Kyiv Speakers' Corner: HyperLogLog

Запрошуємо в київський офіс Ciklum відвідати Speakers’ Corner на тему “HyperLogLog: the analysis of a near-optimal cardinality estimation algorithm”. Ця подія відбудеться в середу, 4 квітня, о 19:00 у київському офісі Сiklum Gulliver - Спортивна площа 1, Вежа А, вхід з бул. Лесі Українки, 10 поверх, Ciklum Lounge area. При собі обов'язково мати посвідчення особи! Мова доповіді - російська. Будь ласка, зареєструйтесь за лінком, кількість місць обмежена - https://goo.gl/forms/jZ4PX294pNMUVIIj2 HyperLogLog використовується для оцінки кількості окремих елементів (потужність множини) у великих масивах даних.Застосовуючи допоміжну пам'ять в m одиниць (так звані, короткі байти), HyperLogLog виконує одноразову ітерацію даних і видає оцінку потужності, яка зазвичай становить 1,04 / sqrt (m). Це покращує попередній алгоритм- визначник LogLog, частка використання пам’яті яким становить 64% від об’єму. Про доповідача: Євген, Big Data Engineer в команді Tubular Labs, раніше працював як Senior Programmer у таких проектах як HotelCard і Zakaz.ua. Він цікавиться алгоритмами, конкурентним програмуванням і буде радий ознайомити вас з цією темою - https://goo.gl/m3BCwG _________________________________________ On April 4th we invite you to attend Kyiv Speakers' Corner on topic: "HyperLogLog: the analysis of a near-optimal cardinality estimation algorithm" by Ievhen Kostieiev, Senior Python Engineer, Tubular Labs Inc. Team in Ciklum. Location: Ciklum Gulliver office, Sportyvna square 1, 10th floor, Ciklum Lounge. This event will be conducted in Russian. Registration: https://goo.gl/forms/jZ4PX294pNMUVIIj2 About the topic: HyperLogLog is dedicated to estimating the number of distinct elements (the cardinality) of very large data ensembles. Using an auxiliary memory of m units (typically, "short bytes''), HyperLogLog performs a single pass over the data and produces an estimate of the cardinality such that the relative accuracy (the standard error) is typically about 1.04/sqrt(m). This improves on the best previously known cardinality estimator, LogLog, whose accuracy can be matched by consuming only 64% of the original memory. Bio: Eugen is a Big Data Engineer at Tubular Labs. Prior to his current role he worked as a Senior Programmer on such projects as Hotelcard and Zakaz.ua. He enjoys algorithms, competitive programming and will be happy to guide you through the paper :) Link to the paper - https://goo.gl/m3BCwG