Λογότυπο Zephyrnet

Βασικά στοιχεία από τη διάσκεψη και την έκθεση BigData στο Λονδίνο

Ημερομηνία:

πηγή: BigDataLDN

 

Ως μέλος της ομάδας του KDNuggets, μου δόθηκε η ευκαιρία να παρακολουθήσω το Συνέδριο και την Έκθεση BigData LDN στις 20-21 Σεπτεμβρίου.

Είναι ένα από τα δωρεάν συνέδρια και εκθέσεις δεδομένων και ανάλυσης του Ηνωμένου Βασιλείου που φιλοξενείται από κορυφαίους ειδικούς σε δεδομένα και ανάλυση. Υπήρχαν 100 εκθέτες, 12 θέατρα και 200 ​​ομιλητές – ήταν σίγουρα μια γεμάτη μέρα!

Συγγραφέας του HumblePi, Ματ Πάρκερ – Ένας Αυστραλός ψυχαγωγικός μαθηματικός, συγγραφέας, κωμικός και προσωπικότητα του YouTube ήταν παρών ως κύριος ομιλητής. Αυτό ήταν πραγματικά ωραίο!

Μπόρεσα να μιλήσω με μερικά άτομα και να πάρω περισσότερες πληροφορίες για την εταιρεία τους, οπότε ας ξεκινήσουμε.

Μπόρεσα να μιλήσω με τον Αντιπρόεδρο της DataOps, Evangelism & Enablement – Πάτρικ Κόνολι. Αυτά είχε να πει…

Το DataOps αφορά το DevOps που εφαρμόζεται στα δεδομένα, με έμφαση στην ευελιξία, την ευελιξία και τον έλεγχο. Η εταιρεία είναι αρκετά νέα, αφού ξεκίνησε το 2018 με το όραμα να μειώσει το χρόνο για τη γνώση και να επιταχύνει το χρόνο για την αξία, για τους πελάτες. Το 2019, είχαν σαφή εστίαση στις αληθινές αρχές των DevOps και στην εξαγωγή αξίας από τον όγκο σε δεδομένα χρονοσειρών IoT προκειμένου να αναπτύξουν τεχνολογία γύρω από τα DataOps. 

Στη συνέχεια συνέχισαν να μοιράζονται δημόσια τη φιλοσοφία τους DataOps, την οποία μπορείτε να βρείτε στο TrueDataOps και κυκλοφόρησαν επίσης την πλατφόρμα DataOps για Snowflake.

Οι πυλώνες των DataOps είναι:

  • ELT και το πνεύμα των ELT 
  • Συνεχής ενοποίηση / Συνεχής ανάπτυξη (CI/CD)
  • Σχεδιασμός κώδικα και δυνατότητα συντήρησης
  • Διαχείριση περιβάλλοντος
  • Διακυβέρνηση και έλεγχος της αλλαγής
  • Αυτοματοποιημένη δοκιμή και παρακολούθηση
  • Συνεργασία και αυτοεξυπηρέτηση

Οι πελάτες συνήθως αντιμετωπίζουν το ίδιο πρόβλημα: πολλαπλούς αγωγούς που φυσικά φέρνουν πολυπλοκότητα. Τα DataOps προσπαθούν να επιτύχουν ένα ρυθμό που ταιριάζει το ένα με το άλλο με έμφαση στην ευελιξία και τη διακυβέρνηση. Ήθελαν να δημιουργήσουν λύσεις έτσι ώστε οι εταιρείες και οι ενδιαφερόμενοι να μπορούν να λαμβάνουν καλύτερα, ταχύτερα και υψηλότερης ποιότητας δεδομένα, χωρίς συμβιβασμούς στη διακυβέρνηση και την ασφάλεια των δεδομένων.

Οι συνιδρυτές της DataOps, Justin Mullen και Guy Adams, συνεργάστηκαν με άλλους πρωτοπόρους της DataOps για να γράψουν το βιβλίο DataOps for Dummies – το οποίο μπόρεσα να αποκτήσω δωρεάν!

Εάν θέλετε να μάθετε πώς μπορείτε να δημιουργήσετε, να δοκιμάσετε και να αναπτύξετε εφαρμογές στο SnowFlake, μεταβείτε στο DataOps ιστοσελίδα.

Άντριου ΜακΧάτσον, ένας Ανώτερος Επιστήμονας Δεδομένων για αγώνες McLaren ήταν επίσης παρών. Δεν μπόρεσα να μιλήσω προσωπικά μαζί του, αλλά είχε μια συνεδρία Q&A όπου μπορούσα να κάνω ερωτήσεις. 

Μπορείτε να φανταστείτε πόσο απασχολημένο ήταν το σεμινάριό του: Πώς η ομάδα της McLaren Formula 1 χρησιμοποιεί δεδομένα για να επιταχύνει την απόδοση. Οι άνθρωποι ήταν κυριολεκτικά ο ένας πάνω στον άλλο, αλλά ήταν πολύ ενδιαφέρον να κατανοήσουμε την έννοια των δεδομένων και της Formula 1.

Μπόρεσε να μας πει ότι μια από τις μεγαλύτερες προκλήσεις που αντιμετωπίζει ως Senior Data Scientist είναι η έλλειψη δεδομένων. Το αγωνιστικό άθλημα δεν συμβαίνει συχνά, οπότε όταν συμβαίνει, υπάρχουν πολύ λίγα δεδομένα για να εργαστείτε. Και μόλις συγκεντρώσουν αυτά τα δεδομένα, η διαδικασία διαρκεί τόσο πολύ που η συγκεκριμένη αγωνιστική περίοδος έχει τελειώσει και δεν έχει καμία αξία εκείνη τη στιγμή. Η ομάδα μπορεί να το χρησιμοποιήσει για την επόμενη σεζόν, αλλά αυτό εξακολουθεί να κάνει την τρέχουσα διαδικασία πιο δύσκολη.

Είπε επίσης ότι η ομάδα δεν έχει πρόσβαση σε όλα τα δεδομένα. Υπάρχουν συγκεκριμένοι ιστότοποι στους οποίους λαμβάνουν τα δεδομένα τους, οι περισσότεροι από τους οποίους είναι διαθέσιμοι στο ευρύ κοινό. Ωστόσο, οι πληροφορίες που βλέπουν οι ραδιοτηλεοπτικοί φορείς στην οθόνη τους, όπως η ταχύτητα του γύρου και οι ταχύτητες - η ομάδα δεδομένων της McLaren δεν έχει πρόσβαση σε αυτά τα στατιστικά στοιχεία. Ως εκ τούτου, η ομάδα έχει άλλα μέλη της ομάδας που παρακολουθούν τον αγώνα και σημειώνουν κάθε στατιστικό στοιχείο για να συλλέξουν δεδομένα.

Η ομάδα δεδομένων δεν είναι μεγάλη, επομένως η ομάδα δέχεται μεγάλη πίεση σε κάθε παιχνίδι. 

Αν θέλετε να μάθετε περισσότερα για τη McLaren, ρίξτε μια ματιά σε αυτές

Είχα επίσης το προνόμιο να μιλήσω Τζεζ Κλαρκ, ο Διευθύνων Σύμβουλος της Eden Smith. Προσφέρουν στελέχωση δεδομένων, συμβουλευτική δεδομένων, εκπαίδευση και κατάρτιση. Έχουν πάνω από 20 χρόνια εμπειρίας στελέχωσης στον κλάδο της τεχνολογίας και στη συνέχεια διακλαδίστηκαν τελικά στη συμβουλευτική δεδομένων.

Καθώς η εταιρεία άρχισε να αναπτύσσεται, είδαν μια νέα αγορά – εκπαίδευση και κατάρτιση. Προσφέρουν ένα εκπαιδευτικό πρόγραμμα που ονομάζεται Ανατροφή που προκρίθηκε για το Βραβείο Data IQ «Καλύτερο Πρόγραμμα Ανάπτυξης» 2020 & 2021, και το οποίο αργότερα Nurture Plus και Τρέφω.

Εάν ενδιαφέρεστε για την πρακτική τους άσκηση και άλλες μορφές εκπαίδευσης, ρίξτε μια ματιά εδώ: https://edensmith.group/. Εάν βρίσκεστε στο Ηνωμένο Βασίλειο και αναζητάτε μια νέα ευκαιρία στην τεχνολογία, ρίξτε μια ματιά στις κενές θέσεις εργασίας τους: https://esjobs.powerappsportals.com/

Υπήρχε ένα ευρύ φάσμα εταιρειών παρούσες όπως η Microsoft, η Databricks, η Snowflake και άλλες. Η μέρα ήταν πολύ διορατική, έκανα πολλές συνδέσεις, έμαθα για διαφορετικές εταιρείες και επίσης μπόρεσα να μάθω περισσότερα για νέα εργαλεία και λογισμικά

Θα συμβούλευα ανεπιφύλακτα να επισκεφτείτε τέτοιου είδους συνέδρια και εκθέσεις για να εξερευνήσετε περισσότερα σχετικά με τον κόσμο των δεδομένων, την αλλαγή παραδείγματος και το πώς μπορείτε να γίνετε μέρος του μέλλοντος

 
 
Nisha Arya είναι Επιστήμονας Δεδομένων και Ανεξάρτητος Τεχνικός Συγγραφέας. Ενδιαφέρεται ιδιαίτερα να παρέχει συμβουλές σταδιοδρομίας ή σεμινάρια της Επιστήμης Δεδομένων και γνώσεις βασισμένες στη θεωρία γύρω από την Επιστήμη των Δεδομένων. Επιθυμεί επίσης να εξερευνήσει τους διαφορετικούς τρόπους με τους οποίους η Τεχνητή Νοημοσύνη μπορεί/μπορεί να ωφελήσει τη μακροζωία της ανθρώπινης ζωής. Μια δεινή μαθήτρια, που επιδιώκει να διευρύνει τις τεχνολογικές της γνώσεις και τις δεξιότητες γραφής, βοηθώντας παράλληλα να καθοδηγήσει άλλους.
 

spot_img

Τελευταία Νοημοσύνη

spot_img