#analytics
risultati
-
Il divario tra dati e azione: la sanità ambulatoriale dentro il lakehouse
Dietro un case study sanitario di Databricks e Health Catalyst c’è una tesi trasferibile: il collo di bottiglia…
-
Amazon Quick Sight: join a runtime con le Multi-Dataset Relationships
Le Multi-Dataset Relationships di Amazon Quick Sight portano i join a runtime tra dataset separati. Guida ai due…
-
Genie all’hackathon Databricks: interrogare, costruire e comporre agenti sui dati governati
Dal quinto hackathon Genie di Databricks, dieci progetti reali mostrano i tre modi di usarlo: interrogare, costruire e…
-
Automatizzare le statistiche descrittive in Python: da df.describe() alle tabelle pronte da pubblicare
Una pipeline riutilizzabile per passare da un DataFrame grezzo a tabelle di sintesi formattate, senza reimplementare gli stessi…
-
Misurare la stabilita dei modelli econometrici, oltre l’accuratezza
Nel forecasting di serie storiche, la stabilita di un modello (come impara) e distinta dall’accuratezza (cosa impara) ma…
-
Multi-dataset Topics in Amazon QuickSight: un semantic layer su più dataset
In public preview, i multi-dataset Topics di QuickSight permettono di collegare fino a 12 dataset in un unico…
-
Pattern di data modeling per le Multi-Dataset Relationships di Amazon QuickSight
Una guida ai sette schemi supportati dalle Multi-Dataset Relationships di Amazon QuickSight, con esempi SQL, workaround per gerarchie…
-
Multi-dataset Topic in Amazon Quick Chat: guidare la SQL generata dall’AI con la semantica
Con i Multi-Dataset Topic di Amazon Quick, il motore generativo scrive SQL a runtime a partire dalla semantica…
-
Amazon Quick: portare il business context dentro i dataset con Dataset Enrichment
Amazon Quick sposta il contesto di business dai legacy Topics direttamente nei metadati del dataset con Dataset Enrichment.…
-
SQL, Pandas o AI agents: chi risolve meglio i problemi di analytics
Stesse tre domande di analytics date a SQL, Pandas e a un agente Claude, con tempi di esecuzione…