02 - Du Machine Learning et du Big Data Engineering sur les 3 clouds !

This is a past event

76 people went

Details

Gros talks Machine Learning pour ce meetup ! Pierre d'Adevinta (gestion de places de marché dont Leboncoin, IPO à 5,5 Md en 2019 !) nous présente de la modération automatique de contenu. Yassir de Xebia nous présente un prototype de bar connecté sur AWS ou Azure avec de la reconnaissance d'images dans un Raspberry !
Et en bonus nous accueillons Geoffrey Garnotel de SFEIR qui nous parlera d'accélération d'analyses de séquençage grâce au passage à GCP !

1 - Modération du contenu utilisateur chez Adevinta

Durant ce talk on va vous raconter comment la brique de modération automatique a évolué au boncoin et globalement dans le groupe Adevinta. En partant d'une architecture monolithique & single tenant et on dû monter une plateforme de modération multi-tenant qui tourne sur AWS. On vous expliquera ce qu'on a mis en place en terme d'architecture, d'infrastructure, de data pipeline et les challenges sur lesquelles on travaille actuellement.

Stack : Mesos, Python, Scikit learn, Spark, AWS resources

2 - Un bar connecté avec du Edge et du Cloud

Nous avons tous connu cette situation désagréable dans un bar ou un restaurant où l’on souhaite recommander une boisson sans attendre. Désormais, commandez votre boisson avec notre solution de bar connecté : Une camera connectée à un Raspberry Pi reconnaît automatiquement, grâce à un algorithme de reconnaissance d’image embarqué dans le Raspberry Pi, des boissons (bières, eau, jus, etc.) et transmet des commandes à un back-end cloud. Une application web permet à un barman de suivre en temps réel les commandes en cours.

Stack : AWS (Greengrass, MQTT, IoT Core, Lambda, DynamoDB, API Gateway), Azure (IoT Edge, MQTT, IoT Hub, Functions, DocumentDB, API Management)

3 - Le Cloud au service de la médecine personnalisée

Histoire de la rencontre d’une platforme cloud avec un logiciel d’interprétation génomique ou comment Integragen, leader français en génomique, a pu accélérer les traitements des données de séquençage à grande échelle et fournir aux biologistes et oncologue un logiciel d’interprétation moléculaire et cliniques fiables et rapides.

Stack : BigQuery, Kubernetes, Dataflow, Terraform