Amsterdam JUG Meetup at Snowflake

Cette rencontre Amsterdam Jug sera hébergée et parrainée par Snowflake, dans leur bureau de [Gustav Mahlerlaan 300-314, 1082 Me Amsterdam] (https://maps.app.goo.gl/ayfvmpswjfiaTYNM8).

Il n'y a pas de parking gratuit / sur place, mais il y a pas mal d'options à proximité. Il est également assez proche de la station Amsterdam Zuid.

Remarque: Malheureusement, il y a un report jusqu'à la prochaine rencontre Amsterdam Jug de [Soroosh Khodami] (https://www.linkedin.com/in/sorooshkhodami/) (Code Nomads) et sa présentation "Sommes-nous prêts pour la prochaine crise de cyber-sécurité comme Log4Shell?"

**Ordre du jour**

* ** 18: 00 ** Les portes s'ouvrent, la nourriture et bienvenue dans Snowflake!
Notre
* ** 19: 15 ** Break
* ** 19: 30 ** Talk 2: [Pratik Patel] (https://www.linkedin.com/in/pratel/) (Azul) Présentant ** «Construire une application AI réelle AI soutenue par Apache Iceberg» **
* ** 20: 15 ** Break
* ** 20: 30 ** Talk 3: [Simone Romani] (https://www.linkedin.com/in/simone-rani-671527bb/) (ing) présentant ** "plus de confiance du code avec tests de mutation" **
* ** 21: 15 ** Réseautage
* ** 21: 30 ** fin

*** Informations sur les discussions: ***

Talk 1: ** «Une introduction intrépide à Apache iceberg» ** par [Danica Fine] (https://www.linkedin.com/in/danica-fine/) (Snowflake)

Nouveau sur Apache iceberg ou commencer à tester les eaux? Il est temps de franchir le pas! Dans cette session adaptée aux débutants, nous vous présenterons les fonctionnalités principales de ce format de table haute performance et ce qu'il a à offrir à votre équipe de données lors de la création de votre Lakehouse de données moderne.

Nous allons commencer par explorer où iceberg s'inscrit dans le contexte des entrepôts de données, des lacs de données et d'autres formats de stockage de données. À partir de là, vous serez initié à certaines des principales caractéristiques d'Iceberg, comme l'évolution du schéma, le partitionnement caché et les transactions conformes à l'acide. Ensuite, nous plongerons sous la surface et explorerons les outils open source, les moteurs de requête et les catalogues qui composent l'écosystème iceberg. Nous ne nous arrêterons pas là, cependant! Ensemble, nous plongerons plus profondément pour apprendre le fonctionnement interne d'iceberg lorsque vous interagissez avec et entretenez vos données au fil du temps.

À la fin de la session, vous aurez les bases dont vous avez besoin pour commencer à appliquer Iceberg pour résoudre vos propres défis de données. Alors venez, et nous allons faire la plongeon polaire ensemble!

Talk 2: ** «Building a Real World AI Application Soupoded par Apache iceberg» ** par [Pratik Patel] (https://www.linkedin.com/in/prpatel/) (Azul)

Nous allons créer une application AI qui permet aux utilisateurs d'effectuer des requêtes de données et d'extraire des informations à partir d'ensembles de données massifs en utilisant le langage naturel. Nous allons explorer le potentiel de combinaison d'iceberg, d'étincelle et de LLMS.

Nous allons commencer par comprendre la structure et l'architecture d'un grand ensemble de données. Ensuite, nous examinerons les options pour interroger l'ensemble de données à l'aide d'Apache Spark.

Enfin, nous utiliserons un LLM pour interroger l'ensemble de données en utilisant le langage naturel.

Talk 3: ** "Plus de confiance du code avec les tests de mutation" ** par [Simone Romani] (https://www.linkedin.com/in/simone-rani-671527bb/) (ing)

L'une des meilleures façons d'évaluer si le code est résilient contre les bogues est de le casser exprès et de voir comment il réagit. La réaction doit être une défaillance des tests. S'il n'y a pas de réaction, cela signifie que les tests ne sont pas suffisamment efficaces, ce qui signifie que leurs affirmations sont larges et imprécises.

Les tests de mutation arrivent à la rescousse de ce défi spécifique. Cette méthodologie modifie le code source puis exécute les tests unitaires par rapport à la base de code mutée. Le rapport généré aide l'ingénieur à trouver où se trouvent les points faibles des tests.

Dans cette conférence, nous couvrirons la théorie derrière cette méthodologie, suivie d'une démo en direct où le code qui pourrait être décrit comme "100% testé" serait toujours soumis à des bogues et comment ses tests connexes peuvent être améliorés. Cette approche offrira aux ingénieurs un moyen de gagner en confiance dans leur code et en particulier dans leurs tests. Avec une force de test élevée, le code source sera non seulement solide mais aussi malléable aux modifications, les garde-corps sûrs des tests unitaires les protégeant contre l'introduction de bogues.

Vous apprendrez à écrire des tests plus efficaces et résilients en raison des tests de mutation leur donnant une perspective différente sur leur qualité de code, par rapport aux tests normaux. Les tests de mutation entraîneront également un meilleur code de production, suivant le principe de conception pilotée par les tests.