Con dos interesantes charlas, se desarrolló el tercer Meetup de Ciencia de Datos. La primera a cargo de Manuel Quiros, y luego Mauricio Ryan, Emiliano Candia y Wenceslao Villegas.
Manuel Quiroz trabaja en Spectrum Effect, un startup de telecomunicaciones y participa en el desarrollo de un producto que detecta, caracteriza y localiza interferencias en el espectro. A partir de métricas de funcionamiento que levanta cada nodo de la red (lo que significa un volumen masivo de datos), realiza detección de anomalías para identificar nodos con interferencias.
Aprendimos algunos pormenores del funcionamiento de la red de telefonía celular, cómo se aprovecha el espectro de radiofrecuencias para brindar servicio a los equipos móviles, y de las cosas que pueden salir mal como congestiones e interferencias (lo que hace que una llamada se corte, por ejemplo).
El público quedó muy interesado y reclamó una ampliación de esta charla.
La inició con la charla de Mauricio Ryan, gran entusiasta de Docker, quien contó cómo funciona la herramienta que sirve para "contenedorizar" aplicaciones, neologismo para lograr servicios que empaquetan sistema operativo, librerías/dependencias y aplicación en una imagen (pensemos en un disco o memoria booteable). La imagen puede ser instanciada/corrida, lo que da origen a los contenedores, lo que a su vez da lugar a ecosistemas de servicios (red contenedores de distintas imágenes) y/o servicios replicados (varios contenedores de la misma imagen, con el objetivo de escalar un servicio).
Emiliano Candia nos iba a hablar de Docker-NVIDIA, una adaptación de Docker que expone el GPU de las placas de video de forma directa a los contenedores, lo que simplifica el empaquetamiento de modelos de machine learning basados en redes neuronales. Sin embargo, como estábamos cortos de tiempo dispuso dar un pantallazo y profundizar en la próxima reunión.
Wenceslao Villegas, contó cómo desarrollaron de principio a fin junto a Emiliano una aplicación para clasificar imágenes de perros en distintas razas. Un trabajo bastante extenso en el que usaron Google Colab para entrenar una red neuronal hecha en Keras y —Docker de por medio— Amazon Web Services para poner en producción una API hecha en Flask para consultar el modelo.