Repenser en 2019 la Data dans le Cloud pour une meilleure efficacité opérationnelle.

Le Cloud change fondamentalement les approches des projets menés dans le SI. Grâce à nos 3 témoignages clés du Business et de l’IT de SANOFI (AWS), GALERIES LAFAYETTE (GCP) et BLUE DME (AWS) et nos experts Xebia, vous bénéficierez de retours d’expérience concrets qui vous permettront de construire vos projets Data dans le Cloud en faisant les bons choix.

 

Nous répondrons aux thématiques suivantes :

  • Construire son DataLake sur le Cloud plutôt que on-premise. Les Cloud providers sont aujourd’hui moteurs dans les transformations apportées à nos éco-systèmes Data. Les patterns prônés hier avec conviction sont-ils encore d’actualité aujourd’hui dans un monde IT à l’ère du Cloud et son lot de changements associés ? Les profils développeurs sont-ils toujours les mêmes ou ont-ils évolué ? Quels changements apporte le Cloud en terme de Run ? Les outils sont-ils toujours les mêmes ? Enfin, peut-on répondre correctement à des sujets tels que la compliance ou encore la sécurité ?
  • Faire de la Data Science grâce aux outils Cloud : Faire de la Data Science dans le Cloud transforme les approches en terme d’investissement sur le matériel, de temps passé à la mise au point des algorithmes utilisés ou encore sur les solutions permettant d’appréhender le Run. Les impacts touchent tous les éléments du cycle d’un projet de Machine Learning. Nous proposerons donc de découvrir ces games changers, comment se les approprier et voir s’ils suffisent à éviter les POCs de 6 mois ou bien s’il faut ajouter d’autres ingrédients secrets à vos projets Data Science?….

Inscrivez-vous sans plus tarder à notre cinquième édition du Tech4Exec, exclusivement dédiée aux C-Levels et managers, pour un échange riche en comité restreint (nombre de places limité).

Vidéos et Slides

REX SANOFI : Le choix du Cloud pour accélérer les projets Data et IA/ML

Galeries Lafayette et Bluedme: les impacts business et IT des projets Data dans le Cloud

Tirer parti du Cloud pour réussir ses projets Data

TechTrendsProduits Data Science #13

Mauvaise gestion du Data Lake, PoCs interminables qui repoussent sans cesse une éventuelle mise en production, ou encore, manque de lien avec la réalité opérationnelle : les causes d’échec d’un projet Data Science sont nombreuses. C’est l’approche elle-même qui doit être repensée dans son intégralité. Le Data Lake n’est pas une fin en soi, ce n’est qu’un moyen. Il en est de même pour les modèles de Machine Learning. La seule obsession des équipes doit être le diptyque Use Case critique – solution créative pertinente.

Ce TechTrends a pour but de vous guider pas à pas dans cette démarche et de vous aider ainsi à faire de votre Produit Data Science un succès.

Télécharger le livre blanc

Ils ont participé