演讲主题：为人工智能代理构建数据层：从事务系统到多中心处理架构及语义模型
Fabiane Nardon介绍了TOTVS是如何为那些对大量数据“渴求不已”的AI系统准备企业数据的。她探讨了如何在精确性、安全性与成本之间平衡确定性逻辑与非确定性大语言模型。Nardon还详细说明了如何通过使用数据网格、低延迟数据库架构、语义本体以及动态的工具选择机制，来优化上下文窗口的设计，并减少事务系统中因数据处理而产生的开销。 作者：Fabiane Nardon
Fabiane Nardon介绍了TOTVS是如何为那些对大量数据“渴求不已”的AI系统准备企业数据的。她探讨了如何在精确性、安全性与成本之间平衡确定性逻辑与非确定性大语言模型。Nardon还详细说明了如何通过使用数据网格、低延迟数据库架构、语义本体以及动态的工具选择机制，来优化上下文窗口的设计，并减少事务系统中因数据处理而产生的开销。
作者：Fabiane Nardon相关文章
从数据到价值：通过一个实际应用案例来理解数据管理[完整书籍]
如今，数据已成为一种极其宝贵的资源。它使企业能够在市场中展开竞争，并推动创新，从而提升所提供产品与服务的质量。 数据处理能让团队自动化各种流程。它还能辅助决策制定，为终端用户带来更加个性化的体验，在诸如银行欺诈防范或风险控制等诸多领域帮助人们发现其中的规律。企业必须明白如何以有效、安全且合法的方式收集和利用数据。 你很可能目前正在使用或曾经使用过各种各样的产品与服务。你也知道，那些涉及数据的流程几乎与我们身边的所有事物都息息相关。此外，你或许已经熟悉“大数据”、“数据分析”、“人工智能”以及“机器学习”这些术语了。 但除非你是这些领域中的专家，否则其中一些概念可能会让你感到难以理解。毕竟，这些
阅读全文
借助人工智能技术，Grab Cuts公司的机械分析工作所需的时间从44%减少到了30%。
Grab正在利用人工智能技术来自动化数据分析流程，由此使得分析师所需完成的工作量从2月份的44%下降到了6月份的30%。该方案结合了人工智能系统的自主性、经过验证的数据、上下文管理机制以及人工监督功能，使得许多分析任务能够由自助分析系统来完成，而无需分析师的干预——这些系统可以自行处理各种指标数据查询及SQL请求。 作者：Leela Kumili
阅读全文
演讲主题：从模型到智能代理：在DoorDash平台上大规模开发具备上下文感知能力的消费者人工智能系统
Sudeep Das讲述了DoorDash是如何从传统的一次性预测系统转变为一个能够主动为用户提供推荐服务的平台的。他介绍了如何利用消费者与语言之间的天然联系、RQ-VAE模型生成的语义标识来优化产品信息的呈现方式，以及如何通过基于实际数据的搜索算法来显著提升推荐结果的相关性及转化率。 作者：Sudeep Das
阅读全文
Netflix是如何扩展其实时服务架构的
Netflix详细说明了自己是如何重新设计其实时服务依赖关系映射系统“Service Topology”，以便使其能够支持大规模生产环境的。该系统通过三个阶段来区分数据的中转处理、内容丰富化处理以及持久化存储操作；它将产生的压力反馈给Kafka系统，而不是直接丢弃这些数据；同时，在进行大量内部数据传输时，它使用服务器发送的事件机制，而非gRPC协议。 作者：Eran Stiller
阅读全文