Amsterdam JUG Meetup at Snowflake

Esta reunión de la jarra Amsterdam será organizada y patrocinada por Snowflake, en su oficina en [Gustav Mahlerlaan 300-314, 1082 Me Amsterdam] (https://maps.app.goo.gl/ayfvmpswjfiatynm8).

No hay estacionamiento gratuito/en el lugar, pero hay bastantes opciones cerca. También está bastante cerca de la estación Amsterdam Zuid.

Nota: Desafortunadamente, hay un aplazamiento hasta la próxima reunión de Jug Amsterdam de [Soroosh Khodami] (https://www.linkedin.com/in/sorooshkhodami/) (nómadas de código) y su presentación "¿Estamos listos para la próxima crisis de seguridad cibernética como log4shell"?

**Orden del día**

*** 18: 00 ** ¡Se abren puertas, comida y bienvenido a Snowflake!
*** 18: 30 ** Talk 1: [Danica bien] (https://www.linkedin.com/in/danica-fine/) (copo de nieve) Presentación ** "Una introducción intrépida a Apache iceberg" **
*** 19: 15 ** Break
*** 19: 30 ** Talk 2: [Pratik Patel] (https://www.linkedin.com/in/prpatel/) (Azul) Presentación ** “Construyendo una aplicación de IA del mundo real respaldada por Apache" **
*** 20: 15 ** Break
*** 20: 30 ** Talk 3: [Simone Romani] (https://www.linkedin.com/in/simone-romani-671527bb/) (ing) Presentando ** "Más confianza con las pruebas de mutación" **
*** 21: 15 ** redes
*** 21: 30 ** Fin

*** Información sobre las charlas: ***

Talk 1: ** “Una introducción intrépida a Apache iceberg" ** Por [Danica Fine] (https://www.linkedin.com/in/danica-fine/) (copo de nieve)

¿Nuevo en Apache Iceberg o simplemente comenzando a probar las aguas? ¡Es hora de dar el paso! En esta sesión para principiantes, le presentaremos las características centrales de este formato de tabla de alto rendimiento y lo que tiene para ofrecer a su equipo de datos a medida que construye su moderno Data Lakehouse.

Comenzaremos explorando dónde se ajusta iceberg dentro del contexto de almacenes de datos, lagos de datos y otros formatos de almacenamiento de datos. A partir de ahí, se le presentará algunas de las características clave de Iceberg, como la evolución del esquema, el particionamiento oculto y las transacciones que cumplen con el ácido. A continuación, bucearemos debajo de la superficie y exploraremos las herramientas de código abierto, los motores de consulta y los catálogos que componen el ecosistema de iceberg. Sin embargo, no nos detendremos allí! Juntos, profundizaremos para aprender el funcionamiento interno de Iceberg cuando interactúe y mantenga sus datos con el tiempo.

Al final de la sesión, tendrá la base que necesita para comenzar a aplicar Iceberg para resolver sus propios desafíos de datos. ¡Así que ven y haremos la caída polar juntas!

Talk 2: ** “Construyendo una aplicación AI del mundo real respaldada por Apache Iceberg" ** Por [Pratik Patel] (https://www.linkedin.com/in/prpatel/) (Azul)

Construiremos una aplicación AI que permita a los usuarios realizar consultas de datos y extraer información de conjuntos de datos masivos utilizando lenguaje natural. Exploraremos el potencial de combinar Iceberg, Spark y LLMS.

Comenzaremos con la comprensión de la estructura y la arquitectura de un gran conjunto de datos. Luego veremos opciones para consultar el conjunto de datos con Apache Spark.

Finalmente, usaremos un LLM para consultar el conjunto de datos utilizando el lenguaje natural.

Talk 3: ** "Más confianza en el código con pruebas de mutación" ** por [Simone Romani] (https://www.linkedin.com/in/simone-romani-671527bb/) (ing)

Una de las mejores formas de evaluar si el código es resistente contra los errores es romperlo a propósito y ver cómo reacciona. La reacción debe ser una falla en las pruebas. Si no hay reacción, significa que las pruebas no son lo suficientemente efectivas, lo que significa que sus afirmaciones son amplias e imprecisas.

Las pruebas de mutación llegan al rescate para este desafío específico. Esta metodología cambia el código fuente y luego ejecuta las pruebas unitarias contra la base de código mutada. El informe generado ayuda al ingeniero a encontrar dónde están los puntos débiles en las pruebas.

En esta charla, cubriremos la teoría detrás de esta metodología, seguida de una demostración en vivo donde el código que podría describirse como "100% probado" aún estaría sujeto a errores y cómo se pueden mejorar sus pruebas relacionadas. Este enfoque ofrecerá una forma para que los ingenieros ganen confianza en su código y especialmente en sus pruebas. Con una alta resistencia a la prueba, el código fuente no solo será fuerte sino también maleable a las modificaciones, con las barandillas seguras de las pruebas unitarias que los protegen de la introducción de errores.

Aprenderá a escribir pruebas más eficientes y resistentes debido a las pruebas de mutación que les dan una perspectiva diferente sobre la calidad de su código, en comparación con las pruebas normales. Las pruebas de mutación también generarán un mejor código de producción, siguiendo el principio del diseño impulsado por las pruebas.