18 noticias
DSCI Job Artifacts es una funcionalidad pensada para simplificar el intercambio de datos entre los distintos trabajos que componen un pipeline. En lugar de configurar explícitamente entradas y salidas, basta con escribir cualquier archivo en el directorio ~/artifacts/ dentro de una tarea para que qu
Polars es una biblioteca de Python para transformar, analizar y visualizar datos mediante una API de DataFrames rápida y expresiva, publicada por primera vez por Ritchie Vink en 2020. A diferencia de pandas, no emplea un índice de filas y favorece la inmutabilidad y el encadenamiento de métodos; sus
El equipo de plataforma de datos de Netflix ha presentado Data Projects, una abstracción diseñada para resolver dos problemas persistentes en la gestión de sus activos de datos a gran escala: los permisos de acceso, hasta ahora ligados a cada tabla individual, y la identidad bajo la que se ejecutan
Web3DSurvey.com es un servicio comunitario que recopila datos reales de compatibilidad con WebGL, WebGL 2 y WebGPU para que los desarrolladores de 3D web elijan funciones basándose en mediciones concretas y no en suposiciones. En abril de 2026, mantener el sitio y almacenar los datos costó alrededor
Daft, la biblioteca de procesamiento de datos, ha reescrito su lector nativo del formato LeRobot para descodificar fotogramas de vídeo de forma por lotes en lugar de fila a fila, lo que reduce los tiempos de procesamiento hasta 15 veces en conjuntos de datos remotos. LeRobot se ha consolidado como e
Esta guía ofrece una panorámica estructurada del ecosistema de herramientas de datos pensada para ingenieros de software que trabajan en compañías de datos sin experiencia previa en el campo. El artículo parte de la experiencia personal del autor, OlegWock, que tras incorporarse a Deepnote —un cuade
Dentro de los grandes bancos de inversión existe un ecosistema de Python prácticamente desconocido fuera de sus muros, que el autor denomina "Bank Python". Se trata de forks propietarios del lenguaje y de sus librerías, mantenidos por miles de ingenieros, que poco tienen que ver con el Python públic
El proyecto «Postgres is Enough» es una colección curada de enlaces que defiende una tesis concreta: PostgreSQL puede sustituir, por sí solo, a múltiples sistemas especializados en la mayoría de proyectos de software. El repositorio, alojado en GitHub, agrupa artículos, extensiones, herramientas y c
Este artículo describe, paso a paso, cómo construir un esqueleto funcional de un lenguaje de consulta propio —denominado Entity History Query Language (EHQL)— utilizando Python y la biblioteca de análisis sintáctico Lark, con Apache Spark como motor de ejecución. EHQL fue diseñado para analistas se
El equipo de ingeniería de Sodatone, plataforma de inteligencia de A&R de Warner Music Group, explica cómo y por qué redujo el intervalo de chunk de sus hipertablas de TimescaleDB de 30 a 7 días, y qué mejoras concretas obtuvieron en producción. TimescaleDB es una extensión de PostgreSQL para serie
databow es una nueva herramienta de línea de comandos de código abierto, escrita en Rust, que ofrece una interfaz unificada para consultar cualquier base de datos que disponga de un driver ADBC (Arrow Database Connectivity). Su propósito es sustituir el uso de múltiples clientes CLI específicos —psq
Ardent, plataforma especializada en gestión de datos para inteligencia artificial, ha lanzado una nueva funcionalidad denominada «ramificación de base de datos» que permite a los agentes de IA de codificación probar su código en copias exactas de bases de datos de producción PostgreSQL. La tecnologí
Una startup respaldada por Y Combinator, llamada GovernGPT, está revolucionando la gestión de inversiones al utilizar inteligencia artificial para automatizar el proceso de captación de fondos, un área tradicionalmente manual y crucial para fondos multimillonarios. La empresa, ya rentable, proporcio
Este artículo narra la experiencia de un ingeniero al construir un sistema de Recuperación Aumentada de Generación (RAG) interno para su empresa, utilizando un modelo de lenguaje grande (LLM) local. El objetivo era crear una herramienta de chat que permitiera a los ingenieros acceder rápidamente a i
La creciente popularidad de las bases de datos vectoriales como solución a problemas de búsqueda está generando una tendencia que, según expertos, es a menudo innecesaria. Si bien son útiles en casos específicos, muchas empresas están implementándolas sin comprender completamente su complejidad y el
Una empresa ha desarrollado un sistema que utiliza modelos de lenguaje grandes (LLMs) para analizar eficientemente grandes volúmenes de registros de CI (Integración Continua). El sistema, que funciona como un agente, puede rastrear errores y dependencias en segundos, escribiendo sus propias consulta
El libro 'Data Engineering Book' de Datascale AI es una guía completa y práctica para profesionales que buscan dominar el campo de la ingeniería de datos. En un mundo impulsado por datos, la ingeniería de datos es la disciplina que se encarga de construir y mantener la infraestructura necesaria para
En la era de los grandes modelos de lenguaje (LLM), la calidad de los datos se ha convertido en el factor determinante que limita su rendimiento. El libro "Data Engineering for LLMs" de Datascale-AI aborda esta problemática, ofreciendo una guía completa y práctica para la ingeniería de datos necesar
