Data, IA, Machine Learning, biais algorithmiques, jeu de données, big data, gouvernance.
Culture MLOps.
Et si nous traitions le ML comme un logiciel comme les autres ? Notre approche MLOps est à la croisée du craftsmanship, de l’architecture émergente, de l’Ops, de l’agilité et du Lean. Elle a pour ambition de mobiliser le meilleur de chaque monde pour mettre rapidement et durablement en production des produits avec ML. Ce livre vous la présente, à travers des réflexions, un peu de théorie et de nombreux retours d’expériences !
Cette Cheat Sheet propose un tour d'horizon des possibilités de cet outil et répondra aux principales questions que pourra se poser un data scientist : l'utilisation de Spark est-elle pertinente dans tel ou tel cas ? Dans quelle mesure et avec quelles limites ? Pour quel type de dataset ?
La R&D open source d’Hadoop est portée par des sociétés comme Yahoo!, Facebook, eBay, Criteo, et une myriade d’éditeurs… Web, mobile, réseaux sociaux, machine to machine et bientôt Internet des objets… notre avenir, régi par l’analyse de dizaines de téra-octets, ouvre une voie royale à Hadoop. À travers son livre blanc Hadoop, feuille de route, […]
