«Группа Лента» и Data Sapience: переход к индивидуальному управлению коммуникациями
Hyper Lenta 零售连锁店营销总监 Galina Kardaeva 和 Data Sapience CM Ocean CVM 营销平台总监 Vladimir Nosikov 谈论如何创建一个用于优化营销优惠的系统，以简化管理客户价值的流程。
«АстраЗенека», Axenix, TData: платформа управления данными для фармацевтики
阿斯利康俄罗斯和欧亚大陆数据管理主管 Maxim Kirichenko、Axenix 数据治理和数据战略经理 Polina Sorokina 以及数据管理工具 TData 开发总监 Alexander Yurasov 讨论俄罗斯企业数据管理平台的实施。
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)
国家飞行数据摘要 (NFDD) 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: 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。
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。
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 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。
Why Every AI Coding Assistant Needs a Memory Layer
AI 编码助理需要一个持久的内存层来克服 LLM 的无状态性，并通过系统地跨会话提供上下文来提高代码质量。为什么每个 AI 编码助理需要一个内存层一文首先出现在 Towards Data Science 上。
Introduction to Reinforcement Learning Agents with the Unity Game Engine
针对机器学习最棘手领域之一的分步交互式指南。使用 Unity 游戏引擎强化学习代理简介一文首先出现在 Towards Data Science 上。
Your ReAct Agent Is Wasting 90% of Its Retries — Here’s How to Stop It
大多数 ReAct 风格的代理都默默地将重试预算浪费在永远不会成功的错误上。在 200 个任务的基准测试中，90.8% 的重试都花在了幻觉的工具调用上——不是模型错误，而是架构缺陷。本文展示了为什么即时调整无法解决这个问题，以及完全消除浪费重试的三种结构变化。 文章《你的 ReAct Agent 正在浪费 90% 的重试 — 以下是如何阻止它》首先出现在 Towards Data Science 上。
A Survival Analysis Guide with Python: Using Time-To-Event Models to Forecast Customer Lifetime
通过 Kaplan-Meier 曲线和 Cox 比例风险回归对客户保留进行建模来理解生存分析。Python 生存分析指南：使用事件时间模型预测客户生命周期一文首先出现在 Towards Data Science 上。
How to Use Claude Code to Build a Minimum Viable Product
了解如何通过使用编码代理构建 MVP 来有效地呈现产品创意如何使用 Claude 代码构建最小可行产品的帖子首先出现在 Towards Data Science 上。
Best agentic AI platforms: Why unified platforms win
搜索“最佳代理人工智能平台”，您将淹没在供应商比较、功能矩阵和工具目录的海洋中。不过，真正的敌人并不是选择了错误的供应商。构建自己的人工智能解决方案可能会在你的雄心壮志落地之前就将其扼杀。在大多数企业中，团队正在拼凑自己的混合搭配堆栈......最佳代理人工智能平台：为什么统一平台获胜首先出现在 DataRobot 上。
Buffalo’s New Data Buoy Tracks Lake Erie’s Extreme Weather
https://www.fondriest.com/news/buffalos-new-data-buoy-tracks-lake-eries-extreme-weather.htm布法罗的新数据浮标追踪伊利湖极端天气的帖子首先出现在《湖科学家》上。
Сбербанк: доступ к данным для ИИ-агентов
数据管理部门负责人 Alina Gribanova 和 Sberbank 数据管理部门执行总监 Nikita Neggo 谈论创建 DataAPI 解决方案，该解决方案可自动执行从 SQL 查询到工业 API 的路径。
Manage AI costs with Amazon Bedrock Projects
借助 Amazon Bedrock Projects，您可以将推理成本归因于特定工作负载，并在 AWS Cost Explorer 和 AWS Data Exports 中对其进行分析。在这篇文章中，您将学习如何端到端地设置项目，从设计标记策略到分析成本。
From 4 Weeks to 45 Minutes: Designing a Document Extraction System for 4,700+ PDFs
混合 PyMuPDF + GPT-4 Vision 管道如何取代 8,000 英镑的手动工程工作，以及为什么最新模型不是答案这篇文章《从 4 周到 45 分钟：为 4,700 多个 PDF 设计文档提取系统》首先出现在 Towards Data Science 上。
