BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Lyon Data Science – Communauté data & IA à Lyon - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Lyon Data Science – Communauté data & IA à Lyon
X-ORIGINAL-URL:https://lyondatascience.org
X-WR-CALDESC:Évènements pour Lyon Data Science – Communauté data & IA à Lyon
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20190331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20191027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20210328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20211031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20200422T180000
DTEND;TZID=Europe/Paris:20200422T190000
DTSTAMP:20260410T204210
CREATED:20251005T155120Z
LAST-MODIFIED:20251005T155120Z
UID:1480-1587578400-1587582000@lyondatascience.org
SUMMARY:Quickly build Data Science web apps with Streamlit
DESCRIPTION:Orateur : Fanilo ANDRIANASOLO\, Worldline\nPré-requis :\n– Une première expérience en Python est un plus\n– Aucune connaissance web requise \nVous avez passé un long moment à perfectionner votre modèle de Machine Learning\, il est maintenant temps pour les utilisateurs d’interagir avec\, via une application web moderne et responsive !\nToutefois nous sommes un peu démunis face à cette question du déploiement web. Il faut extraire le code de notre patchwork de notebooks Jupyter et apprendre à structurer des API REST en Flask pour assurer les prédictions. Il faut se remémorer nos connaissances poussiéreuses en HTML5/CSS3\, et découvrir les débats sur les framework Javascript à la mode pour produire une page web interactive…ou alors laisser la main à un développeur web avec le sentiment de ne plus pouvoir faire évoluer seul cette page. \nAprès tout ce travail dans l’écosystème Data Science\, l’impression d’avoir à s’initier au développement web pour mettre notre modèle dans les mains du public est handicapante.\nEnter Streamlit (https://www.streamlit.io/)\, un framework qui vous permet d’implémenter rapidement une application web pour votre modèle sans quitter le monde Pythonic.\nJe vous présenterai le mode de fonctionnement et l’API de Streamlit\, comment gérer l’interactivité et la mise en cache des données\, le tout avec une démonstration live du rendu visuel -et croisons les doigts un déploiement sur Heroku-. \nA la fin de ce stream\, vous pourrez vous aussi visualiser les fruits de votre projet Data Science sur le web ! \n—-\nEn cas de problème de streaming sur https://www.twitch.tv/lyondatascience nous pourrions être amenés à mettre à jour cette URL. Nous mettrons à jour cette URL ici avant le début de la session.
URL:https://lyondatascience.org/evenements/quickly-build-data-science-web-apps-with-streamlit/
CATEGORIES:Meetup
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20200429T180000
DTEND;TZID=Europe/Paris:20200429T200000
DTSTAMP:20260410T204210
CREATED:20251005T155120Z
LAST-MODIFIED:20251005T155120Z
UID:1481-1588183200-1588190400@lyondatascience.org
SUMMARY:L'Industrialisation des modèles de machine learning via la conteneurisation
DESCRIPTION:Pour la deuxième session sur Twitch\, Lyon Data Science vous propose de s’intéresser à aux sujets de la mise en production et de la conteneurisation en Data Science.\nL’industrialisation des modèles de machine learning est une tâche complexe et nécessite souvent l’intervention de plusieurs équipes (dev\, devops\, architect\, data engineer et data scientist). Ainsi\, nous vous proposons dans cette session un REX sur une mission d’industrialisation du ML ( Python et R ) via la conteneurisation dans la plateforme Openshift. \nNous aborderons les questions suivantes : \n– L’importance de la communication entre les équipes.\n– La conteneurisation et le machine learning.\n– L’intérêt des pipelines de pré-traitements pour la mise en production des modèles.\n– La CI/CD mise en place.\n– Le monitoring des modèles et le train automatique via la conteneurisation. \nStack technique :\nOpenshift\, Kubernetes\, Docker\, Nexus\, Gitlab CI/CD\, Python\, R. \nIntervenant : Seif Eddine\, Data Scientist chez Ippon Technologies.
URL:https://lyondatascience.org/evenements/lindustrialisation-des-modeles-de-machine-learning-via-la-conteneurisation/
CATEGORIES:Meetup
END:VEVENT
END:VCALENDAR