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
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.
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.
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.
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.
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.
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.
Deep Learning (теоретическая часть) /
Введение в машинное обучение и нейронные сети (Deep Learning),
обзор современных архитектур нейронных сетей, примеры применения
нейронных сетей, тренды.
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.
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.
Новая конференция в Москве
пройдет 27 апреля 2019 в Holiday Inn Lesnaya
Бизнес-кейсы в Data Science
Хотите научиться применять Data Science для своей организации?
Более 25 докладов от спикеров, которые имели реальный опыт применения в проектах — по анализу и визуализации данных, — распознаванию объектов, — скоринговым системам, — автоматизации клиентской поддержки, — чат-ботам, — классификации текстов
На конференции вы узнаете как Data Science использовать для вашего бизнеса, какие инструменты внедрять для принятия эффективных бизнес-решений. При разборе реальных кейсов крупных компаний, использующих большие данные в своих бизнес-процессах, вы сможете выделить конкурентное преимущество для своей организации.
Дмитрий Коробченко Deep Learning R&D engineer в NVIDIA, ( Москва )
Евгений Путин Аспирант НИУ ИТМО, ( Санкт-Петербург )
Дмитрий Бабаев Data Science эксперт в МТС, ( Москва )
Алексей Ермолаев Data Scientist в Esforce Holding, ( Москва )
Александр Нотченко PhD студент в Сколтехе, ( Москва )
Александр Фонарёв Chief Data Scientist, Rubbles, преподаватель ШАД Яндекс, ( Москва )
Константин Савенков CEO Intento, Inc., ( Москва )
