Анонсы
Необходимость моментального реагирования на постоянно меняющиеся запросы бизнеса требует создания не только надежных и быстрых технологий обработки больших данных, но и гибких прикладных и управляющих процессов, а также изменения корпоративной культуры. Концепция DataOps появилась относительно недавно, и под ней понимается оперативный и беспрепятственный обмен данными между data scientist, бизнес-аналитиками, разработчиками, руководителями и пользователями. Для этого в проектах используются методы Agile (Scrum, Kanban и т.д.), командные системы управления проектами, средства управления версиями (GitHub и пр.), технологии контейнеризации и виртуализации (Docker, Rocket, Kubernetes и т.д.), технические решения для управляемого конвейера данных.
Темы:
- Чем DataOps отличается от DevOps?
- Как связаны DataOps, цифровизация и Agile-подходы?
- Какие инструменты обеспечивают непрерывную работу с большими данными?
- Какова роль data scientist, бизнес-аналитиков, разработчиков, руководителей и пользователей в процессе работы с большими данными?
- Как использовать Agile в DataOps?
- Как управлять проектом больших данных?
- Как организовать управление версиями?
- Какие технологии контейнеризации и виртуализации выбрать?
- Какой должна быть ИТ-инфраструктура, обеспечивающая бесперебойную работу конвейера данных цифрового предприятия?
- Чем отличаются DevOps и DataOps-инженеры?