Data关键词检索结果

俄罗斯天然气工业银行和 Data Sapience:在俄罗斯平台上进行营销

Газпромбанк и Data Sapience: маркетинг на российской платформе

俄罗斯天然气工业银行客户群管理部负责人Nikita Klimkin和Data Sapience商务总监Alexey Rundasov谈论客户价值管理系统从SAS解决方案迁移到俄罗斯CM Ocean平台。

ANN's Daily Aero-Term (03.21.26): National Flight Data Digest (NFDD)

ANN's Daily Aero-Term (03.21.26): National Flight Data Digest (NFDD)

国家飞行数据摘要 (N​​FDD) 每日(周末和联邦假日除外)发布适用于航图、航空出版物、飞行员通知或其他媒体的航班信息,其目的是提供对安全和高效飞机运行至关重要的运行飞行数据。

DataRobot + Nebius:针对代理进行优化的企业级人工智能工厂

DataRobot + Nebius: An enterprise-ready AI Factory optimized for agents

DataRobot 和 Nebius 合作推出了 AI Factory for Enterprises,这是一个旨在加速 AI 代理的开发、运营和治理的联合解决方案。该平台使代理商能够在几天而不是几个月内完成生产。 AI Factory for Enterprises 为代理提供可扩展、经济高效、受监管和管理的企业级平台。它实现了这一点...DataRobot + Nebius 帖子:针对代理进行优化的企业级 AI 工厂首先出现在 DataRobot 上。

受管代理团队的基础:DataRobot 和 NVIDIA RTX PRO 4500

The foundation for a governed agent workforce: DataRobot and NVIDIA RTX PRO 4500

将人工智能代理从实验试点转变为全面的企业劳动力需要的不仅仅是一个模型;还需要一个模型。它需要一个硬件基础来平衡高性能推理与行业领先的成本和功耗性能。 DataRobot 已从技术上验证了 NVIDIA RTX PRO 4500 作为 DataRobot 代理劳动力平台的推理引擎,采用 Blackwell 架构。受治理代理劳动力的基础:DataRobot 和 NVIDIA RTX PRO 4500 帖子首先出现在 DataRobot 上。

使用 NVIDIA Nemotron 3 Super 通过 DataRobot 构建企业级 Agentic AI

Build enterprise-ready Agentic AI with DataRobot using NVIDIA Nemotron 3 Super

随着 NVIDIA Nemotron 3 Super 的到来,组织现在可以使用专为协作、多代理企业工作负载而构建的高精度推理模型。 Nemotron 3 Super 完全开放,可以在任何地方进行定制和安全部署。然而,拥有像 Nemotron 3 Super 这样强大的大语言模型 (LLM) 只是一个起跑线。真正的...使用 NVIDIA Nemotron 3 Super 与 DataRobot 构建企业级 Agentic AI 帖子首先出现在 DataRobot 上。

DataPoem 推出因果人工智能平台

DataPoem Unveils Causal AI Platform

为什么重要:DataPoem 推出因果 AI 平台,为企业决策提供可解释的见解和透明度。

在 Databricks 上扩展 ML 推理:流动还是分区?加盐还是不加盐?

Scaling ML Inference on Databricks: Liquid or Partitioned? Salted or Not?

关于最大化集群技术的案例研究Databricks 上的后扩展 ML 推理:流动还是分区?加盐还是不加盐?首先出现在《走向数据科学》上。

4 个 Pandas 概念悄然破坏您的数据管道

4 Pandas Concepts That Quietly Break Your Data Pipelines

掌握数据类型、索引对齐和防御性 Pandas 实践,以防止实际数据管道中出现无声错误。帖子 4 Pandas Concepts That Quietly Break Your Data Pipelines 首先出现在 Towards Data Science 上。

我使用 Vibe Coding 在一个周末内构建了一个播客剪辑应用程序

I Built a Podcast Clipping App in One Weekend Using Vibe Coding

使用 Replit、AI 代理和最少的手动编码进行快速原型制作我使用 Vibe 编码在一个周末构建了一个播客剪辑应用程序的帖子首先出现在 Towards Data Science 上。

IEEE 人工智能汇刊,第 7 卷,第 3 期,2026 年 3 月

IEEE Transactions on Artificial Intelligence, Volume 7, Issue 3, March 2026

1) 多粒度分布外检测的自适应分层图切割作者:X. Fang, A. Easwaran, B. Genest, P. N. Suganthan 页数:1213 - 12222) 论神经网络中高度的表现力作者:F. -L.范,Z.-Y。 Li, H. Xiong, T. Zeng 页数: 1223 - 12373) 基于表面 EMG 手势识别的物理储层计算框架的事件驱动实现作者: Y. Ding, E. Donati, H. Li, H. Heidari 页数: 1238 - 12504) DDConv: Dynamic Dilated Convolution 作者: H. Hu, C. Yu,

运动团体抱怨 Palantir,但英国合同不断到来

Campaign groups rail against Palantir, but the UK contracts keep coming

人工智能分析公司已在白厅产生影响力,FCA 交易使其获得更多数据访问权 Palantir 获得了敏感的 FCA dataPalantir 最新的英国合同,将这家人工智能和数据分析公司带入英国最大行业之一的核心:金融服务业,占经济的 9%。这家总部位于迈阿密的公司于 2023 年将其技术嵌入到 NHS,2024 年嵌入警察,2024 年嵌入军队。 2025 年。他们说,在科技行业落地并扩张。 Palantir 遵循了这个剧本,签订了价值超过 5 亿英镑的合同。继续阅读...

使用 AI 进行 Vibe 编码:软件开发中人机协作的最佳实践

Vibe Coding with AI: Best Practices for Human-AI Collaboration in Software Development

使用 AI 加速编码,同时保持控制并构建可靠的、可用于生产的软件。Vibe Coding with AI:软件开发中人机协作的最佳实践首先出现在 Towards Data Science 上。

使用 OpenAI API 进行提示缓存:完整的 Python 实践教程

Prompt Caching with the OpenAI API: A Full Hands-On Python tutorial

使您的 OpenAI 应用程序更快、更便宜、更高效的分步指南使用 OpenAI API 进行提示缓存:完整的 Python 实践教程首先出现在 Towards Data Science 上。

超越提示缓存:您还应该在 RAG 管道中缓存 5 种内容

Beyond Prompt Caching: 5 More Things You Should Cache in RAG Pipelines

跨 RAG 管道缓存层的实用指南,从查询嵌入到完整的查询响应重用超越提示缓存:您应该在 RAG 管道中缓存的 5 种其他内容首先出现在 Towards Data Science 上。

从头开始用 Python 构建 Navier-Stokes 求解器:模拟气流

Building a Navier-Stokes Solver in Python from Scratch: Simulating Airflow

使用 NumPy 实现 CFD 的实践指南,从离散化到鸟翼周围的气流模拟从头开始用 Python 构建 Navier-Stokes 求解器:模拟气流一文首先出现在 Towards Data Science 上。

Vibe 工程基础知识

The Basics of Vibe Engineering

构建没有编码部分的产品The Basics of Vibe Engineering 首先出现在 Towards Data Science 上。

逃离 SQL 丛林

Escaping the SQL Jungle

大多数数据平台不会一夜之间崩溃;随着查询的进行,它们变得越来越复杂。随着时间的推移,业务逻辑遍布 SQL 脚本、仪表板和计划作业,直到系统变成“SQL 丛林”。本文探讨了这是如何发生的以及如何恢复结构。逃离 SQL 丛林的帖子首先出现在 Towards Data Science 上。

构建稳健的信用评分模型(第 3 部分)

Building Robust Credit Scoring Models (Part 3)

使用 Python 处理借款人数据中的异常值和缺失值。构建稳健的信用评分模型(第 3 部分)一文首先出现在 Towards Data Science 上。