data
收录了 data 频道下的 50 篇内容
Blaze Data Services 还是 LiveCycle Data Services？
Ryan Knight撰写的这篇文章对两个类似的产品（Adobe的LiveCycle Data Services和开源的Blaze Data Services）进行了比较。该比较有助于用户了解这两个产品之间的差异以在特定的情况下选择合适的产品。
2025 的企业 AI 市场， Data &AI 占据主流视野
GenAI 市场的热词，不止有 AI Agent
Dojo Data Store——统一数据访问接口
Dojo 定义了一套API用于统一数据访问，并且提供了针对不同数据源的多种实现，统称Dojo Data Store。作为一种异步的Data Store，尤其适合于Web应用，为实现数据层与表现层的分离提供稳定的基础架构。Dojo中几乎所有的控件都以此为基础，因此，要能熟练使用各种控件，或是开发自定义控件，都需要对这个机制有深入的了解。
Data Mesh 的原则和逻辑架构
我们渴望通过数据来增强和改善商业和生活的各个方面，这驱使我们在大规模管理数据方面进行范式转变。
Data Mesh，数据架构的下一个变革！
Data Mesh 的潜力既令人兴奋又令人生畏，就像从前的微服务架构一样。
腾讯云与 Gartner 联合发布“Data+AI”白皮书，各行业领军企业分享最佳实践
过去二十年，数据平台的发展随着互联网时代的崛起而不断加速。BigTable，奠定了现代大数据技术的基石。
使用 Amazon Kinesis Data Firehose 和 Amazon EMR 中的 Apache Spark 优化流式数据处理
对于大多数公司而言，处理不断增加的数据量并整合新数据源充满挑战。
文章：Blaze Data Services 还是 LiveCycle Data Services？
本文作者Ryan Knight对Adobe的LiveCycle Data Services和开源的Blaze Data Services进行了详尽而又细致的分析与比较，从而帮助用户从中选择适合自己项目的产品。直接点击阅读完整文章。
使用 AWS Data Exchange 和 Amazon SageMaker 构建机器学习工作流
得益于诸如 Amazon SageMaker 和 AWS Data Exchange 等云服务，现在实施机器学习 (ML) 比以往更加容易。
Spring Data —— 完全统一的 API？
Tobias Trelle 对Spring Data项目做了一个介绍，那是一个高级别的SpringSource项目，旨在统一包括数据库系统和NoSQL数据存储在内不同持久化存储的访问方式
实现标记自动化：将海量元数据引入 Data Catalog
让您能够通过交互式接口摄取和编辑业务元数据。它包括可用于实现常见任务自动化的编程接口。定义和采集一组元数据，因此，我们将在这里提供一些关于如何从长期角度声明、创建和维护这类元数据的最佳实践。
小米在 Open Data Catalog For AI 的实践
如何使用 Gravitino 和 Fileset 来管理 AI 数据资产？
数据流动方式迭代：Netflix Studio 的 Data Mesh 实践
在过去的几年里，Netflix Studio经历了几次数据移动方式的迭代。
微软推出 Microsoft.Data.SqlClient，替代 System.Data.SqlClient
微软继续努力将微软产品从.NET Core中分离出来，并将SQL Server驱动程序分离到了一个单独的部署流中。
Git for Data: 像 Git 一样管理你的数据
传统的数据恢复手段往往耗时费力。带来的变革，能让这一切像回滚代码提交一样简单。
传统数据仓库正在被 Agentic AI 吞噬？Agentic Data Stack 初探
Snowflake 换 CEO，不只是人事变动，而是数据架构的时代信号：数仓黄金时代正在谢幕，Agentic Data Stack 正在登场。
Dynamo Data Transform 开源：从手动走向自动化
简化基于DynamoDB的系统的数据转换。
Data Agent 落地挑战：忽略技术框架、语义能力和运营体系，投入可能打水漂
落地过程中其实90%是软件工程，都是在解决行为一致性确定性的问题，可能只有10%是在做prompt、模型调优。
LinkedIn Derived Data Platform
本次分享介绍Linkedin derived data platform以及其如何帮助Linkedin更好的管理机器学习的结果数据集。
京公网安备 11010502039052号 | 产品资质
