#databricks
risultati
-
Valutare una piattaforma di analytics enterprise: sette criteri e un POC sui tuoi dati
Una guida Databricks propone sette criteri pesati, uno scorecard, un TCO a tre anni e un banco di…
-
Imperial College: separare workload operativi e analytics per accorciare la ricerca sulla demenza
Il centro CR&T dell’Imperial College ha ri-architettato la piattaforma Minder: dati IoT domestici in Delta Lake con architettura…
-
Azure Databricks: gli MCP Services verso la GA con scrittura attiva di default
Gli MCP Services gestiti da Azure Databricks vanno verso la GA con scrittura abilitata di default verso Slack,…
-
Acxiom: lo stack di marketing agentico parte dal data layer
Ankur Jain di Acxiom spiega perché il marketing agentico funziona solo quando i dati proprietari sono integrati nativamente…
-
Migrare da Azure Synapse a Databricks: cosa aspettarsi davvero
Databricks ha pubblicato un playbook di campo per passare da Synapse al lakehouse. Le parti interessanti non sono…
-
Databricks presenta Feature Views: una feature ML definita una volta, servita ovunque
Databricks annuncia la Public Preview di Feature Views: un framework managed per definire una feature ML una sola…
-
Databricks ha costruito un benchmark per i coding agent sulle proprie pull request
Databricks ha valutato modelli e harness per il coding partendo dalle pull request realmente mergiate dai suoi ingegneri.…
-
Omnigent: il meta-harness di Databricks per orchestrare e governare gli agenti AI
Databricks presenta Omnigent, un meta-harness per combinare, controllare e condividere più agenti AI in azienda. Perché serve un…
-
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.…
-
Database branching con Lakebase: lo sviluppo del database diventa evolutivo
Con Lakebase di Databricks il database si ramifica come il codice: branch isolati per testare modifiche allo schema…