Docker + Python pour la science des données et l'apprentissage automatique – Le vrai podcast Python

By | mai 8, 2020

Python pas cher

Real Python Logo

08 mai 2020 55m

Christopher Bailey
Tania Allard

Docker est un outil courant pour les développeurs Python qui créent et déploient des applications, mais que devez-vous savoir si vous souhaitez utiliser Docker pour la science des données et l'apprentissage automatique? Quelles sont les meilleures pratiques si vous souhaitez commencer à utiliser des conteneurs pour vos projets scientifiques? Cette semaine, l'invitée de Christopher est Tania Allard, elle est conseillère principale en développement chez Microsoft, se concentrant sur l'apprentissage automatique, l'informatique scientifique, la recherche et l'open source. Tania a créé une conférence pour le PyCon US 2020 qui est maintenant en ligne. La conférence est intitulée «Docker et Python: les faire jouer correctement et en toute sécurité pour la science des données et le ML». Son intervention s'appuie sur son expertise dans l'amélioration des processus, la reproductibilité et la transparence dans la recherche et la science des données. Ils discutent d'une variété d'outils pour rendre vos conteneurs plus sûrs et les résultats reproductibles.

Tania est passionnée par le mentorat, l'open source et sa communauté. Elle est organisatrice de Mentored Sprints for Diverse Beginners et elle parle des prochains sprints en ligne pour PyCon US 2020. Christopher et Tania discutent également de ses plans pour démarrer un podcast.
Les sujets:

  • 00:00:00 – Présentation
  • 00:01:43 – Rôle de défenseur principal des développeurs Microsoft
  • 00:04:07 – PyCon 2020 Talk – Docker et Python: les faire bien jouer
  • 00:05:34 – Qu'est-ce que Docker?
  • 00:10:08 – Reproductibilité des résultats du projet
  • 00:12:03 – Quels sont les défis de l'utilisation de Docker pour l'apprentissage automatique?
  • 00:15:06 – Suggestions pour commencer
  • 00:16:26 – Quelles métadonnées doivent être incluses?
  • 00:17:48 – Création d'images par étapes
  • 00:21:16 – Et vos données?
  • 00:22:40 – Kubernetes: Orchestration de conteneurs
  • 00:24:37 – Poursuite des étapes des tests
  • 00:25:37 – Quels sont les outils pour tester la sécurité?
  • 00:27:07 – Défis liés à l'utilisation de conteneurs pour ML
  • 00:28:52 – Quels types de bases de données?
  • 00:29:39 – Faites-vous des recherches initiales sur une machine locale?
  • 00:30:59 – Un exemple d'un récent projet ML
  • 00:32:16 – Papermill: paramétrage et exécution de cahiers
  • 00:33:16 – PNL: Traitement du langage naturel
  • 00:33:58 – Kaggle: Aidez-nous à mieux comprendre COVID-19
  • 00:34:42 – Quelles sont les autres bonnes pratiques pour les projets gourmands en données?
  • 00:39:13 – Des ressources pour débuter dans l'apprentissage automatique?
  • 00:40:30 – Sprints encadrés pour divers débutants
  • 00:45:34 – Le prochain podcast de Tania
  • 00:48:38 – Un chercheur invité à l'Institut Alan Turing
  • 00:49:08 – Haltérophilie
  • 00:50:16 – Bière artisanale
  • 00:52:09 – Qu'est-ce que vous pensiez savoir en Python mais que vous aviez tort?
  • 00:53:50 – Qu'est-ce qui vous passionne dans le monde de Python?
  • 00:54:42 – Merci et au revoir

Afficher les liens:


Tweet
Partager
Email

Améliorez vos compétences en Python avec ces cours:

«Parcourir tous les épisodes

[ad_2]