Meetup : MongoDB Octobre 2018
Le mardi 9 octobre à 19h, Meritis accueille la communauté Paris MongoDB User Group !
On en collecte de plus en plus tous les jours, elles représentent les clés de compréhension du client. Comment peut on les gérer ? quelles sont les approches les plus efficaces pour la collecter? quels sont les processus les plus fiables pour les exploiter ?
Le mardi 9 octobre à 19h, Meritis accueille la communauté Paris MongoDB User Group !
A cette occasion, Elastic FR présentera deux talks : * Search amélioré en utilisant le NLP * (sujet à venir !) Pour en savoir plus sur le contenu des talks …
Depuis février 2015, Elie est consultant chez Meritis et en mission chez Amundi. Il est consultant senior en Data Management. Aujourd’hui, Elie participe en tant que Scrum Master au projet …
Depuis septembre 2016, Clément est consultant chez Meritis. Après avoir travaillé au Crédit Agricole, il est désormais chez Auchan en tant que Développeur Big Data. Au quotidien, il aide les …
L’article précédent traitait du concept de partition en Spark et des méthodes permettant de re-partitionner ses données. Mais pour quoi faire ?
Si vous développez en Spark, vous vous êtes déjà rendu compte que certains de vos algorithmes, qui semblent pourtant si simples, prennent énormément de temps à s’exécuter, sans savoir pourquoi. Ce peut être dû à un problème de partitionnement.
Regardons ensemble les difficultés que vous pouvez rencontrer dans vos programmes ainsi que des techniques pour les résoudre.
Aujourd’hui, on entend beaucoup parler des technologies Big Data : les chefs de projets en parlent et souhaitent expérimenter l’apport de ces technologies en termes de scalabilité, les commerciaux parlent de missions Big Data et de DataLab chez les clients, les RH cherchent des experts Big Data et des développeurs Hadoop qu’ils n’arrivent pas facilement à trouver.
Un nombre très important de frameworks Big Data a vu le jour ces dernières années et l’écosystème Big Data est en pleine effervescence. Cependant, compte tenu du manque de maturité de son écosystème, plusieurs frameworks disparaissent à cause de leur complexité ou non adéquation avec les nouveaux besoins.