DataStart Conference 2017
Обучающая конференция по Data Science, посвященная Big Data и Machine Learning
18 ноября 2017 / Санкт-Петербург
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.
-
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.
-
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.
-
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.
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.
-
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.
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.
-
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.
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.
-
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.
Посмотреть программуМесто проведения
Конференция прошла в субботу, 18 ноября 2017 в современном, просторном конференц-зале отеля Crowne Plaza St.Petersburg Airport