> 3 conférences gratuites

> 6 workshops techniques sur les technologies Open Source populaires

> Partage d’expériences de 25 experts azuréens et nationaux

> Le meilleur de l’Open Source sur la Côte d’Azur concentré sur 4 jours, avec du partage, des échanges, de la convivialité

Covoiturez avec Ridygo

 

Utilisez la communauté Ridygo pour vous rendre à SophiaConf !

Inscription gratuite et obligatoire

Inscription obligatoire, nombre de places limité.

Gratuit pour les adhérents Telecom Valley

> Vérifier si ma société est adhérente

> demander le code de gratuité

20€ (par workshop) pour les non adhérents

 

2.07

Lundi 18:00

intelligence artificielle

Conférence en  

Nous ne sommes jamais fatigués de l’intelligence artificielle parce que c’est tendance, parce que cela fonctionne, parce que cela touche toutes les industries, encore une fois cette année, nous accueillons les meilleurs experts pour vous tenir au courant des derniers travaux et technologies autour de l’IA.
En savoir plus
Revenue Management (RM) is a key element for airlines to maximize revenue. RM systems performance heavily relies on the quality of the forecast and modelling. To overcome this, we use Reinforcement Learning (RL) which doesn’t need any forecast or modelling, showing that RL is much more than AlphaGo.

 

Reinforcement learning (RL) is an area of machine learning concerned with how machines take actions in order to optimize a given reward by interacting with its dynamic environment. Some well-known recent applications include self-driven cars, and machines playing games better than humans (e.g., chess and go). One of the main advantages of this approach is that there is no need to explicitly model the nature of the interactions with the environment.  In this study, we present a new airline revenue management optimizer based on RL. The model does not need neither demand forecasting nor customer modelling to work. It is theoretically proven that RL will converge to the optimal solution. However, in practice, the system may require a lot of data (e.g., thousands of years of historical bookings) to learn the optimal policies. To overcome these issues, we present a novel model that integrates domain knowledge powered by a deep neural network trained in specialized hardware. The results show very encouraging results with different numerical /simulated scenarios. We believe this opens the door to a new generation of revenue management systems that could automatically learn by interacting with competitors and customers, so it can react much faster to market changes.

 

Notes :

In this study, we demonstrate the utility of RL in a real application such as RM optimization. For this purpose, we use an air travel market simulator in which an RL system and different RM systems are implemented. To the best of our knowledge, we are the first to propose a domain knowledge integration process to solve the warm up problem, allowing the deep neural network to initialize with the current policies of RM. This process is particularly important: it does not only provide a good starting point for RL, but also makes the training more stable and allows RL to adapt faster to market changes.

No particular technical requirements.

.

En savoir plus
Data mining is (relatively) simple when you know what you are looking for but most often, it’s really difficult to guess what is in your dataset without painful and lengthy manual inspection. We will focus on a real example to demonstrate how to use sklearn to explore a corpus based of public Tweets.
En savoir plus
To recommend the best products for each traveler context, MyLittleAdventure had to reclassify and fine-tune products from its providers according to its own criterias: in couple, with friends, nightlife, adrenaline, indoor, food, etc. Demonstration of a case including NLP and Supervised Machine Learning.
3.07

Mardi 18:00

internet of things

Conférence en  

Chaque année, nous disons que les objets sont déjà partout, mais chaque année de nouveaux objets étranges apparaissent et nous surprennent. Cette soirée sera dédiée aux développeurs, aux makers et aux amoureux de l’IoT.
En savoir plus
Deux principaux réseaux sont utilisés pour les objets connectés : LoRa, et SigFox. Un troisième émerge , poussé par les opérateurs 4G: NB-IoT. Il s’insère astucieusement dans l’infrastructure existante, et permet à des modules low-cost , low-power de communiquer. Nous vous expliquons comment.

Cette présentation s’articulera autour des points suivants: – Introduction rapide des principes de la 4G – LTE , – Les canaux de communications, comment les objets “parlent” au réseau ? – Comment on optimise la portée et la consommation ? – quelques examples d’objets utilisant NB-IoT – Conclusion – ouverture vers la 5G

En savoir plus
L’IoT, du prototype au produit. Développer un prototype en IoT est devenu -presque- un jeu d’enfants : Electronique à prix abordables, l’open source. Il ne faut pas hésiter à se lancer, tester les idées même les plus folles. Cette simplicité peut en revanche masquer la complexité à transformer un prototype en produit. Nous aborderons les points auxquels il faut prêter attention, les étapes à ne pas négliger et quelques-uns des pièges à éviter.
En savoir plus
L’IoT, du prototype au produit. Développer un prototype en IoT est devenu -presque- un jeu d’enfants : Electronique à prix abordables, l’open source. Il ne faut pas hésiter à se lancer, tester les idées même les plus folles. Cette simplicité peut en revanche masquer la complexité à transformer un prototype en produit. Nous aborderons les points auxquels il faut prêter attention, les étapes à ne pas négliger et quelques-uns des pièges à éviter.
La soirée se poursuivra avec la 4ème Fête des Makers , le FabLab de Sophia Antipolis :

> Exposition et démonstrations d’objets connectés fabriqués au FabLab par la communauté de makers de Sophia.

4.07

Mercredi 18:00

devops & cloud

Conférence en  

OnPremise est presque devenu un mot de l’ancien temps. Cloud, et son rôle associé de Devops, est maintenant l’approche by-design pour presque tous les nouveaux logiciels publiés. Les développeurs sont impatients de développer ces technologies et de savoir lesquelles sont vraiment matures.
En savoir plus
Récemment, la communauté opensource de la CNCF a été touchée par un nouveau mot à la mode: ServiceMesh. Cette conférence vous aidera à comprendre les vraies valeurs derrière ce buzz. Voyons comment un ServiceMesh comme Istio ajoute des points de contrôle à votre architecture pour améliorer l’observabilité, faciliter le routage du trafic et atténuer les défaillances.
L’objectif de la conférence est de présenter ce qu’est un ServiceMesh, quel type de valeur apporte-t-il à un système distribué.

Pour illustrer chaque valeur, des exemples seront fournis en plus du projet principal dans ce domaine: Istio.

En savoir plus
Infrastructures hyper convergentes : évaluation des technologies et outils Open Source : OpenNebula et OpenStack Virtualisation: KVM Réseau: Open vSwitch Stockage: Ceph, GlusterFS, QEMU.
En savoir plus
Voulez-vous que vos tests soient automatiquement créés? Sans modèle sémantique formel ou quoi que ce soit? Le projet STAMP crée et améliore vos tests tout au long du cycle DevOps à partir des tests unitaires existants, de la configuration des versions et des journaux d’opérations avec des outils intégrés à votre processus DevOps.
STAMP: Test de logiciel AMPlification pour les équipes DevOps https://stamp.ow2.org/ =====

Concept global

Le concept fondateur du projet STAMP est que l’application de la transformation automatique, a.k.a, d’une amplification de test, pour tester des ressources qui sont généralement écrites à la main peut grandement améliorer l’efficacité des tests. Le projet STAMP a été lancé pour développer des outils d’amplification de test qui augmentent les niveaux d’automatisation dans les tests de logiciels. STAMP se concentre sur l’amplification des tests dans le contexte de DevOps et cible la détection précoce des bogues de régression. Les outils d’amplification des tests développés par le projet STAMP visent à aider DevOps à: – détecter plus de bogues de régression sur les serveurs d’intégration continue, avant les tests fonctionnels. – détecter plus de bogues d’évolutivité, avant de passer en production et de connaître un mauvais comportement (trash, freezing) avec une charge d’utilisateurs élevée. – reproduire plus de bugs de production dans les cas de bord grâce à la journalisation sémantique.

Projet STAMP

STAMP est un projet européen (programme Horizon 2020). Le projet rassemble dix membres dont quatre partenaires académiques avec une forte expertise en tests de logiciels, un consortium open source (OW2) et cinq sociétés de logiciels en e-santé, gestion de contenu, Smart Cities et administration publique.

STAMP Outils Open Source

Les résultats du projet STAMP sont des outils open-source disponibles sur GitHub.
https://stamp.ow2.org/ Par exemple, – l’outil DSPOT génère automatiquement de nouveaux tests JUnit en modifiant ceux existants, – l’outil Descartes vérifie vos suites de tests pour voir si elles peuvent vraiment détecter d’éventuels bugs – l’outil EvoCrash crée automatiquement des caisses test de non-régression d’exception figurant dans votre journal de production.

Ces outils sont notamment intégrés dans les pipelines maven et jenkins pour intégrer facilement votre processus DevOps

STAMP Cas d’utilisation

Les cas d’utilisation fournissent de solides bases expérimentales au projet STAMP. Ils proviennent de cinq domaines d’application différents (santé électronique, gestion de contenu, villes intelligentes et administration publique). Le développement des technologies d’amplification est effectué en étroite collaboration avec les cas d’utilisation afin d’assurer la livraison de solutions pertinentes pour l’industrie.

Dans Activeeon, nous utilisons les outils STAMP pour améliorer la qualité du code open-source de nos produits https://github.com/ow2-proactive. Notamment, nous améliorons notre couverture de code et nous transformons les événements survenant dans notre plate-forme SaaS de production en nouveaux tests.

En savoir plus
Un site web en .NET Core, Serverless, sur un cluster Kubernetes et sécurisé en moins de 20 minutes, impossible ? Découvrez comment coder un site web en quelques minutes, respectant l’état de l’art et les bonnes pratiques de micro-services distribués en Serverless.

 

Le serverless est la nouvelle tendance informatique de ces dernières années. Avec Microsoft Azure, qui publie un Kubernetes managé, connu sous le nom de Azure Kubernetes Service, et grâce à des projets open-source comme OpenFaaaS ou .NET Core, il est maintenant possible de démarrer un site web résilient avec https natif en quelques minutes. Au cours de cette conférence, nous allons coder en direct un vrai site web en .NET Core, exposé sur Internet avec https nativement, et soutenu par quelques fonctions, grâce à OpenFaaS, un framework open-source au dessus de Kubernetes.

5.07

Jeudi 9:00

Tech workshops

Workshops en  

Après une première itération très réussie en 2017, un parce que vous nous avez donné de très bons retours, notre journée  d’ateliers techniques est de retour cette année. Ne perdez pas cette opportunité de travailler pendant 3h (2 tracks de 3 x 3h) sur des technologies à la mode telles que MongoDB, Git et Kubernetes, entre autres …

9:00 - 12:00

En savoir plus
Depuis sa création en 2005, Git est devenu le premier système de contrôle de version. Cet atelier vous montrera comment Git peut être appris et compris étape par étape. Il vous entraînera à vous familiariser avec les commandes Git les plus utiles et la terminologie Git.

Cet atelier vous expliquera comment Git fonctionne et vous entraînera à l’utiliser sur la ligne de commande. Vous apprendrez comment les commandes Git fonctionnent et comment les utiliser sur de nombreux petits exercices.

Cela va commencer avec un ensemble de commandes communes simples, et quelques concepts simples. Ensuite, au cours de l’atelier, il abordera des ensembles de commandes de plus en plus importants et des concepts de plus en plus avancés.

Pré-requis :

Il est préférable de venir à cet atelier avec un ordinateur portable où Git est déjà installé.

En savoir plus
MongoDB est la première base de données NoSQL et open-source sur le marché et la nouvelle version de MongoDB 4.0 qui sera lancée cet été supportera les transactions ACID multi-documents via Replica Set.

C’est un vrai changeur de jeu pour l’activité de base de données, alors rejoignez-nous pour découvrir les bases de MongoDB.

Dans cet atelier, vous découvrirez beaucoup de choses sur MongoDB:

– Modélisation JSON,

– CRUD

– Import / export

– Index

– Cadre d’agrégation

– Pilote MongoDB

– Jeu de réplicas

– Cluster Sharded

– MongoDB Atlas

– MongoDB Compass

– Change Stream

 

Pré-requis

Notions de base de sécurité la connaissance est requise.

Apporter votre ordinateur portable

13:00 - 16:00

En savoir plus
Kubernetes vous permet de déployer, exécuter et configurer vos applications.

Ce TP vous guidera à travers les concepts de base de la plateforme : à partir d’une application de démonstration, apprenez comment configurer la charge de travail, déployez la nouvelle version, acheminez le trafic et étudiez les problèmes.

Le but du lab est d’avoir des mains sur les kubernetes, de manipuler des concepts de base tels que le module, le déploiement, la configuration, les services (étiquettes et mécanisme de sélecteur), les points de terminaison, le travail.

A partir d’une application pré-installée, nous allons guider les utilisateurs dans différents cas d’utilisation, depuis la configuration de l’application et le déploiement jusqu’à l’investigation.

Ce lab pourrait être considéré comme une séance d’apprentissage par la pratique. Les ordinateurs portables des participants seront utilisés pour se connecter à une instance de kubernetes préparée.

Les concepts de base suivants seront décrits et manipulés : Configuration du conteneur Pod de déploiement Volumes Probes Étiquettes des services ConfigMap et point de terminaison du sélecteur.

Pré-requis :

Les participants devront se connecter avec leur propre ordinateur portable et devront se connecter au wifi.

Le lab se déroulera en ligne sur un cluster kubernetes préprovisionné.

En savoir plus
Si vous connaissez Deep Neural Networks (DNN) et avez quelques compétences expérimentales mais que vous rencontrez des problèmes avec la fiabilité de DNN, cette conférence est pour vous. Il décrira les aspects mathématiques les plus significatifs de DNN.

L’apprentissage en profondeur a récemment conduit à des percées phénoménales dans une myriade de tâches pratiques d’apprentissage automatique, telles que le défi de la classification ImageNet et le jeu Go. Pourtant, de nombreux ingénieurs et chercheurs sont en quête de compréhension mathématique et théorique qui vise à percer à travers les mystères qui expliquent clairement comment cela fonctionne si bien dans la réussite empirique, notamment pour exploiter les logiciels open-source et affiner l’architecture profonde du réseau neuronal. Ce tutoriel passera en revue les travaux récents qui visent à fournir une justification mathématique pour les propriétés de classes spéciales de réseaux profonds, tels que l’optimalité globale, l’invariance et la stabilité des représentations apprises. L’avant-dernier objectif est d’être capable de comprendre la force et les inconvénients des outils open source existants.

Cette conférence est composée d’une introduction générale sur DNN et de trois parties techniques. Chaque partie comprend une discussion formelle sur un concept mathématique et quelques travaux pratiques avec Python pour se familiariser avec ce concept. Une pause de 10 minutes aura lieu entre la partie 1 et la partie 2.

1- Introduction (20 minutes) – Cet exposé introductif résume brièvement le succès récent des architectures profondes et des principaux frameworks open-source pour l’exécution de réseaux de neurones d’apprentissage en profondeur. Il utilise les résultats récents pour motiver les questions théoriques suivantes: – Comment faire face au défi que le problème d’apprentissage est non-convexe? – Quelle est l’importance de « deep » et « convolutional » dans les architectures CNN? – Quelles propriétés statistiques des intrants sont capturées / exploitées par les réseaux profonds? – Comment pouvons-nous ajouter de la robustesse à l’apprentissage du réseau?

2- Partie 1 – Optimisation Globale en Apprentissage Profond (présentation 20 minutes + travaux pratiques 30 minutes): L’un des défis dans la formation des réseaux profonds est que le problème d’optimisation associé est non-convexe et donc qu’une bonne initialisation serait essentielle . Les chercheurs ont abordé ce problème en utilisant différentes stratégies d’initialisation ad-hoc ou brute force, qui conduisent souvent à des solutions locales très différentes pour les poids de réseau. Néanmoins, ces solutions locales donnent à peu près les mêmes résultats. Cette conférence présentera une analyse mathématique qui aborde la difficulté de trouver l’optimum global dans la formation des réseaux profonds.

3- Partie 2 – Théorie de la structure des données pour l’apprentissage en profondeur (présentation 20 minutes + travaux pratiques 30 minutes): L’un des arguments avancés pour le succès des réseaux profonds est que les architectures profondes peuvent mieux capter les propriétés invariantes des objets d’entrée. Alors qu’une analyse mathématique des raisons pour lesquelles cela est le cas reste difficile à trouver, des progrès récents ont commencé à éclaircir cette question pour certaines sous-catégories de réseaux profonds. Les réseaux de diffusion sont une classe de réseaux convolutifs dont le succès repose sur la capacité de préserver des informations discriminantes tout en générant une stabilité vis-à-vis des déformations de grande dimension.

4- Partie 3 – Erreur de généralisation (présentation 20 minutes + travaux pratiques 30 minutes): Cette partie se concentrera sur la théorie basée sur la structure des données pour l’apprentissage en profondeur et discutera de deux développements récents. Nous étudions d’abord l’erreur de généralisation du réseau neuronal profond, y compris une discussion sur le fait de tromper un réseau neuronal profond. Tromper un DDN consiste à produire des images totalement méconnaissables aux yeux humains que les DNN classent comme des objets familiers. Ensuite, nous verrons comment l’apprentissage en profondeur peut éviter la malédiction de la dimensionnalité pour certaines classes de fonctions. La malédiction de la dimensionnalité signifie que le nombre de paramètres dans les réseaux de neurones peut être exponentiellement élevé dans certains cas.

16:30 - 19:30

En savoir plus
La suite Elastic est sans doute l’outils le plus tendance et le plus utilisé de nos jours pour le monitoring des logs, avec :

  • Elasticsearch qui fait le boulot principal d’analyser et chercher dans de grands volumes de données.
  • Logstash comme ETL pour extraire et enrichir.
  • Beats comme agent léger de collecte.
  • Kibana comme outil de visualisation.

Cet atelier vous donnera un aperçu des possibilités offertes par ces 4 outils, comment ils interagissent ensemble et surtout comment ils peuvent vous aider à résoudre vos problèmes !

Pré-requis :

Les pré-requis sont décrits sur cette page: https://xeraa.github.io/vagrant-elastic-stack/

Il est absolument nécessaire que les participants aient réussi à exécuter les instructions de cette page avant de pouvoir joindre le workshop.

En savoir plus
Les conférences & la journée de workshops sont suivies d’un cocktail networking.

SophiaConf 2018 commence dans

Jour(s)

:

Heure(s)

:

Minute(s)

:

Seconde(s)

SPONSORS

Partenaires

Région PACA
Communauté d'agglomération Sophia Antipolis
Polytech Nice Sophia
Université de Nice Sophia
TRAXXS
France Labs
Le Mag IT
TRAXXS
France Labs

Contact & Accès

04 89 86 69 41

2-3-4 juillet : Université Nice Sophia

Campus SophiaTech – Bâtiment Forum

Route des Chappes (rond-point « SophiaTech »)

06410 SOPHIA ANTIPOLIS

5 juillet : Université Nice Sophia

Campus des Lucioles

1645, route des Lucioles

06410 SOPHIA ANTIPOLIS

 

médias

un peu de lecture sur vos sujets préférés avec

Recevez gratuitement les newsletters thématiques du magazine.