DataStart Conference 2017

Обучающая конференция по Data Science, посвященная Big Data и Machine Learning

Зачем изучать Data Science?

18 ноября 2017 / Санкт-Петербург
Мероприятие завершено
ПОЛУЧИТЬ МАТЕРИАЛЫ

Мы принимаем платежи от юридических лиц онлайн через платежную систему

Бесплатный звонок по России: 8 800 707 67 04

Фотоотчет с мероприятия

В ноябре 2017 года прошла первая однодневная обучающая конференция DataStart. Спикеры из Москвы и Санкт-Петербурга провели лекции и воркшопы по Big Data и машинному обучению.

Программа мероприятия DataStart 2017 Санкт-Петербург

Мероприятие состоит из двух треков с теоретическим и практическими материалами

  • Регистрация участников
  • Открытие конференции
  • Дмитрий Бабаев (МТС)

    Путь в Data Science / Доклад про то, чем обычно занимается Data Scientist, какие инструменты использует. Обсудим что важно знать для того, чтобы работать в этой области, чем отличается начинающий Data Scientist от опытного. Каким образом целесообразно действовать, чтобы перейти в Data Science.

    #machinelearning #python #r #apachespark #smartdata #jupyter
  • Александр Фонарёв

    Рекомендательные системы в теории и на практике / В докладе будут разобраны цели и разновидности задач персональных рекомендаций, какие алгоритмы имеет смысл применять в каждом конкретном случае, какие подводные камни часто встречаются на практике, как правильно поставить эксперимент и какие основные заблуждения существуют в этой области.

    #recommender-systems #machine-learning #marketing #business #personalization
  • Евгений Путин

    Как решать и побеждать в соревнованиях по анализу данных / В докладе речь пойдет о цикле решения задач анализа данных на примере решения соревнований с платформы kaggle.com. Будет детально разобран каждый этап этого цикла: от понимания задачи, до построение и оценки моделей машинного обучения. Будет рассказано про продвинутые техники работы с данными (заполнение пропусков, нахождение выбросов и т.п.), про интересные и полезные методы выбора/экстракции/инженерии признаков, построения моделей машинного обучения и их оценки. Также будут освещены трюки, которые часто используют победители соревнований по анализу данных.

    #machinelearning #deeplearning #kaggle
  • Обед
  • Зал A

    Евгений Путин Практика

    Решение задач на Kaggle / На практике будет разобрано самое популярное по количеству участников соревнование на kaggle Otto Challenge. В ходе практики мы пройдем весь цикл решения задач по анализу данных. На примере соревнования Otto будет показано, как работать с данными и осуществлять их предобработку с использованием библиотеки pandas, как строить различные стандартные модели машинного обучения с использованием библиотеки sklearn, нейронные сети с использованием библиотеки Keras, как рисовать красивые картинки и графики с использованием matplotlib. Все эксперименты будут показаны в интерактивной python среде jupyter.

    #kaggle #sklearn #pandas #keras

    Зал B

    Алексей Ермолаев

    Основы машинного обучения / В докладе речь пойдет о методах машинного обучения, применяемых для решения прогнозируемых задач. В качестве примеров будут рассмотрены типичные бизнес-задачи, которые компании решают с помощью машинного обучения.

    #python #machinelearning #business #metrics #product-analysis
  • Зал A

    Константин Савенков

    Data Driven / Планирование стратегии развития бизнеса, основанное на анализе имеющихся данных компании: определение KPI, анализ результативности проектов, формулирование гипотез и проведение экспериментов, переход к лидирующим индикаторам и прогнозированию, автоматизация бизнес-процессов и принятия решений.

    #data-driven #бизнес-процессы #аналитика #kpi #agile

    Зал B

    Дмитрий Коробченко (NVidia)

    Deep Learning (теоретическая часть) / Введение в машинное обучение и нейронные сети (Deep Learning), обзор современных архитектур нейронных сетей, примеры применения нейронных сетей, тренды.

    #machinelearning #deeplearning #neuralnetwork #cnn #rnn #gan
  • Зал B

    Александр Нотченко

    Глубокие Генеративные Модели / На этом обзорном докладе будет рассказано об отличительных особенностях генеративных моделей от дискримитативных, какие проблемы они решают и в чем их преимущества. Также на докладе вы узнаете какое место будут занимать модели этого вида в будущем Машинного Обучения и Искусственного Интеллекта.

    #deeplearning #probability #prediction #machinelearning #generative-models

    Зал B

    Дмитрий Коробченко Практика

    Deep Learning (практическая часть) / Построение и обучение свёрточной нейронной сети для решения задачи компьютерного зрения (распознавания рукописных цифр) на TensorFlow с описанием особенностей работы Data Scientist’а.

    #deeplearning #neuralnetwork #python #cnn #tensorflow
  • Вопросы спикерам. Закрытие конференции. Подарки от спонсоров.

Спикеры конференции

Дмитрий Коробченко Deep Learning R&D engineer в NVIDIA, ( Москва )

Закончил ВМК МГУ с отличием. Работал в IBM и Samsung, где занимался исследовательскими задачами, связанными с машинным обучением (Deep Learning), компьютерным зрением и обработкой сигналов. Сейчас работает в NVIDIA, где продолжает исследования и разработку в этой области.

Евгений Путин Аспирант НИУ ИТМО, ( Санкт-Петербург )

Аспирант НИУ ИТМО и сотрудник МНЛ КТ ИТМО. Руководитель группы глубокого обучения в ООО Инсилико. Призер соревнований по анализу данных kaggle.com. Ведущий семинаров по решению задач по соревнованиям. Занимается машинным и глубоким обучениями 5 лет.

Дмитрий Бабаев Data Science эксперт в МТС, ( Москва )

Занимается развитием data science в рамках направления big data. До того работал в «Тинькофф банке», Яндексе, Digital Society Laboratory. Около пяти лет работал с технологиями экосистемы Hadoop.

Алексей Ермолаев Data Scientist в Esforce Holding, ( Москва )

Занимается Data science для решения задач бизнеса. До этого работал разработчиком и занимался анализом данных для крупных компаний и наукоемких стартапов.

Александр Нотченко PhD студент в Сколтехе, ( Москва )

Изучает применение вероятностных методов и глубокого обучения для анализа сцен в условиях неопределенности. Занимается машинным обучением и анализом данных более 8 лет.

Александр Фонарёв Chief Data Scientist, Rubbles, преподаватель ШАД Яндекс, ( Москва )

Chief Data Scientist и сооснователь компании Rubbles (SBDA Group), преподаватель машинного обучения в Школе Анализа Данных Яндекса и аспирант Сколтеха. В прошлом работал в Яндексе в отделах машинного перевода и исследований в машинном интеллекте.

Константин Савенков CEO Intento, Inc., ( Москва )

Кандидат физико-математических наук, в прошлом - директор по науке Dream Industries, операционный директор Bookmate. Основал компанию Intento, которая помогает бизнесам выбирать и интегрировать сервисы машинного интеллекта.

Скачать видеозаписи и материалы конференции

Оставьте почтовый адрес и мы вышлем ссылки на презентации спикеров и на видеозаписи с треков мероприятия.

Ссылки на материалы отправлены на указанный Email.

Что-то пошло не так!

Капча введена неверно

* Мы никогда не передаем личные данные третьим лицам.

Новая конференция в Москве

пройдет 20 октября 2018 в Азимут Смоленская

Бизнес-кейсы в Data Science

Хотите научиться применять Data Science для своей организации?

Наша конференция поможет понять, как Data Science использовать на благо вашего бизнеса, что эффективно внедрять для принятия эффективных бизнес-решений. На основе реальных примеров крупных компаний, использующих науку о данных в своих бизнес-процессах вы сможете получить ключевое конкурентное преимущество.

Посмотреть программу
DataStart 2018 Autumn Moscow

Место проведения

Конференция прошла в субботу, 18 ноября 2017 в современном, просторном конференц-зале отеля Crowne Plaza St.Petersburg Airport

Top