On s’intéresse aux avancées d’Apple pour miniaturiser un glucomètre afin de le positionner dans une Apple Watch, mais on parle aussi des GAFNAM (N parce qu’on parle de Netflix aussi), de NFT, de santé, et d’informatique.
❤️ Patreon
💬 Discord
💻 techcafe.fr
(Publicité)
Infomaniak partage les valeurs de Tech Café :
éthique, écologie et respect de la vie privée.
👉 Découvrez les offres gratuites de notre partenaire : infomaniak.com
GAFNAM
- SCO SCO SCOTUS : la section 230 résistera-t-elle au terrorisme ?
- Attaqué de partout, Google continue son régime, mais les vidéos pourraient grossir.
- Netflix va baisser ses tarifs… pas le vôtre. Le Streaming va dépasser la TV.
- BTS : Slack se fait saquer (entre autres), les Russes se font casques bleus.
- Total Roll Call : Meta sort une nouvelle fonction jamais vue.
Cryptonite
- Au plus bas, SBF s’est mis à creuser. Les NFT plongent… dans les abysses ?
- Cyberpunk as hell : des NFT pour tester des thérapies géniques à crypto city.
L’essentiel, c’est la santé
- Il est où le big data pour les tests cliniques ? Il est IMPALA…
- Label garantie humaine en santé.
- Ça va piquer : Amazon rachète One Medical.
- Bientôt des glucomètres dans les Apple Watch ? S’il y a encore des Apple Watch.
Le dur du soft
- Open bar : toujours plus de vulnérabilités dans une open source toujours plus utilisée.
- Petit retour d’expérience personnelle suite passage à la pyconFR 23 :
- Rust et packages Python (Polars plutôt que Pandas)
- Webassembly (Pyscript, moteurs 3D, jeux vidéo dans le navigateur, Docker…) : Diablo dans un navigateur
- L’information (in)dispensable et tellement vraie.
Participants
- Avec Stef (Stef500 sur Discord)
- Une émission préparée par Guillaume Poggiaspalla
- Présenté par Guillaume Vendé
Encore félicitations pour la qualité du podcast que je savoure semaine après semaine !
Je me permet juste un commentaire sur pourquoi Python est-il si populaire en big data et en AI. Certes, cette le langage est facile à lire, facile à exécuter. Il est multiplateforme et la plateforme est foisonnante de librairies extrêmement puissantes. Mais le langage lui même est très adapté à la manipulation de données mathématiques. Il n’a pas d’équivalent pour découper (slicer) des tableaux et des matrices ou pour les manipuler dans tous les sens… Ce n’est pas en c, en c# ou en java que l’on peut en une seule ligne de code extraire un sous ensemble des colonnes d’une matrice et la multiplier par une autre matrice. Cette simplicité de manipulation des structures de données omniprésentes dans le Big Data et le Machine Learning, nativement dans le langage, le rendent particulièrement adapté et apprécié dans cet environnement.