#analytics
risultati
-
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…
-
Talk to Data in produzione: come Mercedes-Benz Korea ha costruito uno strato semantico affidabile
Mercedes-Benz Korea ha portato in produzione un sistema “Talk to Data” su Databricks mettendo la semantica al centro.…
-
DuckDB 2.0: l’analisi locale diventa il default
La nuova release porta query distribuite su file remoti senza un data warehouse. Abbiamo misurato i tempi su…