Obrada podataka u stvarnom vremenu uz pomoć strojnog učenja u Pythonu

Stjecanje ispravnog uvida u želje i potrebe Vaše mušterije ključna je prednost za svaki biznis. Taj proces, dosad uglavnom u domeni rudarenja podataka (potreban ljudski ekspert, obrađuje povijesne, a ne trenutne podatke), postaje sve dostupniji i brži zahvaljujući automatizaciji koju donosi strojno učenje. Trend je u takvom zamahu da ga se mora ili uhvatiti ili biti ostavljen u prašini konkurencije.Ključan novi izazov je dostupnost rezultata strojnog učenja (istreniranih modela) u stvarnom vremenu, dok je korisnik u interakciji s Vašom aplikacijom. I dalje postoji podjela na svijet podatkovnih znanstvenika čije okruženje je optimizirano za brzu iteraciju ciklusa pokušaj-pogreška nad velikim skupom povijesnih podataka, te s druge strane svijet produkcijskih okruženja podređenih niskoj latenciji uz visoku propusnost. Istrenirani model je artefakt koji mora uspješno proći migraciju iz prvog okruženja u drugo, ali rješenja za to nisu još sazrijela.U ovom nastupu pokazat ću jedan takav pristup koji nam omogućuje da u Javi napišemo program za obradu struje podataka s niskom latencijom, a kojeg okruženje automatski paralelizira i rasprostranjuje na više računala u klasteru. Program je lako integrirati s kodom koji je podatkovni znanstvenik napisao u Pythonu.U nastup je uključena demonstracija uživo korištenjem naredbenog retka i prolazak kroz isječke koda u Javi i Pythonu.