Palestra: Machine Learning Workloads com Jupyter Notebooks para o ambiente corporativo

Track: Engenharia aplicada a Machine Learning

Sala: Sala 4

Horário: 11:50am - 12:35pm

Dia da semana: Segunda-feira

Nível: Intermediário

Persona: Arquiteto(a), Cientista de Dados, Desenvolvedor(a) Sênior

Apresentação em Português

Share this on:

Pontos Principais

  • Como implementar uma plataforma de análise de dados, baseadas em código aberto, que seja escalável e segura, baseada em Jupyter Notebooks
  • Como escalar aplicações de análise de Big Data usando Jupyter Notebooks, Apache Spark e Apache Toree
  • Como atender requisitos de aplicações corporativas de IA usando Jupyter Notebooks e ambientes baseados em containers como Docker Swarm, Kubernetes e OpenShift.

Resumo

Nascido no ambiente acadêmico, o Jupyter Notebook é predominante nos ambientes de ensino e em toda a comunidade científica. Devido à ampla adoção de big data, inteligência artificial e redes neurais, o Jupyter Notebook também está entrando no ambiente corporativo, o que traz um novo conjunto de requisitos.

Nesta palestra, abordamos como integrar Jupyter Notebooks, JupyterHub, Jupyter Enterprise Gateway, Apache Spark, IPython e Apache Toree para atender os requisitos comuns a projetos de análise de Big Data e Machine Learning em ambientes corporativos, como: escalabilidade, segurança, autoatendimento, multiusuário, etc. E encerraremos com uma demonstração ao vivo destes componentes trabalhando de forma harmônica em uma plataforma de Big Data e Machine Learning open source.

Palestrante: Luciano Resende

Open Source AI Platform Architect at IBM

Luciano Resende é um STSM e arquiteto de plataformas de código livre de IA/ML na IBM do Vale do Silício. Ele tem contribuído para o código aberto no ASF há mais de 10 anos, ele é um membro da Fundação Apache de Código Livre onde contribuí para vários projetos relacionados a Big Data e Apache Spark. No momento, Luciano está contribuído para projetos relacionados a Plataforma de Notebooks Jupyter expandindo o mesmo para suportar cargas de trabalho de Análise de Dados e Inteligência Artificial de forma escalável e segura.

Find Luciano Resende at

Tracks 2019