{"@attributes":{"version":"2.0"},"channel":{"title":"PyVideo.org - cassandra","link":"https:\/\/pyvideo.org\/","description":{},"lastBuildDate":"Sat, 08 Apr 2017 00:00:00 +0000","item":[{"title":"Fifty shades of docker","link":"https:\/\/pyvideo.org\/pycon-es-2014\/fifty-shades-of-docker.html","description":"<h3>Description<\/h3><p>El workshop intentara explicar como montar una application hecha en Flask que usa un cluster de Cassandra (o mongo o redis... la base de datos da un poco igual) como backend y tiene servicios anyadidos como podria ser un buscador (ES)<\/p>\n","pubDate":"Mon, 06 Apr 2015 00:00:00 +0000","guid":"tag:pyvideo.org,2015-04-06:\/pycon-es-2014\/fifty-shades-of-docker.html","category":["PyCon ES 2014","workshop","flask","cassandra"]},{"title":"Machine Learning con Python: previsione in real-time della richiesta di energia elettrica","link":"https:\/\/pyvideo.org\/pycon-italia-2017\/machine-learning-con-python-previsione-in-real-time-della-richiesta-di-energia-elettrica.html","description":"<h3>Description<\/h3><p>Nel talk si parler\u00e0 di come attraverso il linguaggio Python sia\npossibile risolvere un problema reale e complesso relativamente alla\ntrasmissione di energia elettrica. Verr\u00e0 spiegato il progetto\n<strong>RealtimeLoadForecast<\/strong> che \u00e8 stato sviluppato per un importante TSO\n(Transmission System Operator). Si tratta di sistema predittivo che\npermette di fornire in tempo reale ogni 15 minuti ed entro 5 minuti, le\nprevisioni delle serie storiche dei consumi di energia elettrica\nrelativi a circa 500 nodi elettrici.<\/p>\n<p>Si parler\u00e0 dei passi che occorre seguire per ottenere da un semplice\nprototipo, un sistema <em>ingegnerizzato<\/em> che lavori in tempo reale e di\ncome sono state utilizzate le librerie di Python per l\u2019acquisizione,\nmanipolazione e processamento dei dati elettrici ed ambientali.<\/p>\n<p>Saranno descritte alcune tecniche algoritmiche e di Machine Learning per\nottenere dei modelli predittivi capaci di fornire previsioni accurate ma\ncon tempi di risposta sfidanti.<\/p>\n<p>Verr\u00e0 mostrato un <em>esempio concreto<\/em> di implementazione di un algoritmo\npredittivo basato sulla libreria Deep Learning <strong>Keras<\/strong>.<\/p>\n<p>Per la comprensione del talk non sono necessari particolari requisiti se\nnon una conoscenza di base di programmazione in Python e di Machine\nLearning.<\/p>\n","pubDate":"Sat, 08 Apr 2017 00:00:00 +0000","guid":"tag:pyvideo.org,2017-04-08:\/pycon-italia-2017\/machine-learning-con-python-previsione-in-real-time-della-richiesta-di-energia-elettrica.html","category":["PyCon Italia 2017","Forecasting","Genetic Algorithms","Keras","Data Mining","programming-paradigms","scikit-learn","bigdata","scalability","Deep-Learning","threading","realtime","Data-Scientist","database","machine-learning","mysql","signal-processing","LoadForecasting","cassandra"]}]}}