Name: Learning to Rank, déploiement à grande échelle, Big Data et Percolator
Start: 2019-03-11T19:00:00+01:00
End: 2019-03-11T22:00:00+01:00
Location: NODUS

Cette deuxième rencontre sera un peu plus informelle mais tout aussi intéressante ;-) Nous l’organisons lors de la nocturne du salon Big Data Paris (https://www.bigdataparis.com/2019/la-nocturne-de-big-data-paris/).

Au programme, nous vous proposons un assortiment de Machine Learning et volumétries importantes (on va dire Big Data :-))

Présentation 1 : Learning to Rank pour Elasticsearch.
Une autre manière de gérer la pertinence dans Elasticsearch par l’intermédiaire de l’apprentissage automatique (Machine Learning). Nous présenterons le plugin Learning to Rank pour Elasticsearch (https://github.com/o19s/elasticsearch-learning-to-rank) et, de manière générale, l’approche Learning to Rank. Nous aborderons également des approches plus classiques pour la pertinence et profiterons pour débattre sur la meilleure approche :-)
Par Radu Pop et tous les participants lors des discussions libres ;-)

Présentation 2 : Le système de déploiement interne d'Algolia
Xavier Grand de l’équipe de développement d’Algolia nous rejoindra pour nous présenter le système de déploiement du moteur de recherche à grande échelle. Xavier nous expliquera comment le moteur de recherche est mis a jour sur plusieurs millers de servers à l'aide d'une procédure de déploiement tolérant aux bugs.
Par Xavier Grand, ingénieur développement chez Algolia

Présentation 3 : Pousser le Percolator à l’extrême avec Wikidata
Si nous avons encore du temps, nous allons présenter la fonctionnalité Percolator d’Elasticsearch (https://www.elastic.co/guide/en/elasticsearch/reference/6.6/query-dsl-percolate-query.html) sous l’angle d’un déploiement de la base Wikidata (https://www.wikidata.org/wiki/Wikidata:Main_Page). Nous allons essayer de nous servir de la base Wikidata, que nous allons indexer dans Elasticsearch sous forme de requêtes Percolate, afin d’extraire des entités pertinentes de n’importe quel texte non-structuré.
Par Lucian Precup et l’équipe Adelean.

Les pizzas seront offertes par Adelean.

L’annonce de cette rencontre arrive tard mais nous espérons vous voir nombreux. Si vous vous inscrivez c’est que vous pouvez venir à coup sûr :-)

Pour accéder au salon, vous devez vous inscrire (gratuitement) ici : https://www.bigdataparis.com/2019/pass-salon/?payment_promo_code=BDP19-ADELEAN&utm_source=adelean&utm_medium=exposant&utm_campaign=bdp19.
Nous vous attendons sur le stand A51 (Stand Adelean, en bas à droite sur ce plan https://www.bigdataparis.com/2019/plan/).

Lucian Precup

Margaux Wagner

Search, Data and AI

Technology

Big Data

Enterprise Search

Search, Information Retrieval

Text Analytics

Data Analytics

NoSQL

Open Data

Apache Solr

Data Science

SEO (Search Engine Optimization)

Data

Elasticsearch

Apache Lucene

Artificial Intelligence

Machine Learning

Learning to Rank, déploiement à grande échelle, Big Data et Percolator

NODUS

Partager

Search, Data and AI

Learning to Rank, déploiement à grande échelle, Big Data et Percolator

Search, Data and AI

Détails

Les membres s'intéressent également à