DATA SCIENCE UA

CONFERENCE

КИЇВ
16 БЕРЕЗНЯ
2019
×
  • THE KNOWLEDGE IS EVERYTHING

    Data Science UA об’єднує спеціалістів з машинного навчання,
    аналітики, науки про дані, штучного інтелекту, щоб обговорити,
    як data science перетворює світ сьогодні і що буде завтра.
    16 березня в Києві вшосте відбудеться Data Science UA Conference.

    400
    Учасників
    22
    Спікерa
    3
    Потоки
    10
    Годин нетворкінгу

    Потоки


    Технічний

    Бізнес

    Воркшопи

    Панельна дискусія

    Спікери

    ПАНЕЛЬНА ДИСКУСІЯ

    Opportunities and Challenges for Artificial Intelligence: from theory to real life

    Ведучі

    Daniel Che

    Comandante

    Che – Guerrilla Marketing

    Jane klepa

    Executive director

    1991 Open Data Incubator

    Програма конфереції

    Технічий потік
    Бізнес потік
    Воркшопи
    9:00 – 10:00
    Реєстрація
    10:00 – 10:10
    Відкриття конференції
    10:10 – 10:40
    Keynote
    PDF
    Андрій Бурлуцький
    Strategic marketing manager at SMART business
    Keynote: Intelligent Economies: AI’s Transformation of Industries and Society. The promise of AI holistic transformation.
    10:40 - 10:45
    Відкриття потоку
    Відкриття потоку
    10:45 – 11:30
    PDF
    Prof. Marcel Worring
    Director of the Informatics Institute and Full Professor Amsterdam Business School, University of Amsterdam
    Тема: (Hyper) graph convolutional networks for analyzing social multimedia data
    Дмитро Зікрач
    Data Scientist, SoftServe

    Татяна Гладких

    Research Data Scientist, SoftServe
    Тема: Predictive Analytics in Human Resources
    11:30 – 11:50
    Кава брейк
    11:50 – 12:35
    PDF Олександр Гончар
    AI Solution architect, MAWI
    Theme: GAN vs ODE: the end of mathematical modeling?
    PDF Андрій Босий
    Founder and CEO of MindCraft.ai
    Тема: Data Science + Business - what went wrong
    12:45 – 13:30
    PDF Володимир Будзан
    Research Engineer, SoftServe R&D
    Тема: GANs for geophysics applications
    PDF Антон Вокруг
    CEO, DataTrading — AI for smart trading decisions
    Тема: Taming Neural Networks or In Search of the Soul of Artificial Intelligence
    11:40 – 13:30
    Галина Олійник
    Natural language processing engineer, 1touch.io
    Workshop: Named entity recognition in the wild: intro to development of tensorflow-based system as a component of data lifecycle management solution
    13:30 – 14:30
    Ланч
    14:30 – 15:15
    Сергій Смертін
    Monitoring Stream Lead, Adyen
    Тема: Analyzing the analytics: auditing models from creation to production
    PDF Дмитро Солопов
    Business Development Manager Data, AI and Advanced Analytics, SMART business

    Володимир Корнієнко

    Head of the loyalty program of the Ukrainian retail chain "Chervonyi Market"
    Тема: AI infusion into Marketing: A Personalized or Personified Marketing Campaign. How to create trouble-free offers for the customer? Story of increasing the conversion in retail network Chervoniy Market
    15:25 – 16:10
    PDF Ксенія Демська
    Research Engineer, Ciklum
    Тема: Adversarial attacks on deep neural networks
    PDF Руслан Гутніков
    Executive Director, OMD MD Intelligence

    Яна Фаренюк

    Head of Data Science Analytics, OMD MD Intelligence
    Тема: Brand Metrics®: How Data Science helps boost the ROI of the bank's advertising campaign
    16:10 – 16:30
    Кава брейк
    14:30 – 16:20
    Олександр Савсуненко
    Head of AI Lab, Skylum Software, PhD
    WorkShop: Evolutionary algorithms – applications for AutoML and reinforcement learning.
    16:30 – 17:15

    PDF Назар Шматко

    VP of engineering, NeoCortext
    Тема: Face transfer on video using conditional GANs
    PDF Надія Романенко
    Data journalist, Texty.org.ua
    Тема: How Texty.org.ua applied transfer learning to detect manipulative news
    17:30 – 19:00
    Панельна дискусія
    Тема: Opportunities and challenges for Artificial Intelligence: from Theory to Real life
    Модератор: Вероніка Тамайо Флорес — Head of Consulting, Data Science UA
    Олег Богуславський — General Manager, Ring Ukraine
    Дмитро Подолєв — Founder, iHUB
    Богдан Павлишенко — Data Scientist (Ph.D.), SoftServe
    Ростислав Оленчин — Business Mentor at FasterCapital, CFO JetSoftPro

    Квитки

    КУПУЙ 5 квитків — ОТРИМУЙ ЗНИЖКУ 10%
    КУПУЙ 10 квитків — ОТРИМУЙ ЗНИЖКУ 15%
    25% знижка для студентів
    1450
    15 Січня — 31 Січня
    2150
    1 Лютого — 28 Лютого
    2750
    1 Березня — 15 Березня
    3000
    16 Березня

    Хочете стати партнером Data Science Community?

    Конференція Data Science UA привертає увагу як талановитих розробників, так і багатьох провідних компаній, що працюють з даними.

    Партнери

    Генеральний партнер

    Партнер бізнес потоку

    Партнер технічного потоку

    Золотий партнер

    Срібні партнери

    Бронзові партнери

    Генеральний HR партнер

    Солодкий партнер

    Смачний партнер

    Офіс партнер

    Книжковий партнер

    Благодійний партнер

    Водний партнер

    Медіа акредитація

    ПОДАТИ ЗАЯВКУ >

    Стати волонтером

    НAБІР ЗАВЕРШЕНО >
    Місце проведення

    Oasis concert hall Kyiv

    Київ, вул. Липківського, 1А
    РК «Ультрамарин», 3-й поверх


    Контактна інформація

    +38 099 055 23 92
    info@data-science.com.ua
    #datascienceua


    ×

    Андрій Бурлуцький

    Strategic marketing manager, SMART business

    Keynote Мова: російська

    Intelligent Economies: AI’s Transformation of Industries and Society. The promise of AI holistic transformation.

    Допомагає компаніям будувати поважні і довгострокові відносини з клієнтами, розкручувати проекти і завойовувати розум та серця. Фанат нашого майбутнього. Мета - поширювати довіру до технологій та історій. 14 років в ІТ бізнесі і 10 з них в корпорації Майкрософт. Будував маркетинг, запускав продажі, продукти і переконував українців, що технології - це корисно і дивовижно. Експерт з цифрової трансформації і спікер-консультант провідних конференцій: Dynamics Day, SMART talks, iForum, Форум Маркетинг Директорів, Idea Days в КМБШ, DeForum Microsoft та інших.

    Інтелектуальна економіка: трансформація бізнесу і суспільства із AI. Як AI обіцяє цілісне перетворення і переосмислення світу? Технологія AI змінює спосіб ведення бізнесу в світі. І продовжить сильно впливати на те, як бізнес і уряду взаємодіють як зі споживачами, так і з громадянами. У досягненнях від генетичної діагностики до промислової автоматизації ці зміни матимуть значні економічні, соціальні і громадянські наслідки. Яку нову інтелектуальну економіку ми будуємо?

    Скачати презентацію

    Prof. Marcel Worring

    Director of the Informatics Institute and Full Professor Amsterdam Business School, University of Amsterdam

    Технічний потік Мова: англійська

    (Hyper) graph convolutional networks for analyzing social multimedia data.

    Marcel Worring — професор у області Data Science та бізнес-аналітики в Амстердамській бізнес-школі Амстердамського університету (UvA). Він був асоційованим директором Amsterdam Data Science — організації, що об’єднує компанії та дослідників для просування науки про дані в Амстердамі.

    Марсель також є одним із засновників нещодавно створеного Центру інновацій для штучного інтелекту, в якому компанії / урядові організації та інститути знань спільно працюють над програмою досліджень в лабораторіях. У мультимедійних колекціях релевантна інформація відображається не тільки в самих позиціях, але й у співвідношенні між елементами. Графічні згорткові мережі — це сучасні методики deep learning, що використовують зв'язки між елементами, тоді як гіперграфи поширюють такі ідеї на відносини між групами даних. У цій доповіді буде представлено роботу цих методів та їх використання в мультимедійному контексті. Marcel продемонструє приклади застосування цих методів на даних з платформи для обміну фотографіями Flickr, а також з інтернет-форуму Stormfront.

    Скачати презентацію

    Назар Шматко

    VP of engineering, NeoCortext

    Технічний потік Мова: українська

    Face transfer on video using conditional GANs

    Назар, як фахівець в області машинного навчання, має досвід роботи в сферах комп'ютерного зору, обробки природної мови та прикладні знання в healthcare-сфері. Зараз активно працює з генеративними моделями для проекту із переносу рис обличчя.

    В доповiдi зробимо огляд існуючих методів по переносу рис обличчя на фото та відео; детально розглянемо наш власний, що базується на умовних генеративних змагальних мережах (conditional generative adversarial networks). Поговоримо про проблеми з якими ми зіштовхнулися, зокрема, пов'язані з досягненням часової консистентності фреймів, та шляхи їх подолання.

    Скачати презентацію

    Антон Вокруг

    CEO, DataTrading — AI for smart trading decisions

    Бізнес потік Мова: російська

    Taming Neural Networks or In Search of the Soul of Artificial Intelligence

    Має понад 10 років досвіду роботи у сфері ІТ-підприємництва. Реалізував і успішно продав декілька бізнесів. Має експертизу в Blockchain та ICO.

    Реальний досвід розробки комерційних продуктів на основі алгоритмів штучного інтелекту. Очікування і реальність. Курйози, страхи і радості від досягнутих результатів.

    Скачати презентацію

    Андрій Босий

    Founder and CEO of MindCraft.ai

    Бізнес потік Мова: українська

    Data Science + Business - what went wrong

    Андрій має 25-річний досвід розробки програмного забезпечення. у 1986 році побудував свою першу штучну нейронну мережу, працював над різними ІТ-проектами, пов’язаними з великими даними та аналітикою даних, з 2016 року перейшов на проекти з Data Science і створив компанію MindCraft, що проектує системи прийняття рішень на основі даних.

    Скачати презентацію

    Руслан Гутніков

    Executive Director, OMD MD Intelligence

    Бізнес потік Мова: російська

    Brand Metrics®: How Data Science helps boost the ROI of the bank's advertising campaign

    Амбасадор впровадження data-обґрунтованих рішень в сфері маркетингу. Має 8 років досвіду роботи в найбільших рекламних холдингах країни, що дає експертизу в галузі медіа та комунікаційного планування, глибоке розуміння можливостей ринку і потреб бізнесу. Сьогодні відповідає за розвиток аналітичного підрозділу OMD MD Intelligence. Головний фокус команди – впровадження data science-технологій для оптимізації маркетингових інвестицій, надання інтегрованої маркетинг-аналітики, стратегічний супровід клієнтів.

    Для банку дзвінки в Call Center, онлайн заявки на сайті та звернення у відділеннях є основними каналами продажу банківських продуктів, а основною метою будь-якої рекламної кампанії є саме привертання уваги до пропозиції банку та збільшення таких звернень. За допомогою власного підходу Brand Metrics® ми чітко виокремлюємо фактори впливу на відгук потенційних клієнтів, визначаємо, які саме канали комунікації використовувати для збільшення вхідних звернень різного типу. У виступі ми поговоримо про одну складову цього проекту – кейс прогнозування та управління дзвінками в Call Center та як вже за перші 2 місяці підвищити ефективність рекламної кампанії на 8%. Ми розглянемо ключові етапи впровадження нашого підходу, а саме процесу машинного навчання та зупинимося на важливих технічних аспектах реалізації прогнозування.

    Скачати презентацію

    Яна Фаренюк

    Head of Data Science Analytics, OMD MD Intelligence

    Бізнес потік Мова: російська

    Brand Metrics®: How Data Science helps boost the ROI of the bank's advertising campaign

    Провідний фахівець з розробки та впровадження проектів із математичного моделювання та машинного навчання в сфері медіа. За останні 3 роки встигла реалізувати більше 50 оптимізаційних проектів для клієнтів фінансової категорії, телекому, фармацевтичної галузі, електронної комерції, онлайн та офлайн рітейлу. Магістр спеціальності «Економічна кібернетика», КНУ ім. Т. Шевченка. Сьогодні відповідає за супровід клієнтів в рамках підходу Brand Metrics®, власної розробки команди, заснованого на технологіях машинного навчання і направленій на оптимізацію маркетингових кампаній клієнтів.

    Для банку дзвінки в Call Center, онлайн заявки на сайті та звернення у відділеннях є основними каналами продажу банківських продуктів, а основною метою будь-якої рекламної кампанії є саме привертання уваги до пропозиції банку та збільшення таких звернень. За допомогою власного підходу Brand Metrics® ми чітко виокремлюємо фактори впливу на відгук потенційних клієнтів, визначаємо, які саме канали комунікації використовувати для збільшення вхідних звернень різного типу. У виступі ми поговоримо про одну складову цього проекту – кейс прогнозування та управління дзвінками в Call Center та як вже за перші 2 місяці підвищити ефективність рекламної кампанії на 8%. Ми розглянемо ключові етапи впровадження нашого підходу, а саме процесу машинного навчання та зупинимося на важливих технічних аспектах реалізації прогнозування.

    Скачати презентацію

    Тетяна Гладких

    Research Data Scientist, SoftServe
    PhD in Technical Science

    Бізнес потік Мова: російська

    Predictive Analytics in Human Resources

    Тетяна — Senior Data Scientist. Сфера її наукових інтересів — інтелектуальний аналіз даних, штучний інтелект, математична статистика, комп'ютерний зір, теорія графів, теорія ігор та обчислювальна математика. Тетяна має 18-річний академічний досвід і є автором більш ніж 35 наукових публікацій в галузі моделювання електронних схем та проблем штучного інтелекту. Крім того, Тетяна була науковим радником у 26 наукових проектах та публікаціях у сфері комп'ютерного зору, мультикритеріальної оптимізації та економічного планування і прогнозування.

    Основними завданнями в Human Resource Analytics є дослідження пов'язані з працівниками організації. Найважливіші проблеми, з якими стикаються менеджери, пов'язані з плинністю кадрів. Показник турноверу завжди був важливим для будь-якої організації, особливо у випадку його постійного зростання - чим більше організація зростає, тим більше він стає критичним. Ми представляємо наше рішення в контексті HR-аналітики, спрямованої на сповіщення безпосередніх менеджерів про ризики звільнення їхніх співробітників. Наше рішення використовує підходи машинного навчання та допомагає менеджерам активно реагувати на небажані звільнення працівників.

    Дмитро Зікрач

    Data Scientist, SoftServe
    PhD in Mathematics

    Бізнес потік Мова: російська

    Predictive Analytics in Human Resources

    Дмитро успішно поєднує знання з математики і практичні підходи в області Data Science. Має два магістерських ступені (з математики та фінансів) та Ph.D. У Дмитра понад 50 наукових публікацій. Його науковий інтерес включає математичний та комплексний аналіз, теорію ймовірностей, машинне навчання, прогнозну аналітику, комп'ютерний зір та аналітику часових рядів. Дмитро має великий досвід і дослідження в галузі аналізу даних, прогнозної аналітики, NLP, аналізу часових рядів, систем штучного інтелекту та рекомендаційних систем. Крім того, він часто бере участь у різних змаганнях і хакатонах.

    Основними завданнями в Human Resource Analytics є дослідження пов'язані з працівниками організації. Найважливіші проблеми, з якими стикаються менеджери, пов'язані з плинністю кадрів. Показник турноверу завжди був важливим для будь-якої організації, особливо у випадку його постійного зростання - чим більше організація зростає, тим більше він стає критичним. Ми представляємо наше рішення в контексті HR-аналітики, спрямованої на сповіщення безпосередніх менеджерів про ризики звільнення їхніх співробітників. Наше рішення використовує підходи машинного навчання та допомагає менеджерам активно реагувати на небажані звільнення працівників.

    Ксенія Демська

    Research Engineer, Ciklum

    Технічний потік Мова: українська

    Adversarial attacks on deep neural networks

    Ксенія є випускницею фізико-технічного інституту KПI ім. Ігоря Сікорського за спеціальністю прикладна фізика. Зараз вона працює інженером-дослідником в компанії "Сіклум" в галузі глибинного навчання в застосуванні до задач машинного зору, таких як класифікація зображень, виявлення об'єктів та сегментація. Її науковими інтересами є теоретичні аспекти глибинного навчання та питання інтерпретованості згорткових нейронних мереж.

    Останні досягнення в області глибинного навчання показують наявність добре продуманих вхідних зразків, що називаються змагальними прикладами (adversarial examples), які можуть обдурити сучасну мережу і призвести до її помилки. Ми розглянемо наступні питання: 1) що таке змагальні приклади 2) як здійснювати змагальні атаки та захищатися від них 3) які є поточні проблеми в цій галузі досліджень 4) чи повинні ми остерігатися змагальних атак

    Скачати презентацію

    Володимир Будзан

    Research Engineer, SoftServe R&D

    Технічний потік Мова: українська

    GANs for geophysics applications

    Володимир працює Research інженером в R&D відділі компанії SoftServe. Він поєднує роботу на комерційних проектах з науково-дослідної діяльністю у напрямку глибинного навчання та комп’ютерного зору. Є співавтором наукових публікацій представлених на конференціях CVPR 2018 та WiML 2018. В даний час досліджує застосування генеративних змагальних мереж для покращення сейсмічних зображень.

    Під час аналізу земельних надр експерти витрачають декілька років на збір та інтерпретацію сейсмічних даних. Застосувавши останні досягнення глибинного навчання та комп’ютерного зору, цю тривалість можна зменшити до кількох місяців. Під час цієї доповіді ви дізнаєтесь про природу сейсмічних даних, про проблеми, що виникають при їх інтерпретації, та можливі способи вирішення цих проблем за допомогою GAN-ів.

    Скачати презентацію

    Олександр Гончар

    AI Solution architect, MAWI

    Технічний потік Мова: українська

    GAN vs ODE: the end of mathematical modeling?

    Олександр – фахівець з машинного навчання, який має досвід роботи з комп’ютерним зором та аналізом часових рядів. Працював з українськими (MAWI, ARVI), російськими (Mlvch), американськими (Inma AI) та італійськими (HPA Srl) компаніями. Він зацікавлений в застосуванні наукових ідей до виробництва та створення цінності з останніх теоретичних розробок в AI. У даний час працює в MAWI (американська компанія з науково-дослідним відділом в Україні) та займається аналізом біомедичного сигналу, зокрема ЕКГ, і застосовує машинне навчання для медичної діагностики. Олександр викладає deep learning у Веронському університеті та веде популярний блог на Medium.

    Протягом сотень років вчені розробляли наукові теорії і складні математичні моделі для пояснення паттернів та залежностей у даних і процесах навколо нас. Сьогодні замість такого моделювання даних "руками" ми цілком покладаємось на глибокі нейронні мережі і, насправді, вони нас не підводять. Тоді виникає логічне питання: чи потрібні людські експертні знання для опису світу математично, что просто нехай ШІ зробить всю роботу за нас? У цій доповіді ми порівняємо генеративні нейронні мережі (GANи) та математичні моделі як диференційні рівняння для аналізу ЕКГ: класичної області, яка вирішується "чистим" математичним моделюванням вже десятки років. Ми проаналізуємо емпірично те, як нейронні мережі бачать кардіограму та як її бачать експерти математики і лікарі. Ми спробуємо зрозуміти, як близько ми до того, щоб просто передати всю роботу з аналізу ЕКГ та й інших даних штучному інтелекту.

    Скачати презентацію

    Надія Романенко

    Data journalist, Texty.org.ua

    Мова: українська

    How Texty.org.ua applied transfer learning to detect manipulative news

    Нещодавно Тексти.org.ua випустили проект “У нас погані новини”. Для проекту ми натренували DL-класифікатор текстів. Його задача - шукати маніпулятивний контент серед текстів новин, так, щоб можна було скласти рейтинг токсичних сайтів. Я розкажу про технічні деталі проекту: як ми вибирали архітектуру мережі, які виклики зустріли, які рішення знайшли. Цей приклад розказує не лише про класифікацію новин, але і про те, що глибоке навчання доступне маленьким організаціям.

    Скачати презентацію

    Володимир Корнієнко

    Head of the loyalty program of the Ukrainian retail chain "Chervonyi Market"

    Бізнес потік Мова: українська

    AI infusion into Marketing: A Personalized or Personified Marketing Campaign. How to create trouble-free offers for the customer? Story of increasing the conversion in retail network Chervoniy Market.

    5 років досвіду в роздрібній торгівлі, із яких 3 - розвиток програми лояльності та маркетинг. Захоплюється технологіями та психологією поведінки людей. Впевнений, впровадження інновацій у найчисельнішому сегменті економ - шлях до розвитку, як бізнесу так і споживачів. Створив ефективну систему персоналізованої взаємодії з клієнтами, що несе користь споживачам та збільшує прибутки бізнесу.

    У минулому, очікування споживачів були зосереджені на трьох змінних: вартість, вибір і зручність. Зараз клієнти хочуть отримати персоналізований підхід в онлайн / офлайн обслуговуванні і комунікаціях. Повернення втраченого клієнта, продаж конкретного SKU, збільшення частоти відвідування магазину, підвищення середнього чека за допомогою персоналізації. Основний показник ефективності - конверсія. Персоніфікація дає її збільшення на 15%. Використання штучного інтелекту для сегментації і персоніфікації вирішує відразу серію завдань: Автоматично робиться RFM аналіз; Приймається рішення про найефективніший канал комунікації на основі даних, а не власного досвіду; Тригерна робота з клієнтською базою будь-якого масштабу в режимі реального часу.

    Скачати презентацію

    Дмитро Солопов

    Business Development Manager Data, AI and Advanced Analytics, SMART business

    Бізнес потік Мова: російська

    AI infusion into Marketing: A Personalized or Personified Marketing Campaign. How to create trouble-free offers for the customer? Story of increasing the conversion in retail network Chervoniy Market.

    Основна місія - обслуговування клієнтів SMART business, використовуючи інноваційні аналітичні та когнітивні послуги для підвищення ефективності. Понад 7 років досвіду в сфері технологій таі стратегічного розвитку, Microsoft. Більше 4 років роботи сертифікаційним тренером з досвідом розробки призначених для користувача курсів для клієнтів, офіційних курсів Microsoft. Профільне розвиток філій в країнах ЄС, Incom. Спікер конференцій: Predictive Analytics World (DE), Dynamics Day, DeForum, SMART talks, Idea Days у КМБШ та інших.

    У минулому, очікування споживачів були зосереджені на трьох змінних: вартість, вибір і зручність. Зараз клієнти хочуть отримати персоналізований підхід в онлайн / офлайн обслуговуванні і комунікаціях. Повернення втраченого клієнта, продаж конкретного SKU, збільшення частоти відвідування магазину, підвищення середнього чека за допомогою персоналізації. Основний показник ефективності - конверсія. Персоніфікація дає її збільшення на 15%. Використання штучного інтелекту для сегментації і персоніфікації вирішує відразу серію завдань: Автоматично робиться RFM аналіз; Приймається рішення про найефективніший канал комунікації на основі даних, а не власного досвіду; Тригерна робота з клієнтською базою будь-якого масштабу в режимі реального часу.

    Скачати презентацію

    Сергій Смертін

    Monitoring Stream Lead, Adyen

    Технічний потік Мова: українська

    Analyzing the analytics: auditing models from creation to production

    Сергій Смертін — спеціаліст по обробці даних, кібер-безпеці та системній інтеграції. Протягом своєї кар'єри працював над різними проектами, починаючи від ETL систем для електронної комерції до великомасштабних платформ досудового аналізу у області кібер-безпеки. У даний час Сергій працює на провайдера платежів Adyen, де він очолює команду моніторингу, що займається виявленням аномалій в реальному часі та системами підтримки прийняття рішень. До того він збудував data science платформу на базі Apache Spark та JupyterHub.

    Data science у фінансовій сфері часто пов’язана з різними джерелами даних, більшість з яких є комерційно чутливими. З метою дотримання вимог, у деяких випадках може виникнути потреба відповісти на такі запитання: звідки надходять дані певної моделі машинного навчання або оптимізації продуктивності, відстеження лінії передачі даних. Як відомо, рішення Big Data можуть проходити через різні етапи ETL, а також інтерактивне дослідження даних за допомогою таких інструментів, як Python, R і SQL. У цій презентації ми зосередимося на відстеженні даних для інтерактивних інструментів дослідження даних. Буде показано набір методів, що демонструють, як перевіряти шлях даних з коду, введеного у блокнот, до рівнів планування виконання, DataFrames, RDDs та формати файлів Hadoop назад до візуалізацій, що відображаються аналітику даних.

    Галина Олійник

    Natural language processing engineer, 1touch.io

    WORKSHOP Мова: російська

    Named entity recognition in the wild: intro to development of tensorflow-based system as a component of data lifecycle management solution

    Галина - фахівець з обробки природньої мови в компанії 1touch.io, що є передовою платформою для менджменту клієнтських даних. Галина має довгостроковий досвід розробки цілісних продуктів з обробки природньої мови, що головним чином сфокусовані на виконанні багатомовного аналізу для проектів, котрі мають великий безперервний потік даних; дані рішення допомагають розширити, резюмувати та виділити окрмі одиниці/властивості текстової інформації. Її поле наукових/розробницьких інтересів також включає обробку баз даних, виконання аналізу великих даних й реалізацію існуючих алгоритмів обробки природньої мови, що описані в наукових статтях. Сьогодні Галина відповідальна за розробку та підтримку спецфічного для продукту модулю обробки природньої мови, що складається як з класичних алгоритмів для вирішення даних задач, так і з рішень глибокого навчання.

    Воркшоп складається з двох частин: вступна доповідь, присвячена розробці моделі розпізнавання іменованих об'єктів, що включає рекурентну нейронну сітку та шар CRF, і самого воркшопу, що описує розробку цілісної моделі розпізнавання іменованих об'єктів за допомогою нейронної сітки. Презентаційна частина складається з вступу до специфікацій тренувальних даних для платформи, що спеціалізується на менджменті клієнтських даних, особливостях створення ознак та векторів слів і їх використання/комбінацій, специфічних для даного фреймворку особливостей архітектури моделі та можливостей Google Cloud ML Engine для запуску рішення на GPU/TPU. Частина воркшопу може бути умовно поділена на 5 основних частин: 1. опис основних типів даних tensorflow й ініціалізація placeholder'ів для майбутньої моделі, створення енкодерів та препроцесорів даних; 2. створення сесії tensorflow, розповідь про граф та його властивості; 3. створення базової архітектури нейронної мережі, пояснення значень параметрів та типів cell'ів; 4. запуск сесії за допомогою раніше створеного feed dict протягом декількох ітерацій, отримання й інтерпретація результатів; 5. вирахування метрик точності й охоплення

    https://gitlab.com/strltsva/ds-ua-workshop/tree/workshop Необхідне ПО - віртуальне оточення virtualenv/pyenv, python не нижче 3.5, pip install -r requirements.txt (в репозиторії Gitlab)

    Олександр Савсуненко

    Head of AI Lab, Skylum Software, PhD

    Workshop Мова: Російська

    Evolutionary algorithms – applications for AutoML and reinforcement learning.

    Олександр має досвід створення AI / ML алгоритмів для бізнес-додатків. Останні кейси включають аналіз і вдосконалення зображень для редакторів фотографій (Luminar), GAN-based super-resolution і HDR (Let's Enhance), а також пайплайни процесингу даних ДНК і прогностичних моделей (Titanovo).

    Під час цього воркшопу ми обговоримо, як можна використовувати еволюційні стратегії для поліпшення пошуку гіперпараметрів в класичних ML алгоритмах. Ми будемо реалізовувати деякі з алгоритмів з нуля, щоб пограти в різні ігри Atari або вижити в імітованій фізичній пісочниці.

    https://github.com/crazyleg/DSU_workshop_evolution
    Необхідні модулі - pytorch, sklearn, deap, gym, tpot

    Вероніка Тамайо Флорес

    Head of Consulting, Data Science UA

    Модератор Панельної дискусії

    Працюючи в бізнесі, я стикалась з задачами, які було важко вирішити звичними методами або ж ці методи не давали бажаного рівня. Цікавість до технологій та пошук відповідей привели мене до data science. Я навчалась в IE Business School за напрямком Business Analytics & Big Data. Поєднавши ці знання з досвідом в бізнесі, я допомагаю компаніям отримати користь від даних, які вони збирають та приймати виважені рішення на основі зібраної інформації.

    Олег Богуславський

    General Manager, Ring Ukraine

    Панельна дискусія Мова: російська

    Закінчив факультет прикладної математики та факультет менеджменту (друга вища освіта) НТУУ «КПІ» у 2003-2004 рр. Працює понад 16 років у галузі розробки ПО для вбудованих SoC та MPSoC систем компаній Motorola / Freescale, Mindspeed, AMD, LGE, NVidia, Renesas; з них більше 12 років - на керівних посадах. Має великий досвід управління розподіленими командами (США, Китай, Франція, Росія ТОЩО). Наразі керує колективом, у якому працює понад 150 висококваліфікованих фахівців. Має 9 наукових публікацій, технологічну експертизу в: -VoIP; -відеокодеках та потоковій передачі відео в реальному часі; -GPU compute (включаючи оптімізацію нейронних мереж для embedded GPU); -побудові високонавантажених відмовостійких систем, які працюють у режимі реального часу; -вирішенні завдань Augmented Navigation в Галузі Automotive.

    Дмитро Подолєв

    Founder, iHUB

    Панельна дискусія Мова: російська

    Отримав диплом інженера в Кембриджському університеті та MIT. Протягом останнього десятиліття Дмитро заснував один з найбільших технологічних акселераторів у Східній Європі, а також був у основній команді аграрної компанії, що виросла з нуля до 2000 співробітників, валові інвестиції склали понад 300 млн доларів. Спеціалізація Дмитра — розробка гібридних мобільних додатків, глибокі нейронні мережі, машинне навчання, smart-контракти та інструменти, засновані на блокчейн, нішеві мобільні маркетплейси.

    Богдан Павлишенко

    Data Scientist (Ph.D.), SoftServe

    Панельна дискусія Мова: українська

    Богдан поєднує академічні теорії і практичні підходи в області науки про дані. Він — Data Scientist в SoftServe і докторант факультету електроніки та комп'ютерних технологій Львівського національного університету імені Івана Франка. Має понад 50 наукових публікацій. Серед наукових інтересів: машинне навчання, прогнозована аналітика, комп'ютерне бачення, бізнес-аналітика, аналітика часових рядів, числове моделювання, оцінка ризиків, теорія надійності, фінансове моделювання. Має практичний досвід у аналітиці роздрібної торгівлі та постачання, аналітиці поведінки клієнтів, виявленні шахрайства.

    Богдан працює над сучасними підходами в області прогнозної аналітики та бере участь у змаганнях Kaggle, де має 3 золоті медалі за топ місця. Він був членом команди, яка виграла змагання на Kaggle ("Grupo Bimbo Inventory Demand"), де їх команда запропонувала найкраще рішення для прогнозування продажів у мережі з майже 800 тисяч торгових точок.

    Ростислав Оленчин

    Business Mentor at FasterCapital, CFO JetSoftPro

    Панельна дискусія Мова: українська

    Має ступінь магістра Львівського національного університету і ступінь магістра управління технологіями Львівської бізнес школи УКУ. Серед його професійних інтересів бізнес-моделювання, побудова стратегій виходу на ринок, фандрейзинг. Має 15 років досвіду в побудові власних бізнесів та консалтингу і антикризовому управлінні. Ростислав цікавиться технологічними стартапами і їх фінансуванням. Він виступає ментором таких проектів, як програми Creative enterprise UA, Центру підприємництва UCU EdTech акселератор університету і Fastercapital VC.

    В 2015-2017 був учасником двох проектів DocTravel.com (медичний туризм, фіналіст Seed Forum Kyiv, Учасник Seed Forum Oslo 2015) і Kingspeech.ai (EdTech автоматичний коуч для навиків самопрезентації і дистанційний менторінг на вимогу), який був учасником ЕdTech акселератора. В 2017 році був ментором на хакатоні по Біг Дата, організованим Водафон Україна та хакатоні освітніх технологій організованим центром підприємництва Українського католицького університету.