACC) ile karşı karşıya gelerek bu sezon ulusal sıralamadaki ilk rakipleriyle karşı karşıya gelecek.

Cal, iki takım arasındaki ilk karşılaşma olan ve geçmişi yalnızca 2024'e kadar uzanan bir seride ilk kez Wake Forest'a ev sahipliği yapıyor.

Cumartesi akşamı Cal - Wake Forest kolej futbolunu şu şekilde izleyebilirsiniz.

Nerede: Berkeley, Kaliforniya'daki California Memorial Stadyumu'ndaki Databricks Sahası.

Bu teknik web seminerinde ekiplerin SAP ve SAP dışı verileri nasıl birleştirebileceğini, sıfır kopya paylaşımıyla kopyaları nasıl azaltabileceğini ve analiz ve yapay zekaya hazır, yönetilen bir temel oluşturabileceğini göreceksiniz.

👉 Canlı demo ve Siemens Energy örnek olay incelemesi için yerinizi ayırın.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Paket kayıtlarına yönelik tedarik zinciri saldırılarının hacmi ve karmaşıklığı arttı [1]. Kamu araştırmaları, spam kampanyalarından [2] DPRK kötü amaçlı yazılımlarının istikrarlı bir şekilde yayılmasına [3, 4, 5] ve 2025 ve 2026'daki yüksek etkili TeamPCP'ye [6, 7] kadar bir dizi tehdit aktörü tarafından kötü amaçlı yazılımların npm kayıt defterine dağıtıldığını düzenli olarak gözlemliyor; DPRK ve TeamPCP aktörleri, aşağı yönde erişimi en üst düzeye çıkarmak için yaygın olarak kullanılan açık kaynak projelerinden başarılı bir şekilde ödün verme konusunda bir geçmişe sahip [8].

Bu sorunu doğrudan incelemek için, Kasım 2025'ten bu yana npm kötü amaçlı yazılım örnekleri topluyoruz ve OSV npm kötü amaçlı yazılım önerileri [9] aracılığıyla tarayıp doğruladığımız 11.413 paket sürümü arasında, npm kayıt defterindeki çoğu kötü amaçlı yazılımın, yükünü paket kaynağında gizlediğini veya harici bir sunucudan aldığını, yani doğrulanan veri kümesinin %96,2'sini oluşturduğunu gözlemledik. Geri kalan %3,8'lik 432 paket sürümü bir ikili paketi bir araya getirir. Hacimleri küçük olmasına rağmen triyaj sırasında orantısız risk taşıyabilirler. Araçların okuması için hiçbir kaynak taşımayan soyulmuş, opak bir ikili dosya, temiz kaynak ve meta verilerden oluşan bir cephenin içine yerleştirilebilir ve potansiyel olarak bir Yüksek Lisans'ı iyi niyetli bir karara doğru çarpıtabilir.

Güvenimi 5 üzerinden 4 olarak değerlendirdim, ardından 8 dakika içinde yerleştirilmiş bir hata bulamadım. İşte araç, çalışma ve sınırları.

Yazı: Yapay Zekanızın Yazdığı Kod Hala Sizde Mi? CodeOwnership'i Ölçmek İçin Oluşturdum İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Araç doğru pasajı buldu ancak uyumsuzluğu kaçırdı ve denetim, kurala dayalı kontrollerin nerede başarısız olduğunu gösteriyor.

Codex ile Yazmak İçin Bir Talep Denetleyicisi Oluşturdum yazısı. Yanlış Bir İddiadan Geçti. İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Veri bilimi kodunuzun her yerde çalışmasını sağlama Veri Bilimi Araçlarını Dağıtma: Bölüm 1 yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Dünya modelleri, modern yapay zeka araştırmalarının en ilginç alanlarından biri haline geliyor. Bir girdiyi bir çıktıyla basitçe eşleştirmek yerine, bir dünya modeli bir ortamın nasıl davrandığını öğrenir. Bundan sonra ne olabileceğini tahmin edebilir, olası sonuçları simüle edebilir ve yapay zeka sisteminin eylemlerini planlamasına yardımcı olabilir. Her ne kadar yeni sistemler dünya modellerini video üretimine, robot bilimine, somutlaştırılmış yapay zekaya ve fiziksel akıl yürütmeye taşımış olsa da, temel fikirlerinin çoğu takviyeli öğrenme ve model tabanlı planlamadan geliyor. Sizi temellerden Dreamer, Genie ve modern dünya temel modelleri gibi sistemlere kadar götürecek tek bir kaynak yok, ancak bunun nasıl olduğunu anlamak için yeterli kaynağımız var…

Aynı üç iş yükü çok daha güçlü bir JIT gösteriyor ancak yine de her programa yardımcı olmuyor

Python 3.15'te Python 3.14 JIT Karşılaştırmalarımı Yeniden Düzenliyorum yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Devam eden listeleme, 30 Ekim 2026 veya öncesinde hissedarların özsermaye gereksinimlerine uygunluğun gösterilmesine tabi olmaya devam edecektir.

Tokyo, Japonya--(Newsfile Corp. - 16 Ekim 2026) - Yapay zeka odaklı reklam, pazarlama teknolojisi, içerik ticareti ve veri analitiği çözümleri sağlayan ve Asya genelinde çok dilli dijital medya markalarını işleten bir teknoloji ve dijital medya şirketi olan TNL Mediagene (NASDAQ: TNMG) ("Şirket"), bugün The Nasdaq Stock Market LLC'den ("Nasdaq") 14 Ekim 2026 tarihli bir mektup aldığını duyurdu. Şirketin, Nasdaq Duruşma Paneli'nin ("Panel") 23 Ağustos 2026 tarihli kararı ("Karar") uyarınca, minimum teklif fiyatı gereksinimi olan Nasdaq Listeleme Kuralı 5550(a)(2)'ye uyumu yeniden kazandığını teyit ediyoruz.

Oldukça ilginç bir durum var. Birbirini takip eden iki lideri olan bir şirket sekiz yıldır aynı cümleyi tekrarlıyordu: BI yapmak istemiyoruz.

Bu şirket, bulut veri ambarlarında çalışan analitik ve BI araçları geliştiren Sigma Computing olarak adlandırılıyor; verilerin çıkarılmasına gerek yoktur ve sorgular, Snowflake ve Databricks'e ana bağlantılarla yürütülmek üzere doğrudan bulut veri ambarına geri gönderilir.

2014 yılında kurulan şirketin şu anda 2.000'den fazla müşterisi var ve yıllık 200 milyon ABD doları tutarında yinelenen geliri var. Gartner, kullanıcı inceleme platformlarında 4,8 puan ve 200'den fazla incelemeyle bunu iki yıl üst üste BI Magic Quadrant'a dahil etti.

NVIDIA Nemotron 3.5 Super VL, 15 Ekim 2026'da piyasaya sürülecek — 120 milyar parametreye sahip bir görüş dili modeli, tüm kazanımlar, oyun ve giriş kayıtları ve kişinin kendisine eşlik edeceğine dair bir onay encore doğrulayıcı. Girişim niteliğini "kategoriye göre daha hızlı bir şekilde aracılık etme modeli - 5 gün artı daha iyi bir hız" olarak nitelendirdi ve Yapay Analiz İstihbarat Endeksi sınıfına göre farklılık gösterdi. Yeni ecrivons, Yapay Analiz, Super VL'nin tamamı için bir rapor değil; Bu girişler Nemotron 3.5, Nemotron 3.5 Lightning ile uyumludur. Cela ne rend pas…

Güney Gippsland üzerinden Marinus Link enerji ve veri ara bağlantısının sonunda Hazelwood Kuzey'de inşa edilecek Marinus dönüştürücü istasyonunun ölçekli bir modeli, yakında Leongatha'daki Peart Caddesi'ndeki Marinus Link topluluk bilgi merkezinde sergilenecek.

TOPLULUK üyeleri ve ilgili öğrenciler, yakında Leongatha'daki Peart Caddesi'ndeki Marinus Link topluluk bilgi merkezinde sergilenecek dönüştürücü istasyonunun ölçekli bir modeliyle dev Marinus Link projesinin arkasındaki teknoloji hakkında daha fazla bilgi edinme fırsatına sahip olacaklar.

Yerel işçilere artık Kuzey Batı Tazmanya'dan Güney Gippsland üzerinden Hazelwood Kuzey'e uzanan enerji ve veri boru hattının ucunda yer alacak Marinus Link dönüştürücü istasyonunda çalışmaya başlamaları için yeşil ışık yakıldı.

Uzamsal SQL ve uzamsal birleştirmeler artık Lakehouse//RT'de çalışıyor ve geleneksel bulut veri ambarlarından 38 kata kadar daha hızlı.

Bu yılın başlarında Spatial SQL'i Databricks'te Genel Kullanıma sunduk: buna GEOMETRY veri türü desteği, 100'den fazla uzamsal işlev, yüksek performanslı uzamsal birleştirmeler, AI/BI haritaları ve Delta Paylaşımı dahildi. GEOMETRY ve COĞRAFYA veri türleri, Apache Spark'te bulunan açık göl evinin bir parçasıdır ve Delta ve Iceberg v3 tarafından kullanılan aynı temel parke dosyalarında desteklenir. Sigorta, tarım, enerji, telekom, perakende, lojistik ve daha birçok sektördeki müşteriler, coğrafi iş yüklerini tek bir yönetilen platformda birleştirmek için bunu benimsedi.

Atlassian, 350.000 müşteriye hizmet veren küresel bir SaaS sağlayıcısıdır; 20 yıllık büyümenin ve her biri kendi kayıt formatlarıyla gelen uzun bir satın alma listesinin ürünüdür. Sonuç, çeşitli günlük kaynaklarında ortak bir dil olmadan, günde 44 milyar olayı emen bir güvenlik veri hattıydı.

Atlassian'da Kıdemli Güvenlik Kayıt Mühendisi ve OCSF şemasının koruyucularından Zachary Schmerber, "Çeşitli zaman damgalarınız var, özel şemalarınız var, bu bilgiyi düzenlemeye ve yapılandırmaya çalışan herkes için operasyonel yükünüz var" dedi. Analistler, veriler indikten sonra normalleştirme süresini yakıyordu, platformlar arası korelasyon sınırlıydı çünkü veriler farklı yerlerde ve şekillerde yaşıyordu ve SIEM hatları buna ayak uyduramıyordu.

Kurumsal güvenlik ekipleri 2026 yılının çoğunu sıralama hakkında tartışarak geçirdi. Önce bir veri kataloğu mu, bir bulut tarayıcı mı yoksa bir engelleme aracı mı satın alacaksınız? Tartışmanın artık bir adı var: veri yönetişimi, veri güvenliği duruş yönetimi (DSPM) ve veri kaybını önleme (DLP). Exploding Topics'in Ekim 2026 siber güvenlik trend takipçisine göre, tek başına "veri yönetimi"ne yönelik aramaya yönelik ilgi, Ekim 2024'teki aylık 2.721 aramadan Eylül 2026'ya kadar %1.117'lik bir artışla 33.100'e yükseldi. Bu artık niş bir BT sorusu değil. Bu bir toplantı odasıdır.

Üç kategori, güvenlik operasyon merkezi dışındaki herkese birbirinin yerine kullanılabilir gibi görünebilir, ancak farklı sorunları çözerler ve farklı zaman çizelgelerinde çalışırlar. Veri yönetimi size verinin ne anlama geldiğini ve ona kimin sahip olduğunu söyler. DSPM size hassas verilerin gerçekte nerede bulunduğunu ve ne kadar açığa çıkarıldığını söyler. DLP, bu verilerin e-posta, USB, tarayıcı yüklemeleri veya yanlış yapılandırılmış bir SaaS paylaşımı yoluyla ayrılmasını engeller. Üçünü karıştırmak, 2026'da en yaygın kurumsal hataya yol açıyor: kimse neyin engellenmesi gerektiğini haritalamadan önce bir engelleme aracı satın almak.

Avustralya Menkul Kıymetler ve Yatırım Komisyonu, hem güvenlik hem de veri şeflerinin istifası nedeniyle aynı anda yeni bir CISO, CDAO ve CTO arayışına girdi.

iTnews, bir yıl sekiz aylık bilgi güvenliği sorumlusu (CISO) Jamie Norton ile veri, analitik ve yapay zekadan sorumlu üst düzey yönetici lideri Graham Jefferson'un istifa ettiğini açıklayabilir.

Norton'un Aralık ortasına kadar CISO görevinde kalacağı, Jefferson'un da aynı ay ayrılacağı anlaşılıyor.

Bu nedenle, herhangi bir geçici veya vekil atama yapılmadı ancak kurumsal gözlemci, kalıcı değişiklikler için resmi işe alımlara başladı.

Büyük veri mühendisliği, talebe uygun maaşlarla teknolojide en hızlı büyüyen işlerden biridir. Büyük veri mühendislerinin neler kazanabileceği hakkında daha fazla bilgi edinin.

Büyük veri, bugün toplumumuzda bulunan birçok ürün, hizmet ve sisteme entegre edilmiş ve ihtiyaç duyulmuştur. Bu, büyük veri mühendisi olarak yüksek maaşlı maaş kazanma fırsatlarına yol açar.

Tipik olarak büyük veri mühendisi giriş seviyesi bir pozisyon değildir, dolayısıyla bu rolü üstlenmeden önce diğer veri mesleklerinde deneyim kazanmak iyi bir fikirdir. Büyük veri mühendisi maaşlarına ve iş piyasası beklentilerine bakmak için okumaya devam edin.

Büyük veri mühendisleri, bir şirketin verilerini geliştirmek, sürdürmek, test etmek, analiz etmek ve değerlendirmekten sorumlu profesyonellerdir. “Büyük veri”, şirketlerin günlük iş operasyonlarında topladığı geniş miktardaki veri setlerini ifade eder. Büyük bir veri mühendisi, verileri çıkarmak ve bunları nihai olarak bir kuruluşun verimliliğini, kârlılığını ve ölçeklenebilirliğini artırmak için kullanılabilecek uygulanabilir kümelere dönüştürmek için veri işleme sistemleri ve veritabanlarıyla etkileşime girer.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Abacus AI'nın çevrimiçi incelemeleri ve rakip incelemeleri, platformda iki farklı bakış açısı sunuyor. Genel olarak konuşursak, platformu kapsamlı şekilde kullanan ve çok çeşitli yapay zeka modellerine, aracılara ve platformun maliyet etkinliğine değer veren kullanıcılar arasında olumlu değerlendirmeler bulunabilir. Ancak olumsuz incelemeler, kredi kullanımı, fiyatlandırma, öğrenme eğrisi ve iş akışıyla ilgili bazı sorunlarla ilgili zorlukları ve kafa karışıklıklarını vurgulayabilir. Her iki bakış açısının analizi, platformun güçlü ve zayıf yönlerinin daha iyi anlaşılmasını sağlayacaktır.

Bu makale, kullanıcıların platformu nasıl algıladığını ve kullandığını öğrenmek için Reddit tartışmaları, olumlu ve olumsuz kullanıcı incelemeleri ve izlenecek video kılavuzları aracılığıyla Abacus AI'yı incelemektedir. Ayrıca analize derinlik kazandırmak amacıyla platformun özellikleri, fiyatlandırması, kredi sistemi ve ürün ekosistemi incelemesi yapılıyor.

Yönlendirme doğruluğu, gecikme ve çıktı güvenilirliğine ilişkin uygulamalı bir Jev repo karşılaştırması

Jev Your Engines: Seven Open Decision Models vs. a Generative LLM yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Databricks, tahminleri ve ilgili makine öğrenimi görevlerini doğrudan SQL'e, kontrol panellerine ve Genie'ye taşıyan beş Tahmine Dayalı Yapay Zeka İşlevini beta sürümünde yayınladı. Şirket, analistlerin artık ayrı modeller oluşturmadan veya sürdürmeden tahmine dayalı soruları yanıtlayabildiğini söylüyor. Bu söz, kalıcı bir darboğazı hedef alıyor ancak aynı zamanda sorumluluğu veri bilimcilerinden platforma ve kullanıcılarına kaydırıyor.

Sürüm, yükseltilmiş bir ai_forecast işlevi ve dört yeni işlev içeriyor. Sürücü analizini, anormallik tespitini, sayısal tahmini ve sınıflandırmayı kapsar. Databricks Tahmine Dayalı Yapay Zeka İşlevleri bu nedenle satış tahmininin ötesine geçerek iş ekiplerinin veri departmanlarına yönelttiği çeşitli yinelenen sorulara ulaşır.

Yapay zeka abonelikleri şaşırtıcı derecede hızlı bir şekilde artıyor. Birçoğunun parasını kendim ödüyorum ve bir süre sonra şunu merak etmeye başlıyorsunuz: Bütün bunlara gerçekten değer mi? Açık kaynaklı bir alternatif var mı? Yerel ve özel olarak çalıştırabilir miyim? Peki bunu performans ve kaliteden çok fazla ödün vermeden yapabilir miyim?

Her gün kullandığımız araçların çoğu için cevap artık evet. Bulut yapay zeka asistanlarını yerel büyük dil modelleriyle (LLM'ler), ücretli kodlama araçlarını açık kaynak kodlama aracılarıyla, görüntü oluşturma platformlarını yerel iş akışlarıyla ve Notion gibi uygulamaları kendi kendine barındırılan alternatiflerle değiştirebilirsiniz. Hatta bulut diktesini tamamen kendi makinenizde çalışan hızlı bir konuşmayı metne dönüştürme uygulamasıyla değiştirebilirsiniz.

Dağınık metni eşleştirme, temsili örnekleri seçme ve karşılaştırma verileri oluşturma.

OpenAI'nin 719 Matematik Makalesinin Veri Bilimi için Ne Anlama Geldiği yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Veri yansıtma, bugün Snowflake Postgres'in çalıştığı her bölgede AWS ve Microsoft Azure'da mevcuttur. Postgres veri yansıtmayı üç adımda kullanmaya başlayabilirsiniz:

Snowflake Postgres'i döndürün veya halihazırda sahip olduğunuz bir bulut sunucusunu kullanın.

Snowsight'ta birkaç tıklamayla, tek bir SQL komutuyla veya CoCo'ya sorarak bir ayna oluşturun. Belirli tabloları, tam şemayı veya veritabanını seçin.

Veri yansıtma, Postgres verilerinizi saniyeler içinde sürekli olarak Snowflake'e kopyalar. Bir yansıtma oluşturduğunuzda Snowflake, şema değişiklikleri ve yansıtılmış şemalara eklediğiniz yeni tablolar da dahil olmak üzere, kaynak tablolarının mevcut durumunu yansıtan hedef tabloları korur.

Açık modellerin, temel ve talimat ayarlı logitlerinden tam cevap dağılımını okudum ve bunu bitlere ve tahminlere dönüştürdüm.

Bir Yapay Zekanın "Rastgele" Sayısını Kırmak İçin Kaç Tahmin Gerekir? İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Stack Overflow'un Geliştirici Anketi, üst üste dördüncü yılda, PostgreSQL'in geliştiricilerin tercih ettiği veritabanı yönetim sistemleri listesinin başında yer aldığını ve tercih oranlarının geçen yıla göre arttığını ortaya çıkardı.

40 yıllık bir açık kaynaklı motorun bu kadar dayanıklı olması tuhaf görünüyorsa, pgEdge Inc.'in kurucu ortağı ve genel müdürü Phillip Merrick (resimde) bunun nedeninin basit olduğunu söylüyor: Yapay zeka kodlama aracılarının hızlı yükselişi PostgreSQL'e yeni bir hayat veriyor. Bir röportajda "Bu, aracı tarafından oluşturulan uygulamalar için varsayılan veritabanıdır" dedi. "Talep hızla arttı"

Sohbet geçmişinin tamamını yapıştırmak, notlara bakmaktan 20 ila 31 kat daha maliyetliydi ve görevler açısından daha iyi bir sonuç vermedi.

Yapay Zeka Asistanına Hafıza Vermenin Dört Yolunu Test Ettim yazısı. Açık Olan En Kötü Değerdi. İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Bu ay CostBench serisine iki bölüm daha ekleniyor; Tom Schreiber ve Lionel Palacin, BigQuery ve Databricks'i gerçek zamanlı analitik iş yükünde adım adım ilerletiyor.

26.9 sürümü, günlük analizini kolaylaştıran LIMIT yan tümcesine yeni sınır koşulları ve zaman sınırlı kimlik bilgileri için bir CREATE TOKEN ifadesi ekler.

Başka yerlerde, yürütülebilir kullanıcı tanımlı işlevler artık genel olarak ClickHouse Cloud'da mevcut ve Postgres'in bellek güvenliği ve yerel NVMe depolama üzerinde çalıştırma konusunda ayrıntılı incelemeleri var.

Bu ayın öne çıkan topluluk üyesi, Shyftplan Kıdemli Yazılım Geliştiricisi Hoang Minh V.

Devlet hizmetleri için SI'nın kullanışlılığını artırmaya yardımcı olacak yeni teknolojileri keşfedin!

Kapsam: Korumalı alan ortamlarında ve yalnızca halihazırda kamuya açık olan devlet verileriyle keşif. Hackathon çıktıları prototip olarak mevcut olacak ve halka açık olarak dağıtılmayacaktır.

Kim: .gov veya .mil e-posta adresine sahip tüm devlet çalışanları katılabilir (federal, eyalet, yerel, bölgesel veya kabile). GSA'nın ev sahipliğinde; endüstri ortakları arasında Databricks, OpenAI ve IBM yer alıyor.

Nedir: Model Bağlam Protokolü, SI uygulamalarını harici sistemlere bağlamak için kullanılan açık kaynaklı bir standarttır. SI kullanımı konuşma araçlarından özerk aracılara doğru genişledikçe, federal veri varlıklarına ve hizmet sunma yeteneklerine kontrollü erişim yoluyla pratik değeri büyük ölçüde artırılabilir. Ajansınızın açık veri varlıkları ve hizmet sunumu kullanım senaryoları için MCP sunucusu prototipleri oluşturma konusunda yardımınızı arıyoruz.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Modern gözlemlenebilirlik muazzam miktarda telemetri üretir, ancak telemetri tek başına bir sistemin parçalarının nasıl birbiriyle ilişkili olduğunu açıklamaz. Bir olay meydana geldiğinde en zor kısım genellikle uyarıyı bulmak değil; hizmetler, altyapı ve bağımlılıklar genelinde ne olduğunu anlamaktır. Snowflake'in Observe'deki Gözlemlenebilirlik Bağlamı Grafiği, ham telemetriyi birbirine bağlayabileceğiniz sorgulanabilir veri kümelerine dönüştürerek bu boşluğu kapatır. Böylece bir olay meydana geldiğinde kullanıcılar yalnızca neyin kırıldığını değil, bir şeyin neden kırıldığını da takip edebilir.

Bağlam grafiği, Observe'deki telemetriyi bağlı bir harita halinde düzenleyen mimari katmandır ve kullanıcıların tek tek olayları manuel olarak incelemek yerine içgörüler için tüm sistemde hızlı bir şekilde gezinmesine olanak tanır. Kullanıcıların, ortamlarında neler olup bittiğini görmek için ham verilerindeki bağlantıları görsel olarak keşfetmelerine olanak tanır.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Yalnızca davalar, yapay zeka veri platformlarındaki rekabet ve 2026'ya kadar analistlerin fiyat hedefi kesintileriyle ilgili manşetlere göz atmış olsaydınız, Snowflake kaçınılması gereken bir baş ağrısı gibi görünebilirdi. Snowflake'i yılın başından itibaren tutmak, temettüler de dahil olmak üzere %54,6 oranında getiri sağlayacaktı. 1 Ocak'ta karar vermiş olsaydınız, bir tarafın kurumsal yapay zekanın benimsenmesinin kalıcı bir ivmeyi destekleyebileceğini savunduğu ve diğer bir tarafın da yapay zekanın yerel rakipleri ve düzenlemeleri hakkında uyarı yaptığı bir ortamda, bu çatışma Snowflake'in iş gerçekliğine ilişkin görüşünüzü nasıl şekillendirmeliydi?

Snowflake bu temaya bağlı tek isim değil. 38 yapay zeka küçük sınırına odaklanın ve her birinin fiyatını karşılaştırın.

"DMV'den DHS'ye Veri Boru Hattının Durdurulması", eyalet Motorlu Taşıtlar Departmanı (DMV'ler) tarafından tutulan sürücü ve araç verilerine, "DMV'den DHS'ye boru hattı" aracılığıyla federal göçmenlik uygulama kurumları tarafından erişilen dört devam eden yolu inceliyor. Bu yollar şunları içerir: 1) doğrudan veritabanı erişimi yoluyla; 2) Nlets olarak bilinen eyaletler arası sorgulama sistemi aracılığıyla; 3) veri komisyoncularına satış yoluyla, onlar da bunu ICE/CBP'ye satabilir; ve 4) verileri ICE/CBP'ye ileten yerel kolluk kuvvetleri aracılığıyla. Araştırmacılar, her biri DMV'den DHS'ye giden boru hattını kısıtlamak için eyalet yasalarını kabul eden dört eyaletin (Maryland, Minnesota, New York ve Washington) deneyimlerini inceliyor, ancak yine de hepsi farklı…

Salesforce, iş performansını izleyen, temel ölçümlerdeki değişikliklerin arkasındaki nedenleri belirleyen ve potansiyel eylemler öneren yapay zeka destekli bir analiz platformu olan Loops'u satın almak için kesin bir anlaşma imzaladı.

Anlaşma, Tableau'in analitik yeteneklerini genişleterek müşterilerin iş performansını araştırmak, anormallikleri belirlemek ve eylemleri önceliklendirmek için yapay zeka aracılarını kullanmalarına olanak tanıyacak. Loops'un teknolojisi, Slack ve e-posta aracılığıyla tetiklenebilir ve ekiplerin mevcut iş akışları kapsamında proaktif bilgiler almasına olanak tanır.

Loops, temel performans göstergelerini izlemek, iş ölçümlerindeki değişiklikleri açıklamak ve iyileştirme fırsatlarını belirlemek için makine öğrenimi modellerini kullanır. Yetenekleri, kuruluşların yalnızca ne olduğunu değil, aynı zamanda performansı yönlendiren faktörleri ve buna yanıt olarak alabilecekleri eylemleri de anlamalarına yardımcı olmak için tasarlanmıştır.

"Herkesin kendi fikrine hakkı vardır, ancak kendi gerçeklerine değil." - Daniel Patrick Moynihan (senatör, sosyolog ve bir yönetim kurulu toplantısında iki farklı NRR rakamını asla uzlaştırmak zorunda kalmamış bir kişi)

Self-servis analitiği nihayet işe yarıyor. Yaşasın! Aracılar artı MotherDuck MCP, herkesin hayatında bir parça bile SQL yazmadan depoyu sorgulayabileceği anlamına gelir. Ve tüm bunlar benim için ve 18 ay öncesine kıyasla hızdaki bu büyük değişimi hisseden herkes için inanılmaz derecede heyecan verici olsa da, aynı zamanda… biraz da korkutucu.

MotherDuck'ın Personel Şefi olarak, operasyon planımızın ve bu planı nasıl uyguladığımıza ilişkin tüm raporlama ve ritüellerin sahibiyim. Benim işim MotherDuck'ın kendisini anlamasına yardımcı olmak ve gelecek için doğru kararları verebilmemiz için herkesin aynı fikirde olmasını sağlamak. Sorun, self-servis analitiğin kendi haline bırakıldığında gerçeğin tek bir görünümü üzerinde birleşme eğiliminde olmamasıdır. Bir düzine özel versiyona bölünüyor ve hepsi de son kullanıcının dünyayı nasıl algıladığına göre hafif bir sapma gösteriyor.

Mayıs ayında, daha karmaşık uyarı koşullarına ihtiyaç duyan müşterilerimize yanıt olarak SQL grafiği ve uyarılarını kullanıma sunduk. Kullanıcılar bunları isteğe bağlı ClickHouse SQL'de ifade edebilir; buna, değişen bir taban çizgisine göre hatalardaki ani artışların kontrolleri de dahildir. Bu esneklik aynı zamanda temel çizgileri hesaplamak ve uyarıların ne zaman tetiklenmesi gerektiğine karar vermek için SQL'in yazılması ve sürdürülmesi anlamına da geliyordu.

Bu gereksinimlerin çoğu, yakın tarihle karşılaştırıldığında olağandışı değerlerin tespit edilmesiyle ilgiliydi. Kullanıcılar bu kontrolleri mevcut sorgu oluşturucu görselleştirmelerine uygulamak istediler, bu nedenle z puanlarını kullanarak Yönetilen ClickStack'e yerleşik anormallik algılama özelliğini ekledik. Kullanıcılar hassasiyeti ayarlayabilir ve son iki saat veya önceki gün gibi seçilen bir geçmiş aralıkta uyarıların ne zaman tetikleneceğinin önizlemesini yapabilir. Her z-puanı, bir değeri 24 saate kadar önceki bir penceredeki verilerle karşılaştırır. Normalde istikrarlı olan metriklerdeki küçük dalgalanmalardan kaynaklanan hatalı pozitif sonuçların önlenmesine özellikle dikkat ettik.

TL;DR: MotherDuck Microsoft Azure'a geliyor. Bekleme listesine katılın ve bize hangi Azure bölgesine ihtiyacınız olduğunu söyleyin. Yapay zeka tarafında başlamak için beklemenize gerek yok: MotherDuck MCP sunucusu zaten Copilot Studio ve GitHub Copilot ile çalışıyor.

Çoğu veri ekibi bulutunu seçemiyor. Şirketleri yıllar önce Microsoft'u standartlaştırdı, dolayısıyla kimlik Entra ID üzerinden çalışıyor, veriler Azure Blob Depolama'da ve raporlar Power BI üzerinden çalışıyor. Bu ekiplerin yüzlercesi bizden Azure'da MotherDuck'ı istedi. Bugün AWS'de MotherDuck'tan bulutlar arasında sorgulama yapıyorlar ve Azure, her sorguda çıkış için onlara fatura kesiyor.

Yapay zeka, inşa etmeyi her zamankinden daha kolay hale getirdi. Ancak daha kolay inşa etmek, uzun süre dayanacak şekilde inşa etmekle aynı şey değildir. Kırılgan, kırılgan sistemleriniz varsa, yapay zeka durumu iyileştirmek yerine yalnızca daha da kötüleştirecektir. Bu nedenle yapay zekadan en iyi şekilde yararlanmak için oluşturulmuş bir platforma ihtiyacınız var.

Snowflake Summit 2026'da müşterilerimizi günümüzün veri mühendisliğinde ön sıralara taşıyan yeni yetenekleri duyurduk. Yapay zekayı doğrudan iş akışlarına ekledik ve baştan sona veri hatları oluşturmayı kolaylaştırdık. Bu yeni özellikler her türden veri mühendisi için tasarlanmıştır. Verilerinizin bulunduğu yerde çalışırlar: Snowflake'te, açık ve birlikte çalışabilen göl evlerinde veya her ikisinde. İster SQL, Python yazın, ister ML modelleri oluşturun, işlem hatları oluşturmak için ihtiyacınız olan her şey tek bir yerde mevcuttur. Snowflake ile ölçeklenen elastik bilgi işlem performansına, nerede yaşarsa yaşasın verilere kesintisiz bağlantıya ve tutarlı performansla güvenli, güvenilir veriler için kurumsal düzeyde yönetişim özelliklerine sahip olursunuz.

Veri ekiplerinin hepsine aynı sorular soruluyor: "Satışlar önümüzdeki çeyrekte ne olacak?", "Bu ölçüm neden değişti?" ve "Bu son veriler normalde gördüğümüz normların dışında mı?" Bu ileri düzey analitik sorularını yanıtlamak genellikle işi modeller oluşturmak ve altyapıyı yönetmek üzere bir veri bilimi ekibine devretmek anlamına gelir. Bu, iş kullanıcılarının sırada beklediği ve birçok sorunun hiç sorulmadığı bir darboğaz yaratır.

Şu anda Beta sürümünde olan Tahmine Dayalı Yapay Zeka İşlevleri, analistlerin ve iş kullanıcılarının tahmin, sürücü analizi ve anormallik tespiti gibi gelişmiş analizleri, tamamı en son teknoloji makine öğrenimi modelleri tarafından desteklenen yerleşik işlevler aracılığıyla çalıştırmasına olanak tanıyarak bu darboğazı ortadan kaldırır. Bu SQL-yerel işlevler doğrudan SQL'de çağrılabilir, Genie'de düz dilli sorularla çağrılabilir veya kontrol panellerine yerleştirilebilir. Databricks modelleri merkezi olarak koruduğu için ekipler altyapı oluşturmadan veya yönetmeden yüksek kaliteli, tutarlı yanıtlar alır.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Strateji, politika oluşturmayı desteklemek, kamu hizmetlerini iyileştirmek, yeniliği teşvik etmek, ekonomik rekabet gücünü güçlendirmek ve sürdürülebilir kalkınmayı ilerletmek için verileri egemen bir ulusal varlık olarak oluşturmayı amaçlıyor.

Çad, Birleşmiş Milletler Afrika Ekonomik Komisyonu (ECA) ve Telekomünikasyon, Dijital Ekonomi ve Kamu Yönetiminin Dijitalleştirilmesi Bakanlığı tarafından 7 Ekim 2026'da N'Djamena'da düzenlenen ulusal bir çalıştayın ardından Ulusal Veri Yönetişim Stratejisini onayladı.

Çalıştay, verileri yönetmek, korumak, yönetmek, paylaşmak ve kullanmak için ulusal bir çerçeve görevi görecek stratejiyi gözden geçirmek üzere devlet kurumlarından, düzenleyici otoritelerden, özel sektörden, akademiden, sivil toplumdan ve kalkınma ortaklarından 50 katılımcıyı bir araya getirdi.

Bir anlık görüntüden Amazon Relational Database Service (Amazon RDS) for PostgreSQL örneğini geri yüklediğinizde, temel alınan Amazon Elastic Block Store (Amazon EBS) birimi hemen kullanıma hazır olur. Bulut sunucusu çevrimiçi hale gelmeden önce verilerinizin tam kopyasını beklemezsiniz. Bu, Amazon EBS'nin anlık yedeklerden geri yükleme şeklinin temel bir avantajıdır: veri blokları Amazon Simple Storage Service'de (Amazon S3) kalıcı bir şekilde tutulur ve Amazon EBS birimi arka planda nemlenerek henüz kopyalanmamış tüm blokları ilk erişimde çeker. Bu işleme tembel yükleme veya depolama başlatma adı verilir. Arka plandaki hidrasyon yenilenme zamanında başlar ve sürekli olarak ilerler, böylece hacim giderek daha da artar…

Etkinlik—Ana Temalar ve Satıcı Hareketleri: FabCon ve SQLCon Europe 2026'da yaklaşık 5.000 veri uzmanı, Microsoft'un genişletilmiş veri portföyünü değerlendirmek üzere Barselona, ​​İspanya'daki CCIB'de bir araya geldi. Microsoft, Microsoft Fabric'i birleştirilmiş bir analiz paketinin ötesinde kurumsal yapay zeka için entegre bir operasyonel sinir sistemine taşıyarak yol haritasını Frontier Transformation etrafında çerçeveledi. En etkili duyurulardan biri Fabric IQ'nun Microsoft 365 Copilot Sohbet ve Birlikte Çalışma'da genel kullanıma sunulmasıydı. Fabric IQ, kurumsal yapay zeka etkileşimlerini, depolamayı çoğaltmadan veya artan belirteç ücretleri ödemeden, doğrudan sertifikalı Power BI semantik modellerine, ölçümlerine ve ontolojilerine dayandırır.

Yalnızca modelleriniz farklı hatalar yaptığında yardımcı olur. Gönderi İstifleme En İyi Modelinizi Geride Bırakır mı? İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Metin sınıflandırma modelleri oluşturma konusunda çalıştıysanız, muhtemelen olağan alıştırmalara aşinasınızdır: Yüzlerce ila binlerce etiketli örnek toplamak, ham metni temizlemek, bunu makine öğrenimi modelleri için (yerleştirmeler veya TF-IDF gibi) uygun sayısal temsillere dönüştürmek ve modelinizi lojistik regresyon veya rastgele orman sınıflandırıcı gibi eğitmek.

Ancak büyük dil modelleri (LLM'ler) ortaya çıktığında oyunun kurallarını değiştirdiler ve bu, bir dereceye kadar geleneksel makine öğrenimi hatlarını da içeriyor. Artık bir yüksek lisans kurumundan bunu yapmasını isteyerek bir metni sınıflandırmak mümkün. İşin püf noktası şu: Klasik makine öğrenimi iş akışlarından hızlı mühendisliğe geçiş zor olabilir. Scikit-LLM, her iki dünya arasındaki boşluğu dolduran bir Python kütüphanesidir. Önceden eğitilmiş LLM'lerin güçlü yeteneklerini, tanıdık scikit-learn arayüzünün (fit() ve tahmin()) arkasına sarar.

Öğrenilmiş bir vektör uzayında kelimelerin nasıl ilişkilendirildiğini anlamak

Yazı Word Yerleştirmeleri Kelimeler Arasındaki İlişkileri Nasıl Yakalar? İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Hastaneler, bankalar ve uç cihazlar, NVIDIA FLARE ve Flower'da çalıştırılabilen satırlar yerine oyları paylaşarak hangi özelliklerin önemli olduğu konusunda anlaşabilirler.

Özelliklere Oy Verme: Veri Paylaşımı Olmadan Birleşik Özellik Seçimi yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Büyük dil modellerinin eğitimi en çok ilgiyi çeker, ancak bir model eğitildikten sonra başka bir mühendislik sorunu başlar: Ona hızlı ve verimli bir şekilde nasıl hizmet verirsiniz?

LLM çıkarım mühendisliği gecikmeyi azaltmaya, verimi artırmaya, bellek tüketimini azaltmaya ve mevcut donanımdan daha faydalı işler elde etmeye odaklanır. Bu, KV önbelleğe alma, sürekli toplu işlem, niceleme, önek önbelleğe alma, spekülatif kod çözme, optimize edilmiş dikkat çekirdekleri ve dağıtılmış çıkarım gibi teknikleri içerir. Bu kavramları öğrenmenin en iyi yolu, onları tek tek okumak değil, bir şeyler inşa edip neler olduğunu görmektir. Bu makalede, modern LLM çıkarım sistemlerinin arkasındaki en önemli fikirleri aşamalı olarak tanıtan 5 projeye bakacağız.

Yapay zeka aracıları kod yazarken veri bilimcilerinin neden yazılım mühendisliği ilkelerine ihtiyaç duyduğuna dair teknik bir düşünce.

Kapıda Bir İskele: Gelişebilecek Yapay Zeka Uygulamaları Oluşturma yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Bugün bir veri mühendisi iki iş yapıyor: Hangi tabloların mevcut olması gerektiğine karar veriyorlar (Veri Modelleme) ve bunları güncel tutmak için düzenleme motorunu (zamanlamalar, bağımlılıklar, yeniden denemeler ve dolgular) elle ayarlıyorlar. Bir ay sonra, biraz farklı bir soruyla yeni bir iş gereksinimi geldiğinde, mühendis bir seçimle karşı karşıya kalır: Üç gün boyunca başka birinin kırılgan DAG'ına tersine mühendislik yaparak (yazılı olmayan varsayımlarını öğrenerek ve aşağı yönlü sessiz kırılma riskine girerek) ya da SQL'i kopyalayıp yapıştırarak yeni bir tablo oluşturun.

Her rasyonel mühendis yeni bir tablo oluşturmayı seçer. Bu hayatta kalma içgüdüsünü iki yüz mühendis ve üç yıl boyunca çarptığınızda, modern veri ambarını elde edersiniz: yüksek entropili yayılma. Customer_spend'in bir düzine sürümü, kimsenin yeniden düzenlemeye cesaret edemediği binlerce model ve kimsenin düşürmeye cesaret edemediği petabaytlarca zombi tablosu.

Hindistan'ın BT-BPM sektörü keskin bir daralmanın ardından yeni işe alımları canlandırmaya hazırlanıyor ancak iyileşme, şirketlerin mezunlarda aradığı becerilerin yeniden şekillenmesini sağlıyor.

Teknoloji danışmanlığı ve yetenek danışmanlığı firması HAN Digital'in IT-BPM Mezun İşe Alma Görünümü 2027'ye göre, sektördeki yeni işe alımların 22 Mali Yılı'ndaki 4 lakh'tan 26 Mali Yılı'nda tahmini 1,75 lakh'a düşmesinin ardından 27 Mali Yılı'nda 2,1 lakh'a yükselmesi bekleniyor.

Ancak talep, geleneksel giriş seviyesi kodlama ve iş süreci dış kaynak kullanımı işlerinden giderek yapay zeka (AI), makine öğrenimi (ML), veri mühendisliği, siber güvenlik ve diğer uzmanlaşmış teknoloji rollerine doğru kayıyor.