Buchumschlag

Reproducible data science over data lakes: replayable data pipelines with Bauplan and Nessie

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tagliabue, Jacopo, Greco, Ciro
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Databases Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bauplan: zero-copy, scale-up FaaS for data pipelines
von: Tagliabue, Jacopo, et al.
Veröffentlicht: (2024)

FaaS and Furious: abstractions and differential caching for efficient data pre-processing
von: Tagliabue, Jacopo, et al.
Veröffentlicht: (2024)

Safe, Untrusted, "Proof-Carrying" AI Agents: toward the agentic lakehouse
von: Tagliabue, Jacopo, et al.
Veröffentlicht: (2025)

Zerrow: True Zero-Copy Arrow Pipelines in Bauplan
von: Dai, Yifan, et al.
Veröffentlicht: (2025)

Trustworthy AI in the Agentic Lakehouse: from Concurrency to Governance
von: Tagliabue, Jacopo, et al.
Veröffentlicht: (2025)

Eudoxia: a FaaS scheduling simulator for the composable lakehouse
von: Srivastava, Tapan, et al.
Veröffentlicht: (2025)

Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse
von: Tagliabue, Jacopo
Veröffentlicht: (2026)

Making Databases Faster with LLM Evolutionary Sampling
von: Erol, Mehmet Hamza, et al.
Veröffentlicht: (2026)

PRESISTANT: Learning based assistant for data pre-processing
von: Bilalli, Besim, et al.
Veröffentlicht: (2018)

SQL4NN: Validation and expressive querying of models as data
von: Gerarts, Mark, et al.
Veröffentlicht: (2025)

Case ID detection based on time series data -- the mining use case
von: Brzychczy, Edyta, et al.
Veröffentlicht: (2024)

Automated data processing and feature engineering for deep learning and big data applications: a survey
von: Mumuni, Alhassan, et al.
Veröffentlicht: (2024)

AI for Distributed Systems Design: Scalable Cloud Optimization Through Repeated LLMs Sampling And Simulators
von: Tagliabue, Jacopo
Veröffentlicht: (2025)

DeepExtremeCubes: Integrating Earth system spatio-temporal data for impact assessment of climate extremes
von: Ji, Chaonan, et al.
Veröffentlicht: (2024)

Rastro-DM: data mining with a trail
von: de Castro, Marcus Vinicius Borela, et al.
Veröffentlicht: (2024)

Can AI autonomously build, operate, and use the entire data stack?
von: Agarwal, Arvind, et al.
Veröffentlicht: (2025)

Dynamic data summarization for hierarchical spatial clustering
von: Abduaziz, Kayumov, et al.
Veröffentlicht: (2024)

Naive Bayes Classifiers over Missing Data: Decision and Poisoning
von: Bian, Song, et al.
Veröffentlicht: (2023)

InferF: Declarative Factorization of AI/ML Inferences over Joins
von: Chowdhury, Kanchan, et al.
Veröffentlicht: (2025)

Mathematical Foundations of Poisoning Attacks on Linear Regression over Cumulative Distribution Functions
von: Sato, Atsuki, et al.
Veröffentlicht: (2026)

Algorithmic Data Minimization for Machine Learning over Internet-of-Things Data Streams
von: Shaowang, Ted, et al.
Veröffentlicht: (2025)

Tradeoffs in Processing Queries and Supporting Updates over an ML-Enhanced R-tree
von: Al-Mamun, Abdullah, et al.
Veröffentlicht: (2025)

WikiDBGraph: A Data Management Benchmark Suite for Collaborative Learning over Database Silos
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Efficient and Reproducible Biomedical Question Answering using Retrieval Augmented Generation
von: Stuhlmann, Linus, et al.
Veröffentlicht: (2025)

Robust Traffic Forecasting against Spatial Shift over Years
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

FakeNews: GAN-based generation of realistic 3D volumetric data -- A systematic review and taxonomy
von: Ferreira, André, et al.
Veröffentlicht: (2022)

From Data to Decision: Data-Centric Infrastructure for Reproducible ML in Collaborative eScience
von: Li, Zhiwei, et al.
Veröffentlicht: (2025)

Modeling Relational Patterns for Logical Query Answering over Knowledge Graphs
von: He, Yunjie, et al.
Veröffentlicht: (2023)

Cardinality Estimation over Knowledge Graphs with Embeddings and Graph Neural Networks
von: Schwabe, Tim, et al.
Veröffentlicht: (2023)

ScaleDoc: Scaling LLM-based Predicates over Large Document Collections
von: Zhang, Hengrui, et al.
Veröffentlicht: (2025)

I-ETL: an interoperability-aware health (meta) data pipeline to enable federated analyses
von: Barret, Nelly, et al.
Veröffentlicht: (2025)

Do Recommender Systems Promote Local Music? A Reproducibility Study Using Music Streaming Data
von: Matrosova, Kristina, et al.
Veröffentlicht: (2024)

TabSketchFM: Sketch-based Tabular Representation Learning for Data Discovery over Data Lakes
von: Khatiwada, Aamod, et al.
Veröffentlicht: (2024)

Optimal Matrix Sketching over Sliding Windows
von: Yin, Hanyan, et al.
Veröffentlicht: (2024)

Deriva-ML: A Continuous FAIRness Approach to Reproducible Machine Learning Models
von: Li, Zhiwei, et al.
Veröffentlicht: (2024)

Can Uncertainty Quantification Improve Learned Index Benefit Estimation?
von: Yu, Tao, et al.
Veröffentlicht: (2024)

Learning-based Sketches for Frequency Estimation in Data Streams without Ground Truth
von: Yuan, Xinyu, et al.
Veröffentlicht: (2024)

GEqO: ML-Accelerated Semantic Equivalence Detection
von: Haynes, Brandon, et al.
Veröffentlicht: (2024)

Qrlew: Rewriting SQL into Differentially Private SQL
von: Grislain, Nicolas, et al.
Veröffentlicht: (2024)

A Practical Theory of Generalization in Selectivity Learning
von: Wu, Peizhi, et al.
Veröffentlicht: (2024)