Скачать презентацию

Координатор академических программ, Microsoft Russia

Дмитрий Сошников является координатором академических программ Майкрософт Россия и технологическим евангелистом, основная цель которого — раскрыть перед студентами и преподавателями преимущества использования в учёбе и дальнейшей работе технологий разработки компании Майкрософт и платформы .NET. Параллельно с работой в Майкрософт, Дмитрий также является доцентом кафедры Вычислительной математики и программирования Московского авиационного института, кафедры Управления разработкой ПО Высшей школы экономики и кафедрой Теоретических основ инноваций МФТИ. Кандидат физико-математических наук, доцент, автор более 60 трудов в области искусственного интеллекта и распределённого представления знаний, монографии, учебного пособия «Парадигма логического программирования» и книги «Функциональное программирование на языке F#», член Российской ассоциации искусственного интеллекта, входит в состав программных комитетов ряда конференций, таких как CSIT, DEXA, Технологии Майкрософт в теории и практике программирования и др.

Презентация: F# — использование функционального подхода для обработки больших данных

В наборе языков программирования, входящих в стандартную поставку Visual Studio, присутствует преимущественно-функциональный язык программирования F#. В последние годы сформировалась роль F# как удобного языка для манипулирования данными, как на стороне клиента, так и в облачных приложениях. В частности, F# широко применяется в финансовой сфере, для задач машинного обучения и в корпоративных системах.

В докладе даётся обзор средств обработки данных в F#, начиная от ленивых последовательностей и простейших средств визуализации, и заканчивая новыми возможностями, появившимися в F# 3.0: провайдерами типов и встроенным языком запросов LINQ. На примере демонстраций показывается работа с потоковыми данными из Twitter, с Azure Data Market и т.д. В заключение рассматриваются несколько примеров реального использования F#, приводивших к радикальному повышению производительности труда при создании систем анализа данных.