Data

Bu haberin özeti ve bağlantısı doğrulanamadı.

Peter Swensen, program direktörü, danışmanlık ve mühendislik hizmetleri, DXC Technology

Küresel teknoloji danışmanlığı DXC Technology, finansal tahmin, faturalandırma ve tedarik zinciri yönetimi de dahil olmak üzere dahili verimliliği artırmak için yapay zeka destekli iş zekası platformu Amazon Quick'u kullanıyor.

"Bu alanların her birinde, o grup insan için konuşlandırılan ajan grupları etrafında oluşturduğumuz farklı kişiliklerimiz var" dedi.

"Satışta, Pitch adında, müşterileri araştırmaya, proaktif fikirlere, proaktif tekliflere, isteklere veya RFP'lere yanıt vermeye, hesap planlamasına yardımcı olan bir dizi aracımız var.

Varlık yöneticilerinin çoğu ticaret, muhasebe, raporlama, CRM ve analitiği ayrı sistemler olarak çalıştırır, bir araya getirilir ve olay sonrasında uzlaştırılır. Ridgeline, hepsini birleşik bir veri modeli ve yerleşik yapay zeka ile tek bir platformda bir araya getiriyor. Performans ölçümü ve analiz müdürü Hayden Hudgins, "Her şeyi kapsayan, hepsi bir arada teklif olmaya çalışıyoruz" diyor.

Şirket içinde, Hayden'in ekibi ticaret ve muhasebenin alt kısmında yer alıyor ve ham işlem sayılarını yatırım performansına ve analitiğine dönüştürüyor. Portföy para kazandırdı mı yoksa kaybettirdi mi? Bu neden oldu? Portföy üzerindeki etkiler ve içindeki ağırlıklar nelerdir?

Bu CostBench serimizin 5. Bölümüdür. Diğer bölümler: Metodoloji · Snowflake · Databricks · BigQuery Sırada: Neden ClickHouse Cloud kazandı?

Yeni veriler gelmeye devam ederken gerçek zamanlı analizlerin hızlı kalması gerekiyor. CostBench, sorguları sürekli alım boyunca yürütür ve yanıt sunma işinin yanı sıra yeni veri hazırlama işini de ölçer. Verimli hazırlık, verileri sorgulamaya hazır tutma maliyetini düşürür ve sorgular için kalan tarama ve toplama işlemlerini azaltır.

Sütunlu depolama, sorguların kullanılmayan alanları atlamasına olanak tanır; sıralama, detaya inmelerin ilgisiz alıntıları atlamasını sağlar; mevcut ön toplamalar, etkileşimli toplamaların hazırlanan özetleri birleştirmesine olanak tanır. Aşağıdaki diyagram, hazırlıklar hızlanırken veya geride kalırken yeni veri yolu şekilleri sorgusunun nasıl çalıştığını gösterir.

İletişim merkezleri, Snowflake'in yenilikçi platformunu Capita'nın karmaşık operasyonları yürütme ve dönüştürme konusundaki uzmanlığıyla birleştirerek yapay zekayı güvenli, ölçülebilir ve uygun ölçekte operasyonel hale getirebilir.

Entegrasyonun bir parçası olarak Snowflake, iletişim merkezi ve müşteriye yönelik operasyonlarda Capita'nın Yapay Zeka Katalizör Yığınını destekleyen Veri Yönetimi ve İstihbarat katmanını sağlar. Bu işbirliği, Capita'nın veri altyapısını modernleştirmesine ve performansın, uyumluluğun ve vatandaşların güveninin kritik olduğu canlı, düzenlenmiş hizmetlere zekanın nasıl yerleştirildiğini dönüştürmesine olanak tanıyor.

Birçok iletişim merkezi ortamında operasyonel içgörü, manuel raporlamanın gizli maliyeti, parçalanmış sistemler ve gösterge panosunun dağınıklığı nedeniyle kısıtlanmaktadır. Teams genellikle ayrı yönetim bilgileri, iş gücü yönetimi, kalite güvencesi ve sürekli iyileştirme işlevleri genelinde yüzlerce gösterge tablosunu yönetir. Bu modelde içgörüyü ölçeklendirmek, tipik olarak çalışan sayısını ölçeklendirmek, karar almayı yavaşlatmak ve performansın gerçek faktörlerini gizlemek anlamına gelir.

Veriler her zaman iş kararlarının merkezinde yer almıştır ve analitik iş yüklerinin çoğu gecikmeye özellikle duyarlı değildir. Ancak gerçek zamanlı BI kontrol panelleri, operasyonel izleme, günlük kaydı, canlı raporlama gibi giderek artan sayıda kullanım senaryosu, şu anda olup biteni yansıtan içgörülere ihtiyaç duyuyor. Bu gerçek zamanlı analizdir ve kritik bir yetenek haline gelmektedir.

"Gerçek zamanlı" birçok anlama gelebilir. Mesaj veri yolları verileri sistemler arasında taşır. Akış işlemcileri, verileri geldikçe dönüştürür. Bu sistemler çoğu modern veri mimarisinin bir parçasıdır ve çoğu, günümüzde göl evlerinde ve analitik motorlarda zaten veri kaynağıdır.

Microsoft Fabric'te gerçekleştirilmiş göl görünümleriyle (MLV'ler) dosya veri alımı artık önizlemede mevcut. Ham dosyaları tablolara taşımak için ayrı besleme işlem hatları oluşturmak yerine, artık CSV ve Parquet dosyalarını doğrudan OneLake'ten gerçekleştirilmiş bir göl görünümüne aktarabilir ve bronz katmanınızı, madalyon mimarinizin geri kalanıyla aynı bildirimsel işlem hattının bir parçası haline getirebilirsiniz.

Bu yetenek, Microsoft Fabric'teki (Genel Kullanıma Sunulan) Materyalleştirilmiş Göl Görünümleri'nin son duyurusunu temel alarak basitleştirilmiş yaklaşımı tablo tabanlı dönüşümlerden ham dosya alımına kadar genişletiyor.

Şimdiye kadar, tablolardan başlaması gereken MLV'lerin avantajlarından yararlanabilmeniz için önce ayrı bir besleme katmanı oluşturmanız ve sürdürmeniz gerekiyordu. Ham dosyaları bu ilk tabloya almak için, bildirimsel ardışık düzeniniz başlamadan önce oluşturmak ve çalıştırmak için ayrı bir adım olan bir kısayol dönüşümüne, bir veri hattına veya bir not defteri yüküne ulaşırsınız.

Amazon Redshift'te Apache Iceberg yazma desteğine başlama – Bölüm 1'de Apache Iceberg tablolarını nasıl oluşturacağınızı ve INSERT ile bu tablolara nasıl yazacağınızı öğrendiniz. Bölüm 2'de verileri satır düzeyinde DELETE, UPDATE ve MERGE ile değiştirdiniz. Her iki yazı da yazınızın kendine ait bir tabloya sahip olduğunu varsayıyordu. Üretimde bu nadiren doğrudur: akışlı işler, zamanlanmış işlem hatları ve tek seferlik dönüşümler sıklıkla aynı tabloya aynı anda yazar. Amazon Redshift artık bu eşzamanlı yazma işlemlerinin çoğunu otomatik olarak çözerek daha önce başarısız olan ve yeniden denenmesi gereken değişiklikleri gerçekleştiriyor. Bu yazıda Iceberg tablolarına eşzamanlı yazma işlemlerinin neden çakıştığını, Amazon Redshift'in nasıl çözümlediğini açıklıyoruz…

Ajanlar iyi durumda. Artık işin zor kısmı etraflarındaki her şey.

Temsilcinizin Daha Fazla Özgürlüğe İhtiyacı Yok yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Fabric Uygulama işlevleri, geliştiricilerin ayrı bir altyapı kurmalarına gerek kalmadan doğrudan Fabric Uygulamalarına güvenli, sunucu tarafı mantığı eklemelerine olanak tanıyan yeni bir özelliktir. Fabric Kullanıcı Veri İşlevleri (UDF'ler) üzerine inşa edilen Fabric Uygulama işlevleri, geliştiricilere iş mantığını yürütmenin, harici hizmetlerle bütünleşmenin, korunan kaynaklara erişmenin ve sırları istemciden saklamanın basit bir yolunu sunar.

Fabric Uygulama işlevleri, Fabric uygulamanızla birlikte çalışan TypeScript tabanlı sunucusuz işlevlerdir. Tarayıcıda çalışmaması gereken kodlar için güvenli bir arka uç yürütme ortamı sağlarlar. İşlevler, uygulama deneyiminin bir parçası olarak paketlenir ve dağıtılır ve yazılan bir istemci aracılığıyla doğrudan uygulamadan çağrılabilir.

Yöneticilere, kullanıcılarının kişisel Çalışma alanlarım üzerinde yönetim kontrolleri sağlayan Çalışma Alanım yönetişim özellikleri artık genel kullanıma sunuldu.

Çalışma alanlarım iş açısından kritik içerik için kullanılmaya devam ettikçe kuruluşların, ortamlarıyla birlikte ölçeklenen yönetişim yeteneklerine ihtiyacı var. Bu geliştirmeler, yöneticilere gerektiğinde içeriğe erişme, yönetme ve kurtarma konusunda daha fazla esneklik sağlarken, operasyonel yükü azaltan ve kiracı genelinde tutarlılığı artıran otomasyona olanak tanır. Çalışma alanım için bu gelişmiş kiracı yönetici kontrolleri aynı zamanda devlet bulutlarında da mevcuttur.

Geçen ay, bir süredir üzerinde çalıştığımız şeyi paylaşmak için ClickHouse Open House NYC'de sahneye çıktık: tek bir entegre yığın olarak işlemler için Postgres, analizler için ClickHouse. Takım için yoğun bir haftaydı. WalShadow'u özel önizlemede başlattık, ClickHouse Managed Postgres'in Google Cloud özel önizlemesini açtık ve chdb Postgres uzantısını yayınladık.

Açılış konuşmasında sahnede Managed Postgres öyküsünü inceledik, WalShadow'u tanıttık ve bunu yoğun bir yazma patlaması altında canlı bir demoyla takip ettik. Aşağıda sahnede paylaştıklarımızın ve sahnede gönderilenlerin bir özeti bulunmaktadır.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Bu haberin özeti ve bağlantısı doğrulanamadı.

Apache Iceberg tablosu, sorguladığınızda normal bir tabloya benzer, ancak altında küçük bir dosya ağacı bulunur: üstte bir JSON dosyası, ortada birkaç katman Avro dosyası ve altta Parquet dosyaları. Bir şey yavaş olduğunda veya yanlış göründüğünde, o ağaçta ne olduğunu bilmek yardımcı olur.

DuckDB her üç formatı da okuyabilir, böylece her katmanı düz SQL ile inceleyebilirsiniz. Bu yazıda küçük bir Iceberg tablosu oluşturacağız, onu birkaç kez değiştireceğiz ve ardından dosyalar üzerinde yukarıdan aşağıya doğru yürüyeceğiz.

Buzdağı uzantısına sahip DuckDB'e ve eklenecek bir Iceberg REST kataloğuna ihtiyacınız var. Kataloglar sayfasında Apache Polaris, Lakekeeper ve Amazon S3 Tables gibi kataloglara yönelik talimatlar bulunur.

TL;DR: ClickHouse Yerel protokolünde istemcilerin bir sorguyu tamamlaması için EndOfStream paketini beklemesi gerekir. Sonuç Veri paketleri ile EndOfStream arasında, ClickHouse birkaç meta veri paketi (Günlükler, İlerleme, Profil Olayları) gönderir. TCP_NODELAY ve bir boşta kalma süresinden sonra bir sıfırlama TCP tıkanıklık penceresi (cwnd) ile birleştirildiğinde, bu toplu işlenmemiş paketler pencereyi aşabilir ve ek bir gidiş-dönüş yolculuğuna neden olabilir. Bunu, Linux ağ ad alanlarını kullanarak deterministik bir şekilde yeniden ürettik ve bu meta veri paketlerini uygulama katmanında gruplayarak kuyruk gecikmesini azalttık.

Müşterilerimizden biri, istemci ile sunucu arasındaki basit SELECT sorgularında ~32 ms ek gecikme gözlemledi.

Kötü veriler nadiren kendini duyurur. Amazon EMR boru hattına sessizce giriyor. Bir değerin olması gereken yerde null. Yanlış formatta bir zaman damgası. Artık mevcut olmayan bir referans anahtarı. Kontrol panelinde yanlış bir sayı, başarısız bir alt iş veya hiç kimsenin doğrulamadığı veriler üzerine alınmış bir iş kararı olarak ortaya çıkana kadar aşağı yönde hareket eder.

Amazon EMR'de büyük ölçekli veri işleme yürüten ekipler için bir veri kalitesi stratejisi seçmek, iki seçenek arasında seçim yapmak anlamına geliyordu. Deequ gibi açık kaynaklı bir kitaplığı kullanarak Apache Spark'te kendi kalite kontrollerinizi oluşturabilirsiniz. Bu yaklaşımla, kontrolleri tam işlem hattınıza göre özelleştirebilirsiniz, ancak bu, merkezi bir kural kümesi yönetimi ve işlem hatları boyunca tutarlı bir kalite kataloğu olmadan, ekibinizin sürdürmesi gereken özel kodu ekler. Veya yönetilen veri kalitesi özelliklerine erişmek için verilerinizi AWS Glue aracılığıyla yönlendirebilirsiniz. Bu yaklaşım, korumanız gereken kodu en aza indirir ancak veri kalitesi doğrulamasını ayrı bir adıma dönüştürür ve hattınıza başka bir motor ekler.

Microsoft Fabric, ekiplerin bu anlar gerçekleştiğinde tepki vermesine yardımcı olur. Gerçek Zamanlı Merkez, olay kaynaklarını keşfetmek, tüketicileri birbirine bağlamak ve bir sinyalden eyleme geçmek için ortak bir yer sağlar. İş Etkinlikleri'nin artık genel kullanıma sunulması ve Eylül 2026 sürümünde gelecek yeni Fabric Etkinlikleri özellikleri sayesinde kuruluşlar, tek bir olaya dayalı model aracılığıyla iş anlamını ve platform operasyonlarını birbirine bağlayabilir.

Yönetilen bir sinyali bir kez yayınlayın, operasyonel ekiplerin bağımsız olarak tepki vermesini sağlayın ve aynı olayı gerçek zamanlı ve geçmiş analiz için saklayın.

Bir Ticari Olay, kuruluş için önemli olan anlamlı bir olayı veya durum değişikliğini temsil eder. Ham telemetri veya teşhis kaydı değildir. İş amacını yansıtır: Bir ödeme başarısız oldu, soğuk zincir sevkiyatı risk altında, envanter bir eşiğin altına düştü veya onay gerekiyor.

Barselona'daki FabCon 2026'da duyurulduğu üzere, Kapasite Metrikleri uygulamasında içgörü elde etme süresini hızlandırmak için tasarlanan anlamlı geliştirmeleri önizleme aşamasında yayınlıyoruz. Buna sağlık, bilgi işlem ve depolama sayfalarındaki yeni ve geliştirilmiş görseller ve ölçümlerin yanı sıra iyileştirilmiş gezinme ve yenilenmiş kullanıcı arayüzü tasarımı da dahildir. Mevcut öğe geçmişi sayfasının üzerine yeni bir öğe ayrıntıları sayfası oluşturularak, kapasitede çalışan ayrı öğeler için önemli bilgiler sağlanır.

Bir yönetici artık sağlık sayfasına gidebilir ve en çok gözden geçirilmesi gereken kapasiteleri hızlı bir şekilde belirleyebilir. Yeni ölçümler, kapasiteler ve zaman dilimleri arasında karşılaştırılabilen, kısma için harcanan sürenin yüzdesi gibi kolayca anlaşılabilen kavramları sunar.

Brickster Voices, işimizi mümkün kılan insanlara ışık tutan bir dizi. Kişisel kariyer yolculukları, etkili projelerin perde arkası görüntüleri ve birlikte nasıl çalıştığımıza dair kısa bilgiler aracılığıyla bu hikayeler, Databricks'teki hayata bir pencere sunuyor. İster yeni fırsatları araştırıyor olun, ister veri ve yapay zeka alanındaki çalışmalarımızı merak ediyor olun, ister yalnızca büyüme ve işbirliği hikayelerinden ilham alıyor olun, Brickster Voices sizi misyonumuzu ileriye taşıyan bireyleri tanımaya davet ediyor.

Brickster Voices serimizin bir parçası olarak APJ'de Üniversite İşe Alma Kıdemli İşe Alma Sorumlusu Clara Kurian ile görüştük. Clara, Databricks'in bölgedeki ilk üniversite işe alım sorumlusudur. Databricks'in Hindistan'daki 250 milyon doların üzerinde yatırımı ve %50 iş gücü genişletme planları ile Clara'nın işi, şirketin büyüme hikayelerinden birinin merkezinde yer alıyor.

Kuruluşlar, veriler geldiği anda harekete geçmek için gerçek zamanlı akışı kullanır. Sahtekarlığı tespit ediyor, müşteri deneyimlerini kişiselleştiriyor ve altyapı olaylarına milisaniyeler içinde yanıt veriyorlar. Amazon Kinesis Data Streams, saniyeden kısa bir gecikmeyle saniyede milyonlarca kaydı alır ve işler. Çoklu hesap dağıtımıyla, Amazon Kinesis Data Streams'i kullanarak sıkı güvenlik sınırları uygulayabilir, yasal gereksinimleri karşılayabilir ve kapsamı kontrol altına alabilirsiniz. Bu yaklaşım hâlâ akış ardışık düzenlerinin gerektirdiği yüksek verimli performansı sağlıyor. Ancak bu faydaların farkına varmak, üreticilerin ve tüketicilerin hesap sınırlarının ötesinde faaliyet gösterecek şekilde yapılandırılmasını gerektirir. Bu, koordinasyonu gerektirir…

Flo Health için üretken yapay zekanın çıtası alışılmadık derecede yüksek. Aylık 81 milyon aktif kullanıcısı olan kadın sağlığı uygulaması, yapay zeka sistemindeki en küçük zayıflıkların bile önemli olduğu bir ölçekte çalışıyor. Flo'nun ürünleri sağlık ve refahla ilgili olduğundan, yanıtların tıbbi açıdan güvenli ve gerçekten faydalı olması gerekir.

Flo yalnızca geleneksel makine öğrenimi kullanmaktan üretken yapay zeka tarafından desteklenen kişiselleştirilmiş içgörülere doğru ilerledikçe ekip daha esnek, kişiselleştirilmiş bir ürünün potansiyelini gördü. Ancak tek bir genel amaçlı modele güvenmek başka kısıtlamaları da beraberinde getirdi: ölçekte maliyet, model sağlayıcının yaşam döngüsüne bağımlılık ve Flo'nun kendi alan uzmanlığını kodlama yeteneğinin sınırlı olması. Flo'nun uzun vadeli vizyonu, her görev için doğru modeli kullanırken tutarlı bir güvenlik standardını koruyabilen bileşik bir yapay zeka sistemiydi.

Özel SQL Havuzları, yöneticilere Fabric çalışma alanındaki bilgi işlem kaynaklarının farklı iş yükleri arasında nasıl tahsis edildiği konusunda daha fazla kontrol sağlar. İş yüklerini ayrı havuzlara ayırabilir, maksimum kaynak ayırma yüzdelerini ayarlayabilir ve bir iş yükünün diğerine yönelik kaynakları tüketmemesini sağlamaya yardımcı olabilirsiniz.

Örneğin, veri alımı, raporlama ve geçici analiz için ayrı havuzlar oluşturabilir, ardından her havuzun tüketebileceği maksimum işlem kaynağı yüzdesini yapılandırabilirsiniz. Özel SQL Havuzları, Fabric Veri Ambarı'nda yerleşik olarak bulunan otonom iş yükü yönetimi yeteneklerini tamamlarken kuruluşlara öngörülebilir ve iş açısından kritik iş yükleri için ek kontrol sağlar.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Snowflake CEO'su Sridhar Ramaswamy, San Francisco'daki Snowflake Zirvesi 26'daki açılış konuşmasında yapay zekanın potansiyelini vurgulayarak, "Bu, şimdiye kadar gördüğüm teknolojik değişimin en büyülü dönemlerinden biri" dedi.

Yapay zekanın, insanların üretkenlik, verimlilik ve yenilikçilikte yeni boyutlara ulaşmasını sağlama gücü, etkinlikteki birçok uzmanın bunu büyüye benzetmesine yol açtı; bu, zirve boyunca ortak bir temaydı. Örneğin, başka bir açılış konuşmasında, Snowflake'in üründen sorumlu başkan yardımcısı Christian Kleinerman, Arthur C. Clarke'ın "yeterince gelişmiş herhangi bir teknolojinin sihirden ayırt edilemez" şeklindeki meşhur gözlemine değindi.

Tableau, herhangi bir müşteriden aynısını yapmasını istemeden önce kendi aracı analiz sistemini dahili olarak ("Sıfır Müşteri" olarak) on binlerce Salesforce çalışanımıza dağıttı. Keşfettiklerimiz, ürünü nasıl oluşturduğumuzla ilgili her şeyi şekillendirdi.

Kurumsal veri mimarileri ölçeklendikçe, her çalışanın cebine yetenekli bir analiz aracısı koymak bir veri erişim sorunu değil, bir yönetim ve güven sorunudur. Bu yazıda doğruluk, sıkı yönetim, operasyonel görünürlük ve geniş ölçekte öngörülebilir maliyetler elde etmek için geliştirdiğimiz dört bölümlü çerçeveyi paylaşacağız.

Satış ekiplerimizin, her sabah hareket halindeyken, bir analist beklemeden hesapları, satış kanalları ve anlaşmaları hakkında hızlı ve doğru yanıtlara ihtiyacı vardı. Bu, herhangi bir büyük kuruluşta en yaygın analiz ihtiyacıdır: "Nasılım, ne değişti ve bu konuda ne yapmalıyım?" Boşluk hiçbir zaman veri eksikliği değildi. Güvenilir bir cevap alıyordu.

Bu JEV katili mi? OpenAI'nin Yeni Kararlar API'sine Yönelik Pratik Bir Kılavuz yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

Kenya KOBİ odaklı WhatsApp ERP projesi, sağlayıcı ağ geçidini, araç kaydını ve yürütme katmanını bu hafta tamamladı; PostgreSQL aracılığıyla üç analiz aracını birbirine bağlarken, LLM düzenleme döngüsünün tamamını bilinçli olarak belirledi.

Kenyalı küçük işletmelere yönelik kafasız bir WhatsApp ERP, bu hafta bilinçli bir mimari adım atarak harici LLM konseptlerinin ana etki alanına sızmasını önleyen sağlayıcı sınırını tamamladı. 4 aylık bir MVP projesi olan SokoFlow, yeni bir üç bileşenli işlem hattı aracılığıyla PostgreSQL'e karşı yürütülen üç analiz aracıyla (satış özetleri, stok seviyeleri ve en iyi ürünler) 2. Haftayı tamamladı.

Temel ReAct döngülerinin ötesinde: Otonom, güvenilir ve ölçeklenebilir LLM aracıları oluşturmaya yönelik altı üretim odaklı mimari.

Post Agentic Systems: 6 Gelişmiş Mimari Model için Uygulayıcı Kılavuzu ilk olarak Veri Bilimine Doğru'da yayınlandı.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Bu haberin özeti çıkarılamadı; tamamı kaynağında.

Gecelik mülk veri hattı, yapılandırılmış bağlam ve ayrı kullanım muhasebesi ile çerçeve sınırlarındaki istisnaları yakalamanın, operasyonel ve maliyetle ilgili sorulara herhangi bir tek gözlemlenebilirlik aracından daha iyi yanıt verdiğini göstermektedir.

Ekspres uygulamalar üç sınırda istisnaları yakalar: istek hataları için hata işleme ara yazılımı, kaçılan sözler için unhandledRejection ve son süreç kaydedici olarak uncaughtException. Desen, gösterge paneli seçiminden daha önemlidir.

Tiger Data'da her gece yayınlanan emlak veri hattı sorunu ortaya koydu. Hatalı bir kiralama 200 yeniden denemeyi tetikledi. Başka bir hata 20.000 birimin yenilenmesini durdurdu. İstisnaların sayılması, yeniden denemelerin, toplu iş boyutlarının ve model belirteçlerinin farklı birimlere sahip olması nedeniyle maliyeti bozdu. Ekibin her başarısızlık için dört soruyu yanıtlaması gerekiyordu: hangi çalıştırmanın başarısız olduğu, hangi portföyün etkilendiği, hangi aşamanın başarısız olduğu ve hangi yeniden deneme veya model çağrısının kaynakları tükettiği.

(Chinhphu.vn) - Hükümet adına Başbakan Yardımcısı Pham Thi Thanh Tra, idari prosedürlerin kontrolünü düzenleyen 9 Ekim 2026 tarih ve 385/2026/ND-CP sayılı Kararnameyi imzaladı.

İdari prosedürlerin kontrol edilmesi dijital dönüşüm ve veri yönetişimiyle bağlantılı olmalıdır.

Bu Kararname, idari prosedürlerin düzenlenmesi, uygulanması, gözden geçirilmesi ve değerlendirilmesinin kontrolünü ve İdari Prosedürlere İlişkin Ulusal Veri Tabanının yönetimini düzenler; merkezi devlet idari kurumları, yetkili makamlar, yerelliklerde dikey sisteme göre örgütlenen merkezi kurumlar, yerel yönetimler, idari prosedürlerin kontrolünde görev alan kişi ve kuruluşlar için geçerlidir.

Aracıların güvenilmeyen kaynakları nasıl okuduğuna ve bunları iş akışında nasıl kullandığına dair mimari korkuluklar ekleyin.

Yapay Zeka Aracıları Güvenilmeyen Kaynakları Güvenli Bir Şekilde Nasıl Okuyabilir? İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Bir LLM'nin en iyi tokeninin ne sıklıkta değiştiğine ve yaklaşık yüz token sonrasında aynı tamamlamaların neden başarısız olduğuna ilişkin tek satırlık bir formül

Sıcaklık 0 Neden Deterministik Değil yazısı ilk olarak Veri Bilimine Doğru'da yayınlandı.

S&P 500'ün gaz türbinleri ve nükleer reaktör tedarikçisi GE Vernova (GEV) ve veri altyapısı oyunu Snowflake (SNOW), bu hafta sonu satın alma noktaları yakınındaki beş hisse senedinden oluşan izleme listesinin başında yer alıyor. Yapay zeka destekli yeteneklere ve onlara güç veren teknoloji ve altyapıya yönelik talep arttıkça, beşi de gelir artışındaki ivmenin tadını çıkarıyor. Yarı iletken ambalajlama lideri ASE Technology (ASX) için bu hızlanma…

AWS ve NVIDIA, 27 Ağustos 2026'da bulut-yapay zeka ortaklıklarının bugüne kadarki en büyük genişlemesini duyurdu: 2027 ile 2028 arasında AWS'nin küresel altyapısına 2 milyon ek NVIDIA GPU dağıtıldı. Haber, AWS'nin açık kaynak analiz motoru DuckDB'in arkasındaki Amsterdam merkezli ekip DuckLabs'ı satın almak için ayrı bir anlaşmayı onaylamasından 48 saatten kısa bir süre sonra geldi. Bu iki hamle birlikte, Amazon'un rakipleri Microsoft ve Google'ın daha da ileri gitmesinden önce AI yığınının hem bilgi işlem hem de veri katmanını kilitlemek için yarıştığına dair şimdiye kadarki en net sinyali işaret ediyor.

AWS'de iş yükleri çalıştıran mühendislik ekipleri için duyurular manşet rakamlarının ötesinde önem taşıyor. GPU tedariği, art arda üç yıl boyunca yapay zeka altyapısı üzerinde bağlayıcı bir kısıtlama olmuştur ve 2 milyon birimlik taahhüt, Bedrock, SageMaker veya EC2 P serisi harcamalarını 2027'ye kadar bütçeleyen herkes için kapasite planlamasını, fiyatlandırmayı ve bölgesel kullanılabilirliği yeniden şekillendirmektedir. Bu arada, DuckDB'in satın alınması, AWS'nin hızlı yerel analitiği üçüncü taraf bağımlılığı olarak ele almanın tamamlandığının sinyalini veriyor ve bunun ajansal yapay zeka sistemlerini besleyen veri katmanına eklenmesini istiyor.

Rusya, Ukrayna Savunma Kuvvetleri'nin Yandex şirketinin üçüncü veri merkezine düzenlediği saldırıyla bağlantılı olan Yandex Bulut platformunda büyük çaplı bir kesinti olduğunu bildirdi. UNN, ön raporlara göre sorunların 80'den fazla hizmet ve altyapı bileşenini etkilediğini yazıyor.

Özellikle popüler servisler Yandex Music, Yandex Home ve Telemost'un işleyişinde aksaklıklar olduğu bildirildi. Şirketler ve geliştiriciler tarafından uygulamaları barındırmak, bilgi depolamak ve verileri işlemek için kullanılan bulut altyapısında da kesintiler olduğuna dair raporlar var.

Kesintiden etkilendiği bildirilen hizmetler arasında Bilgi İşlem Bulutu, Sanal Özel Bulut, Kubernetes için Yönetilen Hizmet, Bulut İşlevleri ile yük dengeleme ve ağ yönetimi araçları yer alıyor.

İlk BinQle Yetenek İstihbaratı Raporu 2026'ya göre Hindistan, 2026 yılında yaklaşık 400.000 kişilik mevcut yetenek havuzuna karşılık yaklaşık 1,4 milyon yapay zeka uzmanına ihtiyaç duyabilir ve bu da 3,5 kattan fazla bir talep-arz açığı yaratabilir.

Raporda, yapay zekanın benimsenmesi iş fonksiyonları genelinde hızlandıkça, genişleyen yetenek açığının işletmeler ve Küresel Yetenek Merkezleri (GCC'ler) için önemli bir büyüme sorunu oluşturabileceği belirtildi.

Bengaluru merkezli BinQle'nin Kurucu Ortağı ve Baş İşletme Sorumlusu Sushant Acharya, "Hindistan'ın yapay zeka fırsatı, kuruluşların doğru becerileri ne kadar hızlı tanımlayabileceğine, geliştirebileceğine ve dağıtabileceğine bağlı olacak" dedi.

Amazon Redshift kullanıcıları için dbt'de en çok talep edilen özelliklerden biri sonunda karşınızda: Amazon Redshift veri paylaşımı okuma ve yazma işlemleri için yerel destek. Bu sürümle birlikte dbt, Redshift veri ambarındaki modelleri hayata geçirerek yeni bir çok ekipli veri mimarisi sınıfının kilidini açabilir - üstelik tek bir baytı bile kopyalamadan veya taşımadan.

Bu sürüm, veri paylaşımı desteğinin yanı sıra önemli bir gizli yükseltme içerir: dbt-redshift, eski Postgres meta veri API'lerinden Redshift-yerel SVV_* sistem görünümlerine ve SHOW API'lerine geçiş yaptı. Sonuç, daha hızlı dbt çalıştırmaları, daha güvenilir meta veri çözünürlüğü ve yüksek eş zamanlı iş yükleri altında önemli ölçüde daha iyi davranıştır.

Kaliforniya Sağlık Bakım Hizmetleri Departmanı (DHCS), 58 ilçenin tamamından davranışsal sağlık verilerini yaklaşık 40 milyon Kaliforniyalı için tek bir yere getiren türünün ilk örneği olan halka açık bir gösterge tablosu olan Databricks platformunda Davranışsal Sağlık Kamu İlçe Profilini oluşturdu.

1 Ekim 2026'da Vali Gavin Newsom, İlçe Profilinin başlatıldığını duyurdu ve bunu, insanların ilçelerinin davranışsal sağlık hizmetlerini nasıl planladığını, finanse ettiğini ve sunduğunu görmelerine ve hükümeti sonuçlardan sorumlu tutmalarına olanak tanıyan bir araç olarak nitelendirdi.

Yıllardır Kaliforniya'daki davranışsal sağlık verileri farklı sistemlere dağılmıştı, erişilmesi zordu ve halkın yorumlaması neredeyse imkansızdı. Eyalet harcama planları, demografik dağılımlar, evsizlik ve barınmayla ilgili hizmet verileri ve performans ölçümleri silolarda yaşıyordu; bu da politika yapıcıların, savunucuların ve sıradan Kaliforniyalıların davranışsal sağlık sistemlerinin gerçekte nasıl performans gösterdiğini anlamasını zorlaştırıyordu.

Çad, koordinasyon, veri paylaşımı, güvenlik ve yeniliği kapsayan ulusal bir veri yönetişim stratejisini doğruluyor.

7 Ekim 2026'da, Birleşmiş Milletler Afrika Ekonomik Komisyonu (UNECA) N'Djamena, Çad'da, Çad Cumhuriyeti Telekomünikasyon, Dijital Ekonomi ve Kamu Yönetiminin Dijitalleştirilmesi Bakanlığı ile işbirliği içinde, Çad'ın Ulusal Veri Yönetişimi Stratejisi için bir Ulusal Doğrulama Çalıştayı düzenledi. Çalıştay, stratejiyi incelemek ve doğrulamak için devlet kurumlarından, düzenleyici otoritelerden, özel sektörden, akademiden, sivil toplumdan ve teknik ve kalkınma ortaklarından yaklaşık 50 katılımcıyı bir araya getirdi.

Snowflake hisse senedi SNOW, şirketin Agentic Marketplace Discovery'yi kamuya açık önizlemede tanıtmasının ve yazılım stokları toparlanmaya devam ederken yapay zeka odaklı iş akışlarına yönelik araçlarını genişletmesinin ardından Cuma günü %6 arttı.

Bu özellik, kullanıcıların şirketin AI aracı CoCo'yu sorgulayarak Snowflake Pazaryeri'ndeki ilgili listeleri bulmasına ve karşılaştırmasına olanak tanıyor.

Snowflake'in resmi sürüm notlarına göre doğrudan Snowsight'taki Marketplace Keşfet sayfasından edinilebilir.

Lansman, yatırımcıların yapay zekaya yönelik artan talebin yazılım şirketlerinin gelir artışını destekleyip desteklemeyeceğini ve yapay zekanın geleneksel uygulama yazılımı işlerini bozabileceği yönündeki endişeleri giderip gidermeyeceğini değerlendirmesiyle birlikte geliyor.

iSAM Funds, sistematik yatırım konusunda uzmanlaşmış, İngiltere merkezli bir alternatif varlık yöneticisidir. Firma durmaksızın veri odaklıdır. iSAM Seçenek Geliştirme Başkanı Steve Barham, "Veriler mimarimizin çok önemli bir parçasını oluşturuyor" diyor. "Teknoloji gereksinimlerimiz, gözlemleyebildiğimiz veriler, bunları nasıl saklayabileceğimiz ve onlardan hangi bilgileri çıkarabileceğimizle şekilleniyor."

iSAM Opsiyonlar masası yaklaşık üç yıl önce, firmaya çapraz varlık opsiyonları yeteneği kazandırma konusunda geniş bir yetkiye sahip olarak kuruldu.

Steve'in açıkladığı gibi, borsada işlem gören temel bir enstrümana (örneğin, vadeli işlem, borsada işlem gören bir hisse senedi) ilişkin piyasa verilerini toplamak iyi bilinen bir yöntemdir. Bu piyasalar sıklıkla işliyor ve çoğu firma için bu akışı idare etmek ekmek ve tereyağı gibi bir şey. "Zorluk, bu verilere dayanarak opsiyon piyasasına bakmaya başlamak istediğinizde ortaya çıkıyor" diyor. "Temelde hareket olduğunda, buna yanıt olarak kaç tane ilgili seçenek hareket ediyor?"

Önce karar verme modeli, riskli araç çağrılarını gerçek dünyadaki eylemlere dönüşmeden nasıl yakalayabilir?

TypeSafe'in Jev'i Başka Bir LLM Olmadan AI Temsilcilerini Daha Güvenli Hale Getirebilir mi? İlk olarak Veri Bilimine Doğru'da ortaya çıktı.

Databricks, Databricks Lakebase dallanmasını aracılı yazılım geliştirme yaşam döngüsünün merkezine yerleştirerek paralel kodlama aracılarını hâlâ kısıtlayan paylaşılan veritabanlarına meydan okuyor. Şirketin 9 Ekim'deki argümanı spesifiktir: Kod aracıları, izole edilmiş Git şubelerine sahip oldukları kadar, izole edilmiş veritabanı durumuna da ihtiyaç duyarlar.

Bu öncül, veritabanını destekleyici altyapıdan aracının çalışma ortamına kaydırır. Bir aracı, uygulama kodunu hızlı bir şekilde yazabilir ancak anlamlı testler genellikle gerçekçi şemalar, kayıtlar, geçişler ve durum geçişleri gerektirir. Paylaşılan bir geliştirme veritabanı, bu paralel deneyleri bir kuyruğa dönüştürür.

Savunma tedarik zincirinin her kademesi, yönetilen verileri ihtiyacı olan kişilerle paylaşabildiğinde sonuç, maliyet kanıtlarını, tedarikçi durumunu ve üretim taahhütlerini program ve portföy kararlarına bağlayan gerçek zamanlı bir işletme resmidir. Bu resim bugün mevcut değil, ancak onu mümkün kılacak teknoloji var.

Savaş Bakanlığı (DoW) kendi tedarik zincirini göremiyor. 2020'den bu yana, Ağustos 2026 Tedarikçi Maliyeti ve Fiyatlandırma Şeffaflığı mutabakatıyla sonuçlanan bir düzineden fazla idari emir ve direktif, artık fiili maliyet verilerini, her kademede kritik tedarik zinciri haritalamasını ve 200.000'den fazla tedarikçiden oluşan bir tabanda sürekli performans görünürlüğünü zorunlu kılıyor.

Anthropic, yapay zeka asistanı Claude için, kullanıcıların iş verilerini etkileşimli kontrol panellerine dönüştürmesine ve raporlardan ve sunumlardan animasyonlu açıklayıcılar oluşturmasına yardımcı olmak üzere tasarlanan iki yeni özelliği tanıttı. Claude Kontrol Panelleri ve Claude Motion beta olarak piyasaya sürülüyor ve işletmelere görsel içeriği tamamen sıfırdan oluşturmadan bilgileri analiz etmeleri ve bulguları iletmeleri için yeni yollar sunuyor.

Yeni araçlar, geleneksel olarak uzman yazılım, veri analizi becerileri veya tasarım deneyimi gerektiren görevleri basitleştirmeyi amaçlıyor. Kontrol panelleri, desteklenen iş verisi platformlarına bağlanabilir ve doğal dildeki sorulara yanıt olarak görsel özetler oluşturabilir; Motion ise grafikleri, raporları ve diğer bilgileri kısa animasyonlara dönüştürebilir.

Anthropic, açık kaynaklı projeler için 'en yüksek performanslı modeli' kullanarak ücretsiz güvenlik taramaları sunan bir hizmet olan 'OSS Tarayıcı'yı duyurdu.

Açık kaynaklı yazılım için isteğe bağlı bir güvenlik açığı bulma hizmeti \ Anthropic

OSS Tarayıcı, 'Claude Mythos dahil en güçlü modelleri' kullanarak güvenlik denetimleri gerçekleştiren bir hizmettir. Farklı

Genel amaçlı bir kod tarama ve yamalama ürünü olan Claude Security, OSS Tarayıcı, özellikle açık kaynaklı projeler için tasarlanmıştır.

Bu bölümde modellerin aslında ne kadar önemli olduğunu ele alacağız: özelliklerinden ziyade iPhone mu yoksa Android mi kullandığınız gibi bir tercih gibi. Kubernetes'i çalıştırırken çıplak metal disklerden bahsediyoruz, ardından aracılara geçiyoruz ve veri mühendisliğinin nasıl bir uçakta acil durum pilotu olmaya benzediğini ve artık veritabanı geçişi veya birim testleri olmadan sıkıcı işleri nasıl otomatikleştirdiğimizi konuşuyoruz.

Boru hattının işe yarayıp yaramayacağını yüreğinde hissettiği manevi bölgeye giriyoruz. Ardından, alan çok hızlı geliştiğinden, her veri mühendisinin veya yazılım mühendisinin sonunda varmak istediği yerle bitiriyoruz: güzel çiçeklerin olduğu ve ekranı olmayan bir çiftlikte. Bu 5 numaralı röportaj. Umarım beğenirsiniz.

Claude'ten aracı modunun etkisini ölçmesini istedik. Deneyde Claude Kodu, 100 ölçek faktörü veri kümesinde 22 TPC-H sorusunu yanıtladı. Sorular herhangi bir SQL olmadan sade İngilizce olarak ifade edildi. Her soru üç kez temsilci moduyla ve üç kez -acente yok moduyla yanıtlandı. 132 çalışmanın tamamı doğru cevabı verdi. Temsilci modunda, modelin okuduğu DuckDB çıktısı %59'luk bir düşüşle 123,6 bin tokenden 50,8 bin token'a çıktı. Claude sonucu şu şekilde özetledi:

Alıntı Aracısı modu, bir terminal kabuğuyla ilgili olarak modeli sessizce yanıltan şeyleri düzeltir. DuckDB CLI aracılığıyla 22 TPC-H sorusunu yanıtladığımda temsilci modu, okuduğum tokenları yüzde 60 oranında azalttı ve her yanıt hâlâ doğruydu.