Les structures de données probabilistes et leurs applications réelles

Plongez dans l'univers fascinant des structures de données probabilistes! Ces structures innovantes allient efficacité et probabilités pour résoudre des problèmes complexes liés à la gestion de données massives, tout en acceptant un faible taux d'erreur. Découvrez comment les Bloom filters, Cuckoo filters, HyperLogLog, Count-Min Sketch, t-digest, Locality-Sensitive Hashing (LSH) et Skip lists révolutionnent des domaines tels que les bases de données, le Big Data et la détection d'intrusion.

Voici le plan que je vous propose:

• Introduction (15 minutes)
• Pourquoi les structures de données probabilistes ?
• Compromis entre efficacité et précision
• Aperçu des structures abordées
• Bloom Filters et Cuckoo Filters (30 minutes)
• Bloom Filters : principe de fonctionnement, applications, avantages et limites.
• Cuckoo Filters : principe de fonctionnement, applications, avantages et limites.
• Comptage et Estimation (45 minutes)
• HyperLogLog : principe de fonctionnement, applications, avantages et limites.
• Count-Min Sketch : principe de fonctionnement, applications, avantages et limites.
• t-digest : principe de fonctionnement, applications, avantages et limites.
• Locality-Sensitive Hashing (LSH) (20 minutes)
• Principe de fonctionnement
• Applications
• Avantages et limites.
• Skip Lists (20 minutes)
• Principe de fonctionnement
• Applications
• Avantages et limites.
• Questions/Réponses et Discussion (10 minutes)

Animatrice:

• Hela Ben Khalfallah (Experte Senior Frontend à Ekino).
• Plus d'informations sur l'animatrice: Linkedin & medium.

Inscrivez-vous dès maintenant et explorez les possibilités offertes par les structures de données probabilistes ! 🔮 🚀