Détection d'anomalies avec Apache Flink et Apache Kafka

Les infos pratiques

• la session a lieu en Amphi E le mercredi de 15h00 à 15h55
• La session est prévu avec un niveau Standard
• La session aura pour thème : Data

Description

Dans cette session, nous allons explorer l'utilisation d'Apache Flink et Apache Kafka pour le traitement de flux de données afin de détecter des anomalies. Nous nous concentrerons spécifiquement sur la fonctionnalité de Pattern Recognition d'Apache Flink, qui permet l'identification de schémas complexes dans des flux de données en temps réel. Tout d'abord, aborderons les avantages de l'intégration d'Apache Kafka comme couche de stockage pour le traitement de flux de données avec Apache Flink. Ensuite, nous plongerons dans les détails de la fonctionnalité de Pattern Recognition d'Apache Flink, un outil puissant pour la détection d'anomalies. Cette fonctionnalité permet de définir des séquences d'événements attendus et de déclencher des alertes en cas de déviations ou d'occurrences particulières. Nous pouvons par exemple définir des schémas d'événements et identifier des transactions frauduleuses en temps réel ou des anomalies dans des flux de données de capteurs IoT. Nous illustrerons ces concepts à l'aide d'exemples concrets et de démonstrations pratiques. Enfin, nous discuterons des bonnes pratiques et des défis liés à la mise en œuvre de la détection d'anomalies en temps réel avec Apache Flink et Apache Kafka.

Orateur·ices

Ludovic Boutros

Développeur passionné depuis plus de 20 ans principalement sur des sujets autour des données.