Date / Heure
Date(s) - 15/10/2019
19h00 - 21h00
Emplacement
Scaleway
Catégories
Bonjour à tous,
C’est avec un grand plaisir que nous annonçons cette nouvelle session !
Cette fois, nous serons les invité(e)s de Scaleway dans ses supers locaux situés au 11bis Rue Roquépine, 75008 Paris.
Programme (résumés ci-dessous):
18h45 – 19h : Accueil
19h – 19h40 : Premier talk
“Big data is to data science what space exploration is to geology : much more difficult » par Sofiane Taleb – Big Data Engineer @ Scaleway
19h40 – 20h20 : Deuxième talk
“NVIDIA GPU CLOUD & RAPIDS.AI” par Pascal CHEVEREAU – Directeur @ NVIDIA Jean Charles Vasnier – Solution Architect @NVIDIA
20h20 – 21h15 : Échanges informels et collation.
——-
Abstract 1
In a world where the amount of data has exceeded our capacity to master it, the term big data has been chosen to designate whatever concepts that help handling a large volume of information.
However, this all-in-one word and the hype it generated has bring a whole set of problems that make projects fail without bringing any value.
In this talk, Scaleway will extract the main difficulties we encountered when we went for the big data project.
We tried to understand the abstract factors and patterns that are often the root cause of failures. We’ll share what we learnt and the decisions we took in order to help you avoid those pitfalls.
——-
Abstract 2
Dans cette session, Pascal CHEVEREAU et Jean Charles Vasnier de NVIDIA vont nous présenter :
NVIDIA GPU CLOUD : Le registre de conteneurs NGC vous donne accès à un catalogue exhaustif conteneurs IA, accélérés par GPU, optimisés, testés et prêts à l’emploi pour une utilisation sur site ou dans le Cloud avec les GPU NVIDIA compatibles. Les conteneurs IA de NVIDIA GPU Cloud, qui incluent les principales solutions logicielles de l’industrie comme TensorFlow, PyTorch, MXNet ou NVIDIA TensorRT™, fournissent un maximum de performance et de polyvalence pour relever les projets les plus ambitieux grâce au potentiel incomparable de l’IA avec NVIDIA. Les chercheurs et les data scientists peuvent ainsi configurer, entraîner et déployer rapidement des modèles IA avancés tout en répondant aux besoins évolutifs des projets Deep Learning de nouvelle génération.
&
RAPIDS.AI: La suite de bibliothèques open source RAPIDS et d’API vous permet d’exécuter des pipelines d’analyse et de science des données de bout en bout entièrement sur GPU. Sous licence Apache 2.0, RAPIDS est incubé par NVIDIA® sur la base d’une vaste expérience en science informatique. RAPIDS utilise les primitives NVIDIA CUDA® pour l’optimisation des calculs de bas niveau et expose le parallélisme des GPU et la vitesse de la mémoire à bande passante élevée via des interfaces Python.
RAPIDS se concentre également sur les tâches courantes de préparation des données pour l’analyse et la science des données. Cela inclut une API de base de données familière qui s’intègre à une variété d’algorithmes d’apprentissage automatique pour des accélérations de pipeline de bout en bout sans payer les coûts de sérialisation habituels. RAPIDS comprend également la prise en charge de déploiements multi-nœuds, multi-GPU, permettant un traitement beaucoup plus rapide sur des données beaucoup plus volumineuse.
https://www.meetup.com/fr-FR/Big-Data-et-Machine-Learning/events/264491686/
