La Agentic Data Operations Platform (ADOP) de AWS propone automatizar el ciclo Bronze–Silver–Gold mediante agentes AI que generan artefactos deterministas para producción, aplicando controles de gobernanza en el momento de incorporación. Esto reduce la carga manual de los equipos de ingeniería de datos y mejora la trazabilidad en entornos regulados.
Los agentes de IA pueden acelerar análisis, pero solo son tan buenos como la capa de datos que los respalda. Este artículo explica un marco de gobernanza semántica en Snowflake para certificar métricas y evitar respuestas inconsistentes o erróneas.
Alexander “Sasha” Rakhlin, profesor en IDSS y en Ciencias Cognitivas, fue designado director del Statistics and Data Science Center del MIT. Su nombramiento busca fortalecer la formación interdisciplinaria y las bases matemáticas de la ciencia de datos frente a los retos de la IA.
Amazon Quick introduce Agentic Catalog Experience, un flujo de trabajo impulsado por IA que conecta catálogos empresariales con experiencias de consulta y dashboards. Facilita el descubrimiento por lenguaje natural, la creación automática de datasets y la herencia de semántica y relaciones desde catálogos upstream.
Un proyecto pionero iniciado en MIT en los años 70 convirtió grabaciones de ECG en uno de los primeros repositorios clínicos abiertos. Hoy PhysioNet aloja cientos de bases de datos utilizadas por investigadores de todo el mundo, incluyendo herramientas clave para aprendizaje automático en salud.
Un análisis multimodal usando DEXA y resonancia magnética en el Biobanco del Reino Unido revela que la localización de la grasa corporal —especialmente la visceral— se asocia con cambios cerebrales y peor rendimiento cognitivo. El IMC por sí solo no captura estas diferencias.
Las entrevistas tipo case study miden más que código: evalúan pensamiento estructurado, juicio de negocio y comunicación. Aprenda SCOPE, un marco simple y repetible para abordar cualquier caso de Data Science y presentar soluciones con impacto.
Crear agentes verdaderos va más allá de publicar pesos; requiere datos, trazabilidad y curation. NVIDIA Nemotron apuesta por datos abiertos y sintéticos para hacer agentes inspectables y adaptables, incluyendo personas sintéticas localizadas.
Amazon QuickSight permite ahora incrustar sincrónicamente sinónimos, campos calculados y reglas de negocio directamente en el dataset mediante Dataset Enrichment. Esto elimina la doble gestión de assets y facilita gobernanza, trazabilidad y consultas en lenguaje natural.
PRX se construyó sobre una tubería de datos pensada para amplitud y flexibilidad: mezclar fuentes publicas e internas, recapitular imágenes con un VLM y combinar Lance y Mosaic Data Shards para crear un corpus streamable. Aquí explicamos las decisiones clave y aprendizajes prácticos.
Amazon QuickSight ofrece capacidades BI integradas en Amazon Quick; respaldar sus activos (dashboards, análisis, datasets y orígenes) es clave para evitar pérdidas y cumplir con requisitos de continuidad. En este artículo explicamos por qué y cómo diseñar una estrategia de backup usando las APIs AssetsAsBundle y prácticas recomendadas.
Optimizar PySpark reduce tiempos de ejecución y costos operativos, especialmente en entornos con recursos limitados. Aquí encontrará 12 técnicas probadas y consejos prácticos para aplicar en pipelines de datos.
Google lanzó una experiencia para reunir datos de salud en un solo lugar: la app Google Health, el asistente Google Health Coach y el dispositivo Fitbit Air. La propuesta prioriza la portabilidad y el control del usuario, permitiendo conectar wearables, apps y —en EE. UU.— registros médicos.
Pandas sigue siendo la opción por defecto en notebooks y workflows de machine learning, Polars destaca por velocidad y bajo uso de memoria, y DuckDB ofrece un enfoque SQL y almacenamiento local. En este artículo comparamos su arquitectura, rendimiento y casos de uso para ayudarles a decidir.
Las funciones window de SQL amplían lo que puede lograr con agregaciones y transformaciones sin colapsar filas. Esta guía explica las ideas clave —OVER(), frames, ranking y navegación— para aplicar análisis avanzados en sus proyectos de datos.
Las limitaciones de los dashboards tradicionales obligan a esperar a equipos de BI para preguntas ad-hoc. AWS adoptó Dataset Q&A y creó TARA, un asistente conversacional que traduce lenguaje natural a SQL y conecta contexto operativo con datos, mejorando precisión y velocidad de respuesta.
Amazon QuickSight ahora permite crear sheet tooltips: tooltips con diseño libre que combinan gráficos, KPI, texto e imágenes y se actualizan al pasar el cursor. Esto facilita contar historias de datos más ricas sin que el lector abandone la visualización.
A medida que los sistemas de IA actúan con mayor autonomía, el foco se traslada de los modelos al origen de los datos. Sin una capa de gobernanza sólida, la información fragmentada o sin control puede volver impredecible el comportamiento de la IA. Empresas como Denodo proponen un enfoque para unificar el acceso y auditar el uso de datos.
En FabCon y SQLCon 2026 Microsoft mostró cómo integra Microsoft SQL y Microsoft Fabric para crear una plataforma de datos unificada. Los anuncios incluyen Database Hub en Fabric, nuevas capacidades de gobernanza y el rol de Microsoft IQ para dar contexto a la IA empresarial.
Los embeddings son el motor invisible de la busqueda semantica y el RAG. Explicamos como funcionan y por que entenderlos es fundamental para construir apps de IA.
Entrenar un modelo es solo el 10% del trabajo. MLOps se ocupa del 90% restante: llevar el modelo a produccion y mantenerlo funcionando de manera confiable.
Las regulaciones de privacidad no tienen que ser un freno para la IA. Esta guia muestra como cumplir con la normativa mientras se construyen sistemas de datos innovadores.
El analisis aumentado por IA esta democratizando el acceso a insights. Los equipos de negocio pueden ahora obtener respuestas complejas de sus datos sin saber SQL.
La mala calidad de los datos es la causa mas frecuente de fracaso en proyectos de IA. Este articulo enfrenta el problema con honestidad y propone soluciones practicas.
La arquitectura de datos correcta es la base de cualquier iniciativa de IA exitosa. Esta guia explica como construirla con criterio y sin desperdiciar presupuesto.