La Data Web

Soy Melina Solovey, gamer de nacimiento, fanática de LoL e ingeniera en Sistemas de Información de la Universidad Tecnológica Nacional desde 2018. Desde hace 8 años recorro el apasionante mundo de los Datos & AI. He participado como mentora en la disciplina. Actualmente, me desempeño como Head of IA en Pi Data Strategy & Consulting. He desarrollado y liderado proyectos de Data Science y Big Data en R, Python y Spark utilizando plataformas como Azure, AWS, IBM o Databricks. 

Hace más de seis años, cuando recién comenzaba mi camino como Data Scientist, conocí MLflow. En ese entonces, la plataforma también estaba en sus primeros pasos. Y aunque era joven, me dio algo que necesitaba desesperadamente: orden. 

Quien no tuvo un modelo de datos que solo tenía una única tabla de actualización diaria mientras que el resto de las tablas solo cambiaba mensualmente. En estas situaciones suele ser una molestia actualizar diariamente sabiendo que solo una tabla cambia.

Con tantas actualizaciones de características alrededor de Power Bi bajo el ecosistema de Fabric, aparecieron nuevas formas para actualizar una sola partición de una tabla de un modelo semántico.

En este artículo vamos a ver formas de actualizar una sola tabla y partición de un conjunto de datos de Power Bi de distintas maneras.

Desde sus inicios, Fabric, ha contado con capacidades varias para su código. Entre ellas, la instalación o delimitación de librerías o paquetes personalizados. Podían configurarse desde notebooks o por código. Sin embargo, todo eso fue cambiando hasta llegar a la versión definitiva que conocemos hoy.

En este artículo hablaremos de entornos o environments para conocer como trabajar en notebooks con librerías propias y que otras configuraciones contiene.

Bien sabemos que una buena estrategia para IA esta acompañada previamente de una buena estrategia con tus datos. En una actualidad que revienta de IA vamos a cruzar los mundos con el de datos.

En este artículo aprenderemos a construir un agente, asistente, chat, bot o como quieran decirle para que responderá preguntas basadas en nuestros datos almacenados en Fabric lakehouse, warehouse o semantic models usando Fabric Data Agents.

No puedo creer que ya hayamos escrito 200 artículos. Han pasado casi 6-7 años desde el inicio de LaDataWeb que comenzó de una forma y se fue transformando año tras año.

Me gustaría hacer de este artículo una charla con la audiencia sin hablar de tecnología, sino de compartir a corazón abierto la historia de éste proyecto.

Si querés conocer un poco más como nació este proyecto, web, blog, herramientas y más. Te invito a leer este artículo donde expongo algunas intimidades de LaDataWeb.