Новые возможности AI в Oracle Analytics

Oracle представила новые функции с поддержкой AI в Oracle Analytics, включая AI Assistant. Эти нововведения помогут как рядовым пользователям, так и аналитикам повысить продуктивность при создании и модификации аналитических проектов. Узнайте больше о современных AI возможностях в Oracle.

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Новые возможности Fusion Data Intelligence

Текст поста: Ознакомьтесь с обновлениями Fusion Data Intelligence: новые интеллектуальные приложения, расширенные отчеты и помощник разработчика. Эти улучшения расширяют возможности аналитики и делают работу с данными еще более эффективной.

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Новое сообщество Oracle Analytics: больше возможностей для пользователей

Появилось сообщество Oracle Analytics, где пользователи могут найти различные ресурсы: лабораторию идей, карьерный центр, форумы, новости и аналитические материалы. Доступ к этим материалам можно получить в любое время для получения помощи и советов от экспертов.

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Как работает парламентский график?

Парламентский график – это наглядное и интуитивное представление результатов выборов. Он показывает распределение мест между политическими партиями, упрощая восприятие информации о составе парламента. Узнайте больше о ключевом инструменте для анализа выборов!

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Как растут компании

В прошлой статье мы обсудили кто такой дата-инженер. Давайте теперь обсудим на каком этапе жизненного цикла компании он появляется в команде/компании.

В этой статье вы узнаете как могут развиваться компании и какие роли бывают в ней, и как они влияют на её развитие.


Читать: https://habr.com/ru/articles/841244/

#ru

@big_data_analysis | Другие наши каналы

Кто такой и чем занимается дата-инженер

Хабр, привет! Меня зовут Саша Сайков, я дата-инженер в PepsiCo и старший ревьюер на курсах «Инженер данных» и «Инженер машинного обучения» в Яндекс Практикуме. Я хочу рассказать, чем занимаются дата-инженеры, в каких компаниях мы работаем и чем отличается наша работа от работы других специалистов по данным.


Читать: https://habr.com/ru/companies/yandex_praktikum/articles/841402/

#ru

@big_data_analysis | Другие наши каналы

Преимущества DAX на примере коэффициента проникновения

Привет, Хабр! В рамках Business Intelligence для расчета KPI и других статистических характеристик могут использоваться различные средства. Универсальным и мощным инструментом является язык DAX, в этой статье я хочу показать его преимущества на примере популярной задачи расчета коэффициента проникновения в Power BI.

Если интересна аналитика с DAX - то добро пожаловать !)


Читать: https://habr.com/ru/articles/843628/

#ru

@big_data_analysis | Другие наши каналы

Как нам удалось в 100 раз ускорить решение оптимизационной задачи NBO в Альфа-Банке

В данной статье мы расскажем, как нам удалось найти решение задачи NBO на open source солвере CBC примерно в 100 раз и добиться повышения оптимального значения целевой функции на 0.5%.


Читать: https://habr.com/ru/companies/glowbyte/articles/838410/

#ru

@big_data_analysis | Другие наши каналы

Garak: инструмент Red-Team для поиска уязвимостей в LLM

«ChatGPT раскрывает личные данные реальных людей!», «Атака на ChatGPT по сторонним каналам!», «Чат-бот ChatGPT стал причиной утечки секретных данных!», «Хакеры стали использовать ChatGPT в схемах фишинга!». — Эти новостные заголовки раскрывают нам тёмную сторону больших языковых моделей. Да, они генерируют за нас контент и анализируют данные, но помимо удобства, приносят новые виды атак и уязвимостей, с которыми надо уметь бороться.

Меня зовут Никита Беляевский, я исследую аспекты безопасности LLM решений в лаборатории LLM Security AI Talent Hub и хочу поделиться нюансами настройки и использования инструмента для выявления угроз в системах на основе LLM.


Читать: https://habr.com/ru/companies/oleg-bunin/articles/843644/

#ru

@big_data_analysis | Другие наши каналы

Как мы ускорили Trino, научив оптимизатор удалять ненужные Join

Как мы ускорили запросы в Trino, научив оптимизатор удалять из плана лишние операторы Join.

Обсудим, почему в аналитических запросах часто возникают избыточные Join, почему это плохо для SQL-движков, какие эквивалентные преобразования позволяют избавиться от ненужных Join, и с какими проблемами мы столкнулись при интеграции данного функционала в наш форк Trino.


Читать: https://habr.com/ru/companies/cedrusdata/articles/843882/

#ru

@big_data_analysis | Другие наши каналы

Из лингвиста в дата-сайентисты: личный опыт и детальный трек

Освоить новую профессию и начать работать в сфере ИТ сейчас хотят многие. Моя история доказывает, что переквалифицироваться реально, хотя и очень сложно. Расскажу о своем входе в сферу Data Science с несколько нестандартной исходной точки. Шесть лет учёбы филологии, преподавания языков и разработки игр привели к тому, что к тридцати годам я поняла, что хочу всё поменять, и отныне моё призвание – Data Science. В этой статье в блоге ЛАНИТ - подробно о том, какой путь мне пришлось пройти и чему я училась на каждом из этапов. Все пароли-явки курсов и полезных учебных материалов вы найдете под катом.


Читать: https://habr.com/ru/companies/lanit/articles/842136/

#ru

@big_data_analysis | Другие наши каналы

Как создать проект по работе с данными: пошаговая инструкция

Статья предоставляет пошаговое руководство по созданию проекта обработки данных с нуля. Она охватывает все этапы — от установки необходимого ПО и настройки окружения до структурирования кода и проверки его качества. Узнайте, как выбрать инструменты для обработки данных и построить архитектуру данных.

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Начало работы с Oracle Analytics и AI

Текст поста: Узнайте, как быстро освоить Oracle Analytics с поддержкой искусственного интеллекта. В статье описаны три простых шага для начала работы. Легко и доступно для пользователей любого уровня.

Читать подробнее

#en

@big_data_analysis | Другие наши каналы

Как сделать так, чтобы ваши открытые данные были никому не интересны

Публикация открытых данных — благородное занятие, которое стимулирует исследования, инновации и прозрачность. В то же время заниматься этим бывает утомительно, а пользователи могут делать с вашими данными все, что им угодно. Такая утеря контроля над данными может быть нежелательной, но в некоторых случаях закон обязывает публиковать их именно под открытой лицензией.

Единственный выход в подобных случаях — опубликовать формально открытые данные, но сделать так, чтобы они никому не были интересны. Специально для таких сценариев я составил перечень стратегий, которые помогут избежать нежеланного внимания пользователей, заинтересованных в работе с вашими данными.


Читать: https://habr.com/ru/companies/magnus-tech/articles/842232/

#ru

@big_data_analysis | Другие наши каналы

Не потеряться в данных: оптимизируем аналитику с помощью DataHub

Как не потеряться в данных для аналитики?

Когда количество их источников ограничено, а аналитикой занимается пара человек, в целом всё понятно: обеспечить прозрачность вполне можно на уровне ведения документации (если заниматься этим ответственно).

Но что, если данных в компании много, они отличаются сложной структурой и поступают из разных источников? Едут и из MongoDB, и из PostgresSQL, и из MS SQL; при этом постоянно появляются новые продукты и направления, данных становится ещё больше. Документация по ним устаревает примерно в тот момент, когда заканчиваешь её писать.

Попутно растёт команда аналитиков — новым людям нужно рассказывать, что где лежит, откуда прилетает, какие есть особенности.

Упростить жизнь в такой ситуации призван Data Catalog, и в Сравни мы выбрали популярный вариант — DataHub. Под катом рассказываем, как меняется работа с данными для аналитики, когда в твоей жизни появляется визуализация потоков данных.


Читать: https://habr.com/ru/companies/sravni/articles/844016/

#ru

@big_data_analysis | Другие наши каналы

Pet-проекты и данные для Data-Engineer

При изучении дата-инжиниринга часто возникает вопрос: "откуда брать данные?"

В данной статье вы узнаете про крутые инструменты, которые позволят вам создавать свои pet-проекты c использованием разнообразных данных.


Читать: https://habr.com/ru/articles/841940/

#ru

@big_data_analysis | Другие наши каналы

Полезные Youtube-каналы

Сегодня хотим поделиться с вами подборкой Youtube-каналов по ИИ, машинному обучению и математике. Если у вас есть еще рекомендации, обязательно дополняйте пост в комментариях!

ИИ и машинное обучение


Читать: https://habr.com/ru/articles/844818/

#ru

@big_data_analysis | Другие наши каналы

Пример DAX с точки зрения реляционной алгебры

Привет, Хабр!

Существует множество инструментов для решения задач Business Intelligence, одним из удобных инструментов является функциональный язык DAX, позволяющий работать с различными СУБД и выполнять достаточно сложные аналитические расчеты.

Поскольку язык DAX в рамках Power BI способен работать со множеством различных СУБД (например Oracle, MS SQL, MySQL, PostgresQL, ClickHouse и т.д.), т.е. работает со множеством диалектов SQL, то в некотором смысле DAX является "надмножеством SQL" и приближается в этом смысле к реляционной алгебре. В данной статье приводится разбор типичного DAX для получения записи этого DAX в нотации реляционной алгебры. Интересующимся погружением в DAX и его реляционное представление - добро пожаловать :)


Читать: https://habr.com/ru/articles/845236/

#ru

@big_data_analysis | Другие наши каналы

Самые популярные LLM бенчмарки

Зачем использовать бенчмарки для оценки LLM?

Бенчмарки LLM помогают оценивать точность больших языковых моделей, обеспечивая стандартизированную процедуру измерения метрик выполнения различных задач.

Бенчмарки содержат все структуры и данные, необходимые для оценки LLM, в том числе:
* «Эталонные» датасеты (релевантные задачи/вопросы/промты с ожидаемыми ответами)
* Способы передачи входных промтов в LLM
* Способы интерпретации/сбора ответов
* Вычисляемые метрики и оценки (а также способы их вычисления)

Всё вместе это позволяет согласованным образом сравнивать точность разных моделей. Но какой же бенчмарк LLM стоит использовать? В основном это зависит от сценария использования, то есть от того, для чего вы намереваетесь применять LLM. Давайте разбираться!


Читать: https://habr.com/ru/articles/844974/

#ru

@big_data_analysis | Другие наши каналы

Цифровые двойники: от истока к будущему

Не так давно термин «цифровой двойник» был передовой, меняющей парадигму, но лишь концепцией, которая обещала произвести революцию в отраслях, предоставив динамическое цифровое зеркало физических систем. Сегодня эта инновация вышла далеко за рамки своей первоначальной предпосылки. Она созрела и превратилась в тонкую экосистему.


Читать: https://habr.com/ru/companies/sberbank/articles/845350/

#ru

@big_data_analysis | Другие наши каналы

Быстрое развертывание Oracle Analytics Cloud

Текст поста: Узнайте, как легко и быстро развернуть две примера среды Oracle Analytics Cloud с помощью Oracle Cloud Shell и провайдера OCI Terraform. Подробное руководство поможет вам понять ключевые шаги и упростить процесс. Не пропустите!

Читать подробнее

#en

@big_data_analysis | Другие наши каналы