talk-data.com

Merci de penser à libérer vos places minimum la veille de l'évènement, si vous ne pouvez pas venir.

Agenda

• Ouverture des portes
• Update sur Elastic (5 minutes)
• Talk1: Supervision des paiements de bout en bout avec Elastic (20 minutes)
• Talk2: Visualizing Realtime Stock Data with Streamlit, Apache Kafka®, and Apache Flink®
• Talk3: Elasticsearch Query Language: ES\|QL in action (20 minutes)
• Food & drinks

Supervision des paiements de bout en bout avec Elastic Par Valentin Costet et Roland Ramanantsoa, Radès

Utilisation de la suite Elastic afin de superviser des paiements de bout en bout et les logiques métiers complexes associées.

Visualizing Realtime Stock Data with Streamlit, Apache Kafka®, and Apache Flink® Par Lucia Cerchie, Confluent

Let’s say you want to create a realtime visualization of a Kafka data stream. Maybe you want to process it with FlinkSQL before visualizing it.

Your keyboard clatters, “mkdir data_viz_with_kafka_and_flinksql”. You cd in, activate your virtual environment, crack your knuckles, and… the complexities hit. How to create open connections to your data stream? Feed the data into a frontend component? What happens when multithreading rears its ugly head? Your feelings of bravado slowly dissipate… Don’t worry, I’ve got you covered!

In this session, we’ll cover how to take a stream of data in Kafka and visualize it with Streamlit. It’s sourced from the Alpaca API, before being sent to Kafka and processed with FlinkSQL for surfacing the Streamlit component. We’ll go through the ins and outs of creating Kafka producers and consumers in python, processing realtime data via windowing using FlinkSQL in Confluent Cloud, and visualizing that data clearly for an audience using a component built with Streamlit.

By the end of the talk, attendees will be confident in creating live data visualizations using Kafka, FlinkSQL, and Streamlit and be equipped to take their realtime use cases to the next level.

Elasticsearch Query Language: ES\|QL in action Par David Pilato, Elastic

Dans cette session sans slides, nous découvrirons par la pratique ce qu'apporte le nouveau language ES|QL pour aller fouiller dans nos données indexées dans Elasticsearch et ce, de façon interactive et visuelle. ES|QL et surtout le nouveau moteur derrière l'API _query apportent à la fois une syntaxe simplifiée permettant d'affiner vos résultats, étape par étape et ajouter de nouvelles fonctionnalités comme par exemple l'enrichissement de données et la transformation à la volée, directement dans votre requête, mais également des performances inégalées.

Merci de penser à libérer vos places minimum la veille de l'évènement, si vous ne pouvez pas venir.

Agenda

• Ouverture des portes
• Update sur Elastic (5 minutes)
• Talk 1: La percolation avec Elasticsearch pour aligner un référentiel (20 minutes)
• Talk 2: 🎹🎻🎸 Et si nous cherchions des morceaux de musique 🎼🎶 ? (20 minutes)
• Food & drinks

La percolation avec Elasticsearch pour aligner un référentiel Par Anne L'Hôte, ingénieure données et artisane logiciel, Ministère Enseignement supérieur et Recherche Cette méthode utilise la "percolate query" d'Elasticsearch afin d'aligner des affiliations d'auteurs (ex: cran université de Lorraine) sur des référentiels existants tels qu'un référentiel de pays (pycountry), un référentiel de structures de recherche international (RoR) ou encore un référentiel de structures de rechercher français (RNSR). Pour répondre à ce besoin, plusieurs index ont été construits pour chacun de ces référentiels et des familles de stratégies plus ou moins risquées ont été proposées.

🎹🎻🎸 Et si nous cherchions des morceaux de musique 🎼🎶 ? Par David Pilato, développeur et évangéliste, Elastic Pendant cette session, nous allons utiliser les principes de la recherche vectorielle pour trouver des morceaux de musique ressemblant (peut-être) à d'autres. Pour cela, nous ferons un rappel des principes de la génération d'embeddings pour représenter n'importe quel type de données, qu'elles soient textuelles ou binaires.