Panorama actual de motores de datos: RDBMS, NewSQL, NoSQL, series temporales, grafos , grafos y su lugar en la arquitectura


Por Federico Dios, Pre-sales Senior Manager de Akamai Technologies

Por Francisco Arnau, Director General de Akamai en España y Portugal

Akamai revela que la final del fútbol europeo multiplicó por 5 el tráfico de retransmisiones en directo frente a la final anterior
Por Francisco Arnau, Director General de Akamai en España y Portugal
Las tareas administrativas en sí mismas, no generan beneficios para las organizaciones. Sin embargo, estas funciones administrativas no se pueden dejar al margen del negocio.
En DB2 es posible crear columnas autoincrementales, es decir, cuyo valor en caso de no definirse en una inserción se vaya incrementando a partir de unos valores definidos. Este tipo de columnas también se pueden definir en SQL Server, y en Oracle se realiza a través de secuencias.
La mejor manera de explicarlo es con un ejemplo: a continuación se muestra la creación de una tabla con una columna autoincremental que es primary key.
Creación de la tabla ESTUDIANTES con la columna ID definida como autoincremental:
El libro Haskell Data Analysis Cookbook, de Nishant Shukla, hace un recorrido por las principales técnicas y algoritmos de análisis de datos utilizando el potente lenguaje open source Haskell para proporcionar numerosos ejemplos o recetas para implementarlas. En este post explicaré qué enseñan las recetas que contiene cada capítulo de este completo libro de analítica de datos..
Los directivos y directivas cada vez disponen de más información y menos tiempo para acceder a ella, ya que deben tomar decisiones rápidamente. Su correcta representación se puede convertir en una pieza clave a la hora de facilitar la toma de decisiones. En el artículo, se parte de una revisión de la historia y de la importancia de la visualización de la información. Asimismo, se muestra un ejemplo de cómo mejorar dicha visualización y se concluye con las nuevas necesidades surgidas en torno a este aspecto, requeridas tanto por las organizaciones como por sus directivos.
El analisis de clúster ofrece un método para agrupar valores de datos basado en similitudes dentro de estos. Esta técnica segmenta distintos elementos en grupos según el grado de asociación entre los elementos. El grado de asociación entre dos objetos es máximo si pertenecen al mismo grupo y mínimo si no pertenecen al mismo grupo. Se forma un número determinado o especificado de grupos, o clusteres, lo que permite clasificar matematicamente cada valor de los datos en el grupo adecuado.
El analisis de cluster se considera una técnica de aprendizaje sin guía debido a que no hay variable de destino o dependiente. Generalmente, hay características subyacentes (que habrá que descubrir) que determinan el motivo por el que determinadas cosas aparecen relacionadas y otras no lo estan. El análisis de cluster de elementos relacionados proporciona información significativa sobre cómo se relacionan entre sí los diversos elementos de un conjunto de datos...