Data ontmoet AI

Datasystemen evolueren met AI. AI verandert niet alleen hoe we moderne dataplatformen bouwen, opvragen, zoeken en observeren, maar brengt ook volledig nieuwe soorten gegevens en workloads in beeld. Sluit je bij ons aan voor een ochtend over databases en AI, terwijl ingenieurs uit de gemeenschap praktische ervaringen delen over het samenbrengen van data en AI. Van het vinden van de juiste manier om door miljarden vectoren te zoeken, tot het conversatief maken van databases, tot het begrijpen van wat nodig is om moderne AI-platforms te observeren - deze meetup zal de systemen verkennen die de AI-revolutie op de achtergrond aandrijven. Of je nu AI-toepassingen bouwt, werkt aan data-infrastructuur, of gewoon benieuwd bent wat er gebeurt als Data AI ontmoet, deze meetup is voor jou. Mis het niet! RSVP en verzeker je plek! Agenda Wat te verwachten verwacht diepe technische gesprekken en echte engineeringverhalen rond de kruising van data-infrastructuur en AI. Verwacht praktische inzichten, diepgaande architectuurverkenningen, en lessen uit het bouwen en bedienen van deze systemen in de echte wereld. We sluiten af met netwerken tijdens de lunch, wat je de kans biedt om ideeën en ervaringen uit te wisselen met mede data-ingenieurs, database-enthousiastelingen, platformingenieurs en AI-bouwers. Breng je vragen, je ervaringen en je nieuwsgierigheid over de systemen achter AI mee. *** Sessiedetails: Praat met je Data: Voorbij SQL Sluit je bij ons aan voor een praktische kijk op het bouwen van een conversatieve interface in natuurlijke taal voor databases vanaf de grond af! We duiken in hoe we dit systeem hebben geïntegreerd met ClickHouse om complexe data-exploratie moeiteloos te maken voor verschillende engineering- en zakelijke rollen. Naast de functie-demonstraties delen we de echte problemen die deze benadering oplost, de kern technische uitdagingen waarmee we te maken kregen bij het bouwen ervan, en belangrijke technische lessen die we hebben geleerd. Of je nu nieuwsgierig bent naar AI-gedreven datab tools, LLM-integraties, of de gebruikerservaring van analytics, je zult met actiegerichte inzichten voor je eigen projecten weggaan. Sprekers: Sachidananda Maharana, SMTS @ Nutanix & Punith Subashchandra, MTS-3 @ Nutanix Sessiedetails: Vector Search: Heb je echt nog een andere Database nodig? Vector search is snel een belangrijk bouwblok geworden voor AI-toepassingen - maar betekent het altijd het introduceren van een nieuwe database? Deze lezing zal een reis maken door wat vector search is, hoe het zich heeft ontwikkeld en waar het echt waarde toevoegt. We verkennen echte gebruikscases die profiteren van vector search, de afwegingen bij het kiezen van een vector database, en hoe je kunt evalueren of een gespecialiseerde vector database - of een bestaande database zoals PostgreSQL of ClickHouse - de juiste keuze is voor jouw workload. We bekijken welke mogelijkheden bestaande databases al bieden voor vector search, waar ze goed presteren, en waar een toegewijde vector database aanzienlijke voordelen kan bieden. Sprekers: Pranav Mehta, MTS -4 @ Nutanix & Kailash Kejriwal, MTS-1 @ Nutanix Sessiedetails: Inference optimaliseren met ClickHouse-ondersteunde observability Inference-prestaties zijn workload-specifiek. Een batch-samenvattingsopdracht met hoge doorvoer houdt rekening met het totale aantal tokens dat per seconde wordt verwerkt en kan een langzame eerste token tolereren. Een coderingsassistent optimaliseert in plaats daarvan voor tijd-tot-eerste-token, omdat een ontwikkelaar de cursor in de gaten houdt. Coderingsassistenten hergebruiken ook context over verzoeken heen - dezelfde systeemprompt, hetzelfde bestand. Dat maakt prefix caching een van de grootste mogelijkheden op kosten en latentie. Agentic, multi-stap tool-aanroep workloads zien er anders uit. Eén verzoek verandert in een keten van aanroepen: plannen, een tool aanroepen, het resultaat opnieuw injecteren, herhalen. De ketenlengte is van tevoren niet bekend. Dus de metriek die ertoe doet is niet de snelheid van een enkele aanroep - het is hoe lang de hele taak duurt. Voor een workload die zo is opgebouwd, betekent het afstemmen van de prestaties het benutten van twee kijkminuten: een aggregatieve om te zien dat de taaklatentie verslechtert (Metrics), en een gedetailleerde om te vinden welke stap in welke keten verantwoordelijk is (Traces). Deze lezing is een casestudy over het optimaliseren van een dergelijke agentic workload op Nutanix Enterprise AI (NAI). We gebruikten ClickHouse als een enkele backend voor zowel metrics als traces, via Jaeger. Dat stelde ons in staat om van "er is iets mis in het totaal" naar "hier is de exacte taak en de exacte stap die laat zien waarom" te gaan, zonder van systeem te wisselen! We behandelen hoe het ouder-kindspanmodel van Jaeger aansluit op de aanroepketen van een agent. We zullen doornemen hoe we die gegevens in ClickHouse hebben gestructureerd, hoe het snel bleef, zelfs met veel verschillende tags om op te filteren en groeperen, en hoe de querycache van ClickHouse onze herhaalde debugverzoeken goedkoop hield. Ten slotte delen we wat we hebben gevonden en verholpen - en hoe we deze aanpak nu uitrollen naar andere inference workloads Sprekers: Shiv Jha, Staff Engineer @ Nutanix & Aishwarya Raimule, MTS-4 @ Nutanix Sessiedetails: Het Model krijgt de Koppen. De Database wint de Race Iedereen discussieert over welk model het beste is. Bijna niemand praat over het systeem eronder. In F1 krijgt de coureur de trofee, maar de auto bepaalt wie op het podium staat. Productie-AI werkt hetzelfde: het model is het deel dat gebruikers zien, terwijl de datalaag beslist of jouw product aanvoelt als direct of onbruikbaar. Deze lezing brengt de F1-grid in kaart naar een productie-AI-systeem: modellen als coureurs, data als brandstof, observability als telemetry. Vervolgens laat het de volledige cyclus live zien: natuurlijke taalvragen over F1-racegegevens via LibreChat, een agent die ClickHouse aanroept via MCP, en elk verzoek dat is getraceerd in Langfuse, met latentie, tokens, en kosten die op te vragen zijn als gewone SQL. Je verlaat de bijeenkomst met kennis over hoe je jouw AI-systeem kunt instrumenteren als een race-engineer, en waarom de teams die winnen diegenen zijn die de hele auto bouwen. Sprekers: Siddhant Agarwal, Senior Developer Relations Advocate - APJ @ ClickHouse Tot ziens bij de meetup!