跟踪
过滤器
内容过滤

时间表

星期二，10月15日——训练

07:00

登记

  • 登记
  • 720分钟
09:00

培训:Apache Spark编程

  • 培训
  • 180分钟
  • 房间:D201
09:00

培训:Apache Spark调优和最佳实践

  • 培训
  • 180分钟
  • 房间:Elicium 1
09:00

培训:使用Databricks Delta Lake为Apache Spark构建数据管道

  • 培训
  • 180分钟
  • 房间:E102
09:00

培训:Apache Spark 2.x数据科学

  • 培训
  • 180分钟
  • 房间:Elicium 2
09:00

培训:半日预备课程+数据认证考试

  • 培训
  • 180分钟
  • 房间:E103
09:00

培训内容:生产中的机器学习:MLflow和模型部署

  • 培训
  • 180分钟
  • 房间:D203
09:00

培训:通过Keras, TensorFlow和Apache Spark理解和应用深度学习

  • 培训
  • 180分钟
  • 房间:E107
12:00

午餐

  • 午餐
  • 60分钟
13:00

培训:Apache Spark编程

  • 培训
  • 240分钟
  • 房间:D201
13:00

培训:Apache Spark调优和最佳实践

  • 培训
  • 240分钟
  • 房间:Elicium 1
13:00

培训:使用Databricks Delta Lake为Apache Spark构建数据管道

  • 培训
  • 240分钟
  • 房间:E102
13:00

培训:Apache Spark 2.x数据科学

  • 培训
  • 240分钟
  • 房间:Elicium 2
13:00

培训内容:生产中的机器学习:MLflow和模型部署

  • 培训
  • 240分钟
  • 房间:D203
13:00

培训:通过Keras, TensorFlow和Apache Spark理解和应用深度学习

  • 培训
  • 240分钟
  • 房间:E107
18:00

Ask Me Anything (AMA): Apache Spark提交者和Databricks创始人

  • 打破
  • 20分钟
  • 房间:世博馆
18:30

阿姆斯特丹数据科学聚会-饮料和数据:数据科学，人工智能和机器学习技术讲座

  • Meetup
  • 150分钟
  • 房间:论坛

星期三，10月16日-会议

07:00

登记

  • 登记
  • 600分钟
09:00

阿尔法星:掌握实时战略游戏星际争霸2

Oriol Vinyals(谷歌)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

开源生态系统的新发展:Apache Spark bob下载地址3.0、Delta Lake和Koalas

Michael Armbrust (Databricks) 布鲁克·维尼格(Databricks) Burak Yavuz(数据库)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

用数据和人工智能的统一方法在家庭中节约能源- EU

斯蒂芬·高尔斯沃西博士(Quby)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

统一数据分析:帮助数据团队解决世界上最棘手的问题

Ali Ghodsi (Databricks)
  • 主题
  • 90分钟
  • 房间:礼堂
10:00

博览馆公开

  • Meetup
  • 480分钟
  • 房间:世博馆
10:30

打破

  • 打破
  • 30分钟
10:35

Ask Me Anything (AMA): Delta Lake

  • 打破
  • 20分钟
  • 房间:世博馆
11:00

在异构CPU + FPGA平台上加速实时视频分析bob体育客户端下载

Bhoomika Sharma (Megh计算公司)
  • 人工智能
  • 40分钟
  • 房间:翡翠
11:00

Apache Spark At Scale in Cloud

罗丝·图米(彭博社)
  • 工程数据
  • 40分钟
  • 房间:论坛
11:00

在Azure Databricks上使用FastAI的NLP自动化损失预防:PetSmart的温和入门

Mike Vedomske (PetSmart)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
11:00

利用Delta Lake大规模构建可靠的数据湖

Andreas Neumann (Databricks) 如来(数据) Mukul Murthy (Databricks)
  • 工程数据
  • 40分钟
  • 房间:G104
11:00

深度学习的持续部署

尼克·彭特里斯(IBM)
  • 数据科学
  • 40分钟
  • 房间:G102
11:00

在分析动物园上使用Apache Spark和分布式Keras的高能物理深度学习管道

卢卡·卡纳利(欧洲核子研究中心)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
11:00

使用Morpheus和Neo4j扩展企业Spark Graph

Martin Junghanns (Neo4j) Sören Reichardt (Neo4j)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
11:00

考拉:从熊猫到Apache Spark的简单过渡

蒂姆•亨特(荷兰银行) 上申拓哉(Databricks)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
11:00

近实时数据仓库与Apache Spark和Delta Lake

贾斯珀·格鲁特(Eventbrite)
  • 开发人员
  • 40分钟
  • 房间:礼堂
11:00

Apache Spark中的矢量化R执行

Hyukjin Kwon (Databricks)
  • 开发人员
  • 40分钟
  • 房间:E103
11:50

.NET for Apache Spark

Rahul Potharaju(微软) Terry Kim(微软)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
11:50

Apache Spark的内置文件源深度

王耿亮(数据)
  • 开发人员
  • 40分钟
  • 房间:礼堂
11:50

利用Delta Lake - cont建立大规模可靠的数据湖

Andreas Neumann (Databricks) 如来(数据) Mukul Murthy (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
11:50

制药行业的大规模商业分析:从黑客松到Azure Databricks的MVP

彼得•韦伯(葛兰素史克)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
11:50

数据再现性，审计，即时回滚，和时间旅行与三角洲湖的其他应用

凯尔·韦勒(微软)
  • 工程数据
  • 40分钟
  • 房间:论坛
11:50

利用分解体系结构改进Apache Spark

郭晨昭(英特尔) 卡森·王(英特尔)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
11:50

使用Arrow加速PySpark的内部原理

鲁本·贝伦盖尔(混合理论)
  • 开发人员
  • 40分钟
  • 房间:E103
11:50

用图形转换AI:使用Spark和Neo4j的真实世界示例

Alicia Frame (Neo4j)
  • 数据科学
  • 40分钟
  • 房间:G102
11:50

基于PySpark的马尔可夫决策问题策略探索

Justin Brandenburg (Databricks)
  • 人工智能
  • 40分钟
  • 房间:翡翠
11:50

ziline - airbnb的声明性功能工程框架

Varant Zanoyan (Airbnb) Evgeny Shapiro (Airbnb)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
12:30

午餐

  • 午餐
  • 60分钟
13:40

使用Apache Spark进行异步超参数优化

吉姆·道林(逻辑时钟AB) 莫里茨·梅斯特(逻辑时钟AB)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
13:40

三角洲湖泊顶部建筑数据密集型分析应用

Ganesh Chand (Databricks) Ravi Gawai (Databricks)
  • 工程数据
  • 40分钟
  • 房间:论坛
13:40

在Apache Spark上使用DL4J进行深度学习:是的，这很酷，但你做得对吗?

古列尔莫·奥兹亚(MSD)
  • 数据科学
  • 40分钟
  • 房间:G102
13:40

降级:自动伸缩Apache Spark集群的致命弱点

普拉哈尔·贾殷(Qubole) Venkata Krishnan sowrrajan (LinkedIn)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
13:40

用新的数据源扩展Spark SQL 2.4(实时编码会话)

Jacek Laskowski(发展和培训服务)
  • 开发人员
  • 40分钟
  • 房间:礼堂
13:40

如何自动化Apache Spark的性能调优

Jean-Yves Stephan(数据力学) Julien Dumazert(数据力学)
  • 教程
  • 40分钟
  • 房间:G104
13:40

利用人工智能和物联网数据让家庭高效舒适

艾丽莎·弗塞普特(Quby)
  • 人工智能
  • 40分钟
  • 房间:翡翠
13:40

将Apache Spark ML作业迁移到Kubeflow上的Spark + Tensorflow

霍尔顿·卡劳(苹果公司)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
13:40

Spark SQL中的物理计划

David Vrba (Socialbakers a.s.)
  • 开发人员
  • 40分钟
  • 房间:E103
13:40

使用Spark和Tensorflow检索视觉相似的产品进行购物推荐

钟志超(Wehkamp)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
14:30

盟友与对手:通过对比近端原型来解释模型推理

Deepak Pai (Adobe, Inc.) 维贾伊·斯里瓦斯塔瓦(Adobe公司)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
14:30

Apache Spark AI在电信行业的用例:使用地理空间可视化的网络质量分析和预测

卢洪灿(SK电信) 黄斗英(SK电信)
  • 人工智能
  • 40分钟
  • 房间:翡翠
14:30

用新数据源扩展Spark SQL 2.4(实时编码会话)-继续

Jacek Laskowski(发展和培训服务)
  • 开发人员
  • 40分钟
  • 房间:礼堂
14:30

考拉:熊猫在阿帕奇火花欧盟

蒂姆•亨特(荷兰银行) 布鲁克·维尼格(Databricks) Niall Turbitt (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
14:30

将大型机器学习应用程序重新平台到Apbob体育客户端下载ache Spark的经验教训

泰勒·赫斯(晨星公司) Patrick Caldon(晨星公司)
  • 数据科学
  • 40分钟
  • 房间:G102
14:30

Spark sql中的物理计划-继续

David Vrba (Socialbakers a.s.)
  • 开发人员
  • 40分钟
  • 房间:E103
14:30

用云分析的敏捷方法预测银行客户需求

Jakub Masek (MONETA货币银行) 米兰·贝尔卡(DataSentics a.s.)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
14:30

流处理:选择适合工作的工具

吉赛尔·范东恩(克拉里奥)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
14:30

面向金融企业的流式分析

巴斯·格尔丁克(荷兰合作银行)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
14:30

用Apache Spark解决批处理和流处理中的会话问题

Bartosz Konieczny (Octo Technology)
  • 工程数据
  • 40分钟
  • 房间:论坛
15:20

基于spark的智能助手:让自然语言中的数据探索变得真实

Georgia Koutrika(雅典娜研究中心)
  • 人工智能
  • 40分钟
  • 房间:翡翠
15:20

评估Apache Spark的图形解决方案

陈松婷(TigerGraph)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
15:20

使用R的现代ML堆栈简介

Javier Luraschi (RStudio)
  • 数据科学
  • 40分钟
  • 房间:G102
15:20

用Spark和NLP构建知识图谱:我们如何向科学家推荐新药

Eliseo Papa(阿斯利康)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
15:20

使用结构化流和Delta湖设计ETL管道——如何正确地构建事物

如来(数据)
  • 开发人员
  • 40分钟
  • 房间:E103
15:20

Apache Spark中的动态分区修剪

Bogdan Ghit(数据库) Juliusz Sompolski (Databricks)
  • 工程数据
  • 40分钟
  • 房间:论坛
15:20

Apache Spark中的加密计算

Kim Laine(微软)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
15:20

开始为Apache Spark做出贡献-从PR, CR, JIRA和超越SAIS EU

霍尔顿·卡劳(苹果公司)
  • 开发人员
  • 40分钟
  • 房间:礼堂
15:20

考拉:阿帕奇星火上的熊猫(续)

蒂姆•亨特(荷兰银行) 布鲁克·维尼格(Databricks) Niall Turbitt (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
15:20

不休息直到生产-在3周内构建并部署9个模型到生产

查米·帕特尔(Syntasa)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
16:00

问我任何事(AMA):考拉

  • 打破
  • 20分钟
  • 房间:世博馆
16:00

打破# 2

  • 打破
  • 30分钟
16:00

金融服务交流活动

马泰伊斯·范·多思(荷兰银行) (荷兰银行) Jonathan Chin (ARM Insight)
  • Meetup
  • 180分钟
  • 房间:D202
16:30

使用Apache Spark加速天文发现

朱利安·佩洛顿(CNRS)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
16:30

Apache Spark Side of Funnels

Zoran Stipanicev (GetYourGuide)
  • 开发人员
  • 40分钟
  • 房间:礼堂
16:30

构建特征工厂

Daniel Tomes (Databricks)
  • 数据科学
  • 40分钟
  • 房间:G102
16:30

宇宙DB实时高级分析车间

Srilakshmi Chintala(微软)
  • 教程
  • 40分钟
  • 房间:G104
16:30

三角洲湖及其效益的数据分析

Nitin Raj Soundararajan (Cognizant Worldwide Limited) Nagaraj Sengodan (HCL技术公司)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
16:30

利用Spark和Tensorflow从研究到生产的深度异常检测

Davit Bzhalava(瑞典银行) Shaheer Mansoor(瑞典银行)
  • 人工智能
  • 40分钟
  • 房间:翡翠
16:30

在Databricks上使用Apache Spark、Delta Lake和MLflow进行大规模驱动位置智能

塞尔吉奥·巴列斯特罗斯·索拉纳斯(TomTom) Kia Eisinga (TomTom)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
16:30

介绍TensorFlow 2.0 Brad Miro

布拉德·米罗(谷歌)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
16:30

具有变更数据捕获的现代ETL管道

蒂亚戈·里戈(GetYourGuide) David Mariassy (GetYourGuide)
  • 工程数据
  • 40分钟
  • 房间:论坛
16:30

Spark operator -在Kubernetes上部署、管理和监控Spark集群

Jiri Kremser(红帽公司)
  • 开发人员
  • 40分钟
  • 房间:E103
17:00

博览馆公开

  • Meetup
  • 120分钟
  • 房间:世博馆
17:00

医疗保健和生命科学网络活动

  • Meetup
  • 120分钟
  • 房间:D203
17:00

零售交流活动

  • Meetup
  • 120分钟
  • 房间:D201
17:20

使用英特尔QuickAssist技术加速Apache Spark

谢琦(英特尔)
  • 数据与机器学习研究
  • 40分钟
  • 房间:E102
17:20

流分析与机器学习在智能制造多变量时间序列数据中的应用与挑战

Pranav Prakash (quartie .ai)
  • 人工智能
  • 40分钟
  • 房间:翡翠
17:20

用Apache Spark在LSST尺度上处理天文数据

Petar Zecevic (SV集团总监) Mario Juric(华盛顿大学)
  • 开发人员
  • 40分钟
  • 房间:E103
17:20

在Apache Spark中构建和部署数据管道的最佳实践

Vicky Avison (Cox Automotive UK) 亚历克斯·布什(毕马威灯塔)
  • 工程数据
  • 40分钟
  • 房间:论坛
17:20

Cosmos DB实时高级分析研讨会继续

Srilakshmi Chintala(微软)
  • 教程
  • 40分钟
  • 房间:G104
17:20

使用Spark评估宝马自动驾驶道路检测的经验教训

乔治·普西亚(宝马集团) Jennifer Reinelt(宝马集团)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
17:20

在Adyen中使用Apache Spark和ElasticSearch进行可伸缩的时间序列预测和监控

安德鲁·莫拉(Adyen)
  • 数据科学
  • 40分钟
  • 房间:G102
17:20

无缝端到端生产机器学习与Seldon和MLflow

Adrián González Martín (Seldon Technologies)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
17:20

Spark SQL bucket at Facebook

程素(Facebook)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
17:20

来自Project Hydrogen的更新:在Apache Spark EU中统一最先进的AI和大数据

蒋兴波(数据库)
  • 开发人员
  • 40分钟
  • 房间:礼堂
18:00

女性统一分析的欢乐bob体育亚洲版时光

  • Meetup
  • 90分钟
  • 房间:黄玉休息室
19:30

构建。统一。庆祝。出席者聚会

  • Meetup
  • 180分钟
  • 房间:阿姆斯特尔船屋

周四，10月17日-会议

08:00

登记

  • 登记
  • 420分钟
09:00

使用ml支持的交互工具预测零售业的“假设”情景

约翰·瓦林(伊莱克斯)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

在云端建立统一的数据和人工智能平台，重塑汇丰的支付方式bob体育客户端下载

阿莱西奥•巴索(汇丰)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

可扩展的AI

Mark Hamilton(微软) 克里斯蒂娜·李(微软)
  • 主题
  • 90分钟
  • 房间:礼堂
09:00

使用MLflow简化模型管理

Matei Zaharia (Databricks) Corey Zumar (Databricks)
  • 主题
  • 90分钟
  • 房间:礼堂
10:00

世博馆开放日第三天

  • Meetup
  • 480分钟
  • 房间:世博馆
10:30

打破# 3

  • 打破
  • 30分钟
10:35

Ask Me Anything (AMA): Delta Lake

  • 打破
  • 20分钟
  • 房间:世博馆
10:35

问我任何事(AMA):三角洲湖

  • 打破
  • 20分钟
  • 房间:世博馆
11:00

人工智能流分析提供实时客户体验

约翰·哈达德(Informatica) Vishwa Belur (Informatica)
  • 工程数据
  • 40分钟
  • 房间:E102
11:00

利用Delta Lake大规模构建可靠的数据湖

Andreas Neumann (Databricks) 如来(数据) Mukul Murthy (Databricks)
  • 工程数据
  • 40分钟
  • 房间:G104
11:00

生产中已部署模型的持续评估

Deepak Pai (Adobe, Inc.) 维贾伊·斯里瓦斯塔瓦(Adobe公司)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
11:00

在Azure Databricks上使用机器学习创建全渠道银行体验

彼得·普鲁哈切克(Ceska sporitelna) Jakub Stech (DataSentics a.s.)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
11:00

利用机器学习检测大规模金融欺诈

Elena Boiarskaia (H2O.ai)
  • 数据科学
  • 40分钟
  • 房间:G102
11:00

Spark 3.0中的图特性:Spark Graph中图查询和算法的集成

Mats Rydberg (Neo4j) Max Kießling (Neo4j)
  • 教程
  • 40分钟
  • 房间:G104
11:00

数据如何改变荷兰传媒业

莫里茨·范德戈斯(荷兰RTL)
  • 人工智能
  • 40分钟
  • 房间:翡翠
11:00

使用Apache Spark Metrics进行性能故障诊断

卢卡·卡纳利(欧洲核子研究中心)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
11:00

pb、Exabytes及以上:管理Delta Lakes进行大规模交互式查询

Christopher Hoshino-Fish (Databricks)
  • 工程数据
  • 40分钟
  • 房间:论坛
11:00

Spark结构化流中有状态流处理的内部原理

Jacek Laskowski(发展和培训服务)
  • 开发人员
  • 40分钟
  • 房间:E103
11:00

拼花的格式和性能优化机会

布德维恩·布拉姆斯(数据库)
  • 开发人员
  • 40分钟
  • 房间:礼堂
11:00

解释机器学习模型的统一方法:SHAP + LIME

杨蕾(数据库)
  • 数据科学
  • 40分钟
  • 房间:E107
11:50

ACID ORC、Iceberg和Delta lake——用于大规模存储和分析的表格式概述

Michal Gancarski (Zalando SE)
  • 开发人员
  • 40分钟
  • 房间:礼堂
11:50

应用机器学习在电子商务环境中对产品进行排名

Arnoud de Munnik (Wehkamp) 杰瑞·沃斯(维坎普)
  • 数据科学
  • 40分钟
  • 房间:G102
11:50

使用Databricks Labs AutoML Toolkit增强机器学习

Denny Lee (Databricks) 玛丽·格雷斯·莫斯塔(Databricks)
  • 数据科学
  • 40分钟
  • 房间:E107
11:50

构建可扩展的数据科学解决方案，超越传统贸易市场的销售执行

哈里什·库马尔(RB)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
11:50

数据仓库与Spark流在Zalando

塞巴斯蒂安·赫罗德(Zalando SE)
  • 工程数据
  • 40分钟
  • 房间:E103
11:50

利用人工智能进行药物发现和开发

Vishnu Vettrivel (Wisecube AI)
  • 人工智能
  • 40分钟
  • 房间:翡翠
11:50

端到端Spark/TensorFlow/PyTorch管道与Databricks Delta

吉姆·道林(逻辑时钟AB) Kim Hammar(逻辑时钟AB)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
11:50

Spark 3.0中的图特性:Spark Graph中集成图查询和算法-继续

Mats Rydberg (Neo4j) Max Kießling (Neo4j)
  • 教程
  • 40分钟
  • 房间:G104
11:50

在企业Azure平台上使用数据库实现机器学习的工业化:经验和反馈bob体育客户端下载

Yannick Radji(索迪斯)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
11:50

使用Spark脚本转换为Facebook的自定义应用提供支持

Abdulrahman Alfozan (Facebook)
  • 工程数据
  • 40分钟
  • 房间:E102
11:50

流，流，流:不同的流式方法与Apache Spark和Kafka

伊泰·亚菲(暗示)
  • 工程数据
  • 40分钟
  • 房间:论坛
11:50

女性统一数据分析午餐会

  • 午餐
  • 100分钟
  • 房间:D203
12:30

午餐——第三天

  • 午餐
  • 60分钟
13:30

民主化机器学习:来自scikit-learn创造者的观点

Gaël Varoquaux (Inria)
  • 主题
  • 60分钟
  • 房间:礼堂
13:30

对看不见的事物进行成像:拍摄第一张黑洞照片

凯蒂·博曼(加州理工学院)
  • 主题
  • 60分钟
  • 房间:礼堂
14:40

通过gpu和RAPIDS库加速Apache Spark的几个数量级

米格尔·马丁内斯(NVIDIA) 托马斯·格雷夫斯(NVIDIA)
  • 数据科学
  • 40分钟
  • 房间:G102
14:40

Apache Spark核心-实用优化

Daniel Tomes (Databricks)
  • 开发人员
  • 40分钟
  • 房间:礼堂
14:40

CyberMLToolkit:异常检测作为Apache Spark上的可扩展通用服务

罗伊·莱文(微软)
  • 人工智能
  • 40分钟
  • 房间:翡翠
14:40

Nubank的数据民主化

Andre Jasiskis (Nubank) 罗德里戈·内(努班克)
  • 工程数据
  • 40分钟
  • 房间:E103
14:40

从HelloWorld到Scala中可配置和可重用的Apache Spark应用程序-一个开发人员的旅程

Oliver Tupran (Devoteam)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
14:40

使用MLflow EU管理完整的机器学习生命周期

Thunder Shiviah (Databricks) Michael Shtelma (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
14:40

风能模型选择的现场解决方案

安娜·玛丽亚·马丁内斯·费尔南德斯(维斯塔斯)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
14:40

Apache Spark和Presto在云环境中的性能分析

Victor Cuevas-Vicenttin(巴塞罗那超级计算)
  • 工程数据
  • 40分钟
  • 房间:E107
14:40

在Kubernetes上使用Apache Spark实现大规模的可靠性能

威尔·曼宁(Palantir) 谢清海(Palantir)
  • 工程数据
  • 40分钟
  • 房间:论坛
14:40

高伟绅的Spark、NLP和Azure Databricks彻底改变了法律行业

米尔科·贝尔纳多尼《高伟绅》 迈克尔·塞登(Clifford Chance)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
14:40

战术数据科学技巧:一起使用Python和Spark

比尔·钱伯斯(数据库)
  • 工程数据
  • 40分钟
  • 房间:E102
15:30

使用gpu和RAPIDS库加速Apache Spark的几个数量级—继续

米格尔·马丁内斯(NVIDIA) 托马斯·格雷夫斯(NVIDIA)
  • 数据科学
  • 40分钟
  • 房间:G102
15:30

Apache Spark Core -实用优化-继续

Daniel Tomes (Databricks)
  • 开发人员
  • 40分钟
  • 房间:礼堂
15:30

与三角洲湖建立大规模可靠的数据湖-继续

Andreas Neumann (Databricks) 如来(数据) Mukul Murthy (Databricks)
  • 工程数据
  • 40分钟
  • 房间:论坛
15:30

高性能高级分析与火花炼金术

Simeon Simeonov (Swoop)
  • 开发人员
  • 40分钟
  • 房间:E107
15:30

提高数据科学家的寿命:通过MLflow自动化ML生命周期

Subru Krishnan(微软) Avrilia Floratou(微软)
  • 人工智能
  • 40分钟
  • 房间:翡翠
15:30

使用mlflow管理完整的机器学习生命周期

Thunder Shiviah (Databricks) Michael Shtelma (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
15:30

映射和意义:Apache Spark和GraphX中基于图形的实体解析

亨德里克·弗伦特鲁普(Systemati.co)
  • 工程数据
  • 40分钟
  • 房间:E102
15:30

Spark Structured Streaming、Delta Lbob体育客户端下载ake和MLflow为Asurion的Connected Home平台提供动力

托马斯·马格达斯基《阿苏里安》 Shobhit Gupta(《Asurion》)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
15:30

大规模的实时欺诈检测——与Spark AI集成实时深度链接图分析

刘本悦(Emma) (TigerGraph)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
15:30

使用Delta Lake简化和扩展数据工程管道

阿曼达·莫兰(Databricks)
  • 工程数据
  • 40分钟
  • 房间:E103
15:30

在数据框架中处理复杂类型:光学救星

Alfonso Roa Redondo (Habla计算)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
16:10

打破# 4

  • 打破
  • 30分钟
16:15

Ask Me Anything (AMA): MLflow

  • 打破
  • 20分钟
  • 房间:世博馆
16:40

自动驾驶Apache Spark使用机器学习

Amogh Margoor (Qubole) Urvashi Kohli (Qubole) Mayur Bhosale (Qubole)
  • 人工智能
  • 40分钟
  • 房间:翡翠
16:40

蓝色药丸/红色药丸:成千上万数据流的矩阵

希曼舒•古普塔(knowdus Inc.)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2
16:40

通过Delta Lake、Spark和Databricks构建人工智能驱动的零售体验

阿希尔·丁格拉(扎兰多) Saurav Verma(扎兰多)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
16:40

利用Delta Lake系统大规模构建可靠的数据湖

Andreas Neumann (Databricks) 如来(数据) Mukul Murthy (Databricks)
  • 教程
  • 40分钟
  • 房间:G104
16:40

使用ONNX部署端到端深度学习管道

尼克·彭特里斯(IBM)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
16:40

使用Spark SQL启用生物银行规模的基因组处理

Karen Feng(数据库)
  • 工程数据
  • 40分钟
  • 房间:E107
16:40

利用Databricks Delta和AWS生态系统实现可靠的数据湖

Denis Dubeau (Databricks) 乔丹·马茨(Qlik)
  • 开发人员
  • 40分钟
  • 房间:礼堂
16:40

改进Apache Spark Downscaling

克里斯托弗·克洛斯比(谷歌) 本·西霍姆(谷歌)
  • 工程数据
  • 40分钟
  • 房间:E102
16:40

MLflow和Apache Spark的大规模机器学习

刘崇光(Société Générale)
  • 数据科学
  • 40分钟
  • 房间:G102
16:40

MLflow和Azure机器学习——机器学习生命周期管理的强大组合

Nishant Thacker(微软)
  • 工程数据
  • 40分钟
  • 房间:E103
16:40

扩展数据分析在数据上的工作负载

Bogdan Ghit(数据库) Chris Stevens (Databricks)
  • 工程数据
  • 40分钟
  • 房间:论坛
17:00

媒体及娱乐联谊活动

  • Meetup
  • 120分钟
  • 房间:D203
17:30

Spark上的AI用于恶意软件分析和异常威胁检测

Jakub Sanojca (Avast) 若昂·达·席尔瓦(Avast)
  • 人工智能
  • 40分钟
  • 房间:翡翠
17:30

Apache Spark用于企业公司的网络安全

约瑟夫·尼德梅尔(惠普企业)
  • 数据和机器学习行业用例
  • 40分钟
  • 房间:G106
17:30

自动化生产准备ML在规模

Errol Koolmeister (H&M) kevin Wang (H&M)
  • 数据科学
  • 40分钟
  • 房间:G102
17:30

弥合数据科学家和软件工程师之间的差距——以最小的痛苦将遗留的Python算法部署到Apache Spark

Lucas Partridge (GE航空数码) Peter Knight(通用航空)
  • 工程数据
  • 40分钟
  • 房间:论坛
17:30

使用MLflow、Pyspark和Pandas实现分布式数据上的分布式模型

Thunder Shiviah (Databricks)
  • 数据科学
  • 40分钟
  • 房间:E107
17:30

改进Apache Spark降级-继续

克里斯托弗·克洛斯比(谷歌) 本·西霍姆(谷歌)
  • 工程数据
  • 40分钟
  • 房间:E102
17:30

用深度神经网络和TensorFlow在鸡尾酒会上聆听

克里斯蒂安·格兰特(迪蒙德)
  • 数据科学
  • 40分钟
  • 房间:Elicium 1
17:30

优化Apache Spark EU的Delta/Parquet数据湖

马修·鲍尔斯(《预言家》)
  • 工程数据
  • 40分钟
  • 房间:E103
17:30

重构Apache Spark以允许额外的集群管理器

凯文·道尔(IBM)
  • 开发人员
  • 40分钟
  • 房间:礼堂
17:30

使用生产概要文件指导优化

Adam Barth (Facebook)
  • 开发人员
  • 40分钟
  • 房间:Elicium 2