×

Конференція Data Science UA
  • ×
  • Data Science UA Conference

    5а міжнародна
    конференція у Києві
    2018
    |
    24 Листопада
    |
    КИЇВ

    DATA SCIENCE UA

    Конференція 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.

    500
    Учасників
    18
    Спікерів
    3
    Потоки
    10
    Годин нетворкінгу

    Потоки


    Технічний

    Бізнес

    Воркшопи

    Панельна дискусія

    Спікери


    Андрій Бурлуцький

    Менеджер зі стратегічного маркетингу SMART business

    Keynote: Are you Ready to capture the Artificial Intelligence opportunity?

    Володимир Ткачук

    Head of Edge Research, Ring Ukraine

    Тема: How to deploy Machine Learning algorithm on embedded

    Олександр Гончар

    AI Solution architect, MAWI

    Тема: Multitask learning: learn more to learn better

    Михайло Ільїн

    Data Scientist, Taxify
    Тема: Machine Intelligence for Urban Mobility

    Василь Милько

    CEO and Founder, Ingeenee

    Тема: AI solves NP-complete

    Juan Pablo Figueroa

    Senior Data Scientist N-iX, Mercanto
    Тема: How to predict with (very) small data
    Мова доповіді: англійська

    Віктор Сахарчук

    Independent CV/ML R&D professional

    Тема: Confidence Measures For Stereo Vision: an Engineer’s View

    Денис Довгополий

    Founder at GrowthUP Group

    Тема: Features in attracting investors to the early stage AI-startups

    Андрій Босий

    Founder and CEO of MindCraft.ai

    Тема: NER або Розпізнавання та класифікації документів та іменованих сутностей є використання моделей базованих на словах з embeddings

    Дмитро Солопов

    Business Development Manager Advanced Analytics at SMART business

    Тема: Intelligent advisory mechanism (IAM) to engage customers.

    Тарас Гнот

    Senior Data Analyst, SoftServe

    Тема: Сustomers profiling based on psychometric characteristics

    Олексій Слюсаренко

    Senior NLP engineer, Deloitte
    Тема: Обробка природньої мови для автоматизації бізнес-процесів: практичні випадки

    Віра Зінкевич

    Product owner, Deloitte
    Тема: Обробка природньої мови для автоматизації бізнес-процесів: практичні випадки

    Тетяна Фурсова

    Expert of card business сross-sales department, OTP Bank
    Тема: Predictive analysis: the way to get a satisfied customer

    Воркшопи


    Олександр Гончар

    AI Solution architect, MAWI

    Воркшоп: Applied multitask learning with Keras

    Максим Нечепуренко

    Data Scientist N-iX, Mercanto
    Воркшоп: TICK stack for Time Series data processing and analysis

    Сергій Саварин

    Python Engineer, JetSoftPro
    Воркшоп: TICK stack for Time Series data processing and analysis

    Панельна дискусія


    Тема: “Data Science: today and the future”.

    Борис Працюк

    Head of R&D, Ciklum

    Панельна дискусія

    Денис Довгополий

    Founder at GrowthUP Group

    Панельна дискусія

    Дмитро Лавриненко

    Solutions Architect, SoftServe
    Панельна дискусія

    Ведучі


    Євгенія Клепа

    Executive director, 1991 Open Data Incubator

    Daniel Che

    Comandante in “Che – Guerrilla Marketing”

    Програма конфереції


    Технічий потік
    Бізнес потік
    Воркшопи

    9:00 – 10:00
    Реєстрація

    10:00 – 10:10
    Відкриття конференції

    10:10 – 10:40
    Keynote

    Андрій Бурлуцький

    Менеджер зі стратегічного маркетингу SMART business
    Keynote: Are you Ready to capture the Artificial Intelligence opportunity?

    10:45 – 11:30

    Василь Милько

    CEO and Founder, Ingeenee
    Тема: AI solves NP-complete

    Михайло Ільїн

    Data Scientist, Taxify
    Тема: Machine Intelligence for Urban Mobility

    11:30 – 11:50
    Кава брейк

    11:50 – 12:35

    Juan Pablo Figueroa

    Senior Data Scientist N-iX, Mercanto
    Тема: How to predict with (very) small data
    Мова доповіді: англійська

    Тетяна Фурсова

    Expert of card business сross-sales department, OTP Bank
    Тема: Predictive analysis: the way to get a satisfied customer

    12:45 – 13:30

    Олександр Гончар

    AI Solution architect, MAWI
    Тема: Multitask learning: learn more to learn better

    Дмитро Солопов

    Business Development Manager Advanced Analytics at SMART business
    Тема: Intelligent advisory mechanism (IAM) to engage customers.

    11:30 – 13:30

    Максим Нечепуренко

    Data Scientist N-iX, Mercanto

    Сергій Саварин

    Python Engineer, JetSoftPro

    13:30 – 14:30
    Ланч

    14:30 – 15:15

    Віктор Сахарчук

    Independent CV/ML R&D professional
    Тема: Confidence Measures For Stereo Vision: an Engineer’s View

    Тарас Гнот

    Senior Data Analyst, SoftServe
    Тема: Сustomers profiling based on psychometric characteristics

    15:25 – 16:10

    Андрій Босий

    Founder and CEO of MindCraft.ai
    Тема: NER або Розпізнавання та класифікації документів та іменованих сутностей є використання моделей базованих на словах з embeddings

    Денис Довгополий

    Founder at GrowthUP Group
    Тема: Features in attracting investors to the early stage AI-startups

    16:10 – 16:30
    Кава брейк

    14:30 – 16:30

    Олександр Гончар

    AI Solution architect, MAWI

    16:30 – 17:15

    Володимир Ткачук

    Head of Edge Research, Ring Ukraine
    Тема: How to deploy Machine Learning algorithm on embedded

    Олексій Слюсаренко

    Senior NLP engineer, Deloitte

    Віра Зінкевич

    Product owner, Deloitte
    Тема: Обробка природньої мови для автоматизації бізнес-процесів: практичні випадки

    17:30 – 19:00

    Панельна дискусія

    Тема: Data Science: today and the future
    Борис Працюк — Head of R&D, Ciklum
    Денис Довгополий — Founder at GrowthUP Group
    Дмитро Лавриненко — Solutions Architect, SoftServe

    19:00
    Закриття конференції

    After party

    Квитки


    Знижка 10% від 5 квитків
    Знижка 15% від 10 квитків
    Знижка 25% для студентів
    1450
    20 червня – 31 серпня
    1950
    1 вересня- 30 вересня
    2150
    1 жовтня – 31 жовтня
    2750
    1 листопада – 23 листопада
    3000
    24 листопада

    Хочете стати партнером Data Science Community?

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

    Генеральний партнер


    Партнер технічного потоку


    Срібні партнери


    Бронзові партнери


    Генеральний HR партнер


    Книжковий партнер


    Водний партнер


    Акредитація медіа

    ПОДАТИ ЗАЯВКУ >

    Квитки для талановитої молоді

    ПОДАТИ ЗАЯВКУ >

    Контакти


    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


     

    ×

    Володимир Ткачук

    Head of Edge Research, Ring Ukraine

    Тема: How to deploy Machine Learning algorithm on embedded

    Про спікера:
    У 2008 році закінчив НТУУ “КПІ” за спеціальністю “Прикладна математика”.
    Працював програмістом, науковим співробітником, досліджувачем, технічним керівником в таких компаніях як: Microsoft (Копенгаген), Відділ розпізнавання образів в Кібцентрі (Київ), Materialise NV (Київ, Шанхай) та Ring Ukraine (Київ).
    Займався проектами 3D реконструкції сцени по двовимірним знімкам, сегментації тривимірного медичного зображення, оптимізації алгоритмів 3D друку.
    Коротко про доповідь:
    Навчання складних алгоритмів, таких як великі нейронні мережі все ще є ресурсоємною процедурою, що потребує складного обладнання. В той же час поява “легких” архітектур (наприклад, MobileNet), і одночасне збільшення потужності вбудованих систем, створює можливості для виконання машинно-навчених алгоритмів на “розумних” пристроях.
    Існують різні способи оптимізувати і запустити свої алгоритми. Найпростіший – скористатися фреймворками, що підтримуються і розвиваються спільнотою, наприклад, Mini Caffe і TensorFlow lite. Деякі виробники вбудованих систем оснащують свою продукцію чіпами, оптимізованими під нейронні мережі, і пропонують бібліотеки для роботи з ними. Нарешті, завжди можна самому програмно реалізувати будь-яку мережу мовою C/C++ з оптимізацією під конкретний процесор.
    Метою доповіді є огляд існуючих рішень, розбір їх переваг та недоліків.

    ×

    Денис Довгополий

    Founder at GrowthUP Group

    Тема: Features in attracting investors to the early stage AI-startups

    Про спікера:
    Закінчив Київський політехнічний інститут (1996) і Міжнародний інститут менеджменту за програмою MBA (2000). Співзасновник першого українського бізнес-акселератора для технологічних стартапів GrowthUP.
    Один з лідерів українського венчурного та підприємницького співтовариства.
    Виступає засновником або організатором знакових для галузі заходів: IDCEE, iForum, Silicon Valley Open Doors, Startup Crash Test та ін. До створення BVU Group займав керівні позиції в телеком-компаніях. Створив кілька локальних компаній.

    ×

    Денис Довгополий

    Founder at GrowthUP Group

    Тема: Features in attracting investors to the early stage AI-startups

    Про спікера:
    Закінчив Київський політехнічний інститут (1996) і Міжнародний інститут менеджменту за програмою МБА (2000). Співзасновник першого українського бізнес-акселератора для технологічних стартапів GrowthUP.
    Один з лідерів українського венчурного та підприємницького співтовариства.
    Виступає засновником або організатором знакових для галузі заходів: IDCEE, iForum, Silicon Valley Open Doors, Startup Crash Test та ін. До створення BVU Group займав керівні позиції в телеком-компаніях. Створив кілька локальних компаній.

    ×

    Тарас Гнот

    Senior Data Analyst, SoftServe

    Тема: Сustomers profiling based on psychometric characteristics

    Про спікера:
    Тарас – аналітик даних, який має великий досвід у статистичному моделюванні та машинному навчанні. Він був залучений до різних проектів у галузі роздрібної торгівлі, включаючи розробку аналітичних інструментів для профілізації та сегментації клієнтів, побудови алгоритмів та рішень для персоналізації та рекомендацій, моделювання поведінки клієнтів за допомогою психометрії та методів нейроекономіки. Тарас є співавтором і автором численних наукових та медіа-публікацій, у тому числі “Anomaly Detection – Unsupervised Approach”, “Recommender Systems Comparison: The Best Performing Algorithm” та “Bitcoin Network Analytics”.
    Коротко про доповідь:
    Поговоримо про профілювання клієнтів онлайн рітейл ресурсів на основі їх психометричних характеристик (або OCEAN оцінках). Ці профайли будуть використовуватися для вибору підходу до рекламування продукції (трансформаційні або інформаційні / порівняльні або не порівняльні / одно- або двосторонні реклами тощо). У доповіді буде показано, як психометричні характеристики можуть бути спрогнозовані з текстової інформації, написаної замовником, та патернів покупок з використанням найсучасніших методів машинного навчання, таких як XGBoost, Random Forest, LSTM.

    ×

    Олександр Гончар

    AI Solution architect, MAWI

    Тема: Multitask learning: learn more to learn better

    Про спікера:
    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.
    Коротко про доповідь:
    Машинне навчання як дисципліна пройшло довгий шлях від розпізнавання статистичних моделей у чистих і малих даних до складних великих даних з глибокими алгоритмами навчання. Дійсно, це нагадує те, як людський мозок обробляє інформацію … але не зовсім близько. Одна з дивовижних здібностей людського мозку – робити висновки з одного шматка даних. Наприклад, коли бачимо кішку, ми не просто визначаємо клас “кішка” з 97% впевненості, ми бачимо колір, наскільки далеко вона від нас, намагаємось зрозуміти в якому вона настрої. Те саме відбувається, коли ми читаємо текст чи чуємо мову – ми багато чого розуміємо від прочитаних висловлювань, це ж повинні робити deep learning алгоритми.
    У доповіді ми вивчимо концепцію multitask learning – виконаємо декілька завдань за однаковими даними, зрозуміємо, чому це допомагає машинному навчанню узагальнювати та розуміти проблему краще, переглядаючи кейси з комп’ютерним баченням, NLP, reinforcement learning та ін., щоб ви могли застосувати це у вашому бізнесі.

    ×

    Олександр Гончар

    AI Solution architect, MAWI

    Коротко про воркшоп:
    У цьому воркшопі ми вивчимо multitask learning на практиці. Multitask learning – це концепція проектування алгоритмів машинного навчання таким чином, що вони навчаються вирішувати декілька проблем, використовуючи один і той же набір параметрів. Не дивно, що це допомагає узагальнювати та вивчати нові та більш корисні функції з даних, ніж використання одного завдання та функції єдиної втрати. Ми коротко розглянемо теорію багатозадачного навчання, але зосередимось на реалізації цих моделей (в основному нейронних мереж), використовуючи Keras і застосовуючи їх до різних наборів даних (комп’ютерне бачення, обробка сигналів), щоб довести їх ефективність.

    ×

    Борис Працюк

    Head of R&D, Ciklum Theme

    Про спікера:
    Закінчив з відзнакою кафедру фізичної та біомедичної електроніки КПІ у 2007 році за спеціальністю “Фізична та біомедична електроніка”, а у 2012 році захистив дисертацію на факультеті електроніки в КПІ. Борис Працюк працює у відділі R&D в Ciklum. А також має власний стартап – Fino (фінансовий помічник)

    ×

    Євгенія Клепа

    Executive director, 1991 Open Data Incubator

    Про Євгенію:
    Виконавчий директор 1991 Open Data Incubator, Co-founder & CMO at SPREAD.
    Наставник і радник для стартапів. Наставник підлітків у вітчизняних бізнес-школах (Комп’ютерна академія “Крок” та “Creators”). Активно бере участь у розробці технологічної екосистеми в Києві та Україні. Експерт з корпоративної соціальної відповідальності. У ІТ-світі розпочинала кар’єру з PR-менеджера на технічних заходах. Потім перейшла на роботу як організатор найбільших технічних заходів (Україна, Росія, Польща).

    ×

    Daniel Che

    Comandante in “Che – Guerrilla Marketing”

    Про Daniel Che:
    Засновник “CHE-guerrilla marketing” – агентства партизанського маркетингу.
    Палкий футуристично-технократичний мрійник та євангеліст змін. “Я вірю, що наука про дані докорінно змінить наше життя та мислення. Людство стоїть на порозі колосальних змін, саме тому, найкраще, що ми можемо зробити – це бути в оточенні людей, які так само мріють. Мріють про те, щоб не лише спостерігати за змінами, але й бути їх рушійною силою.
    Отож, побачимось на конференції Data Science UA 2018.

    ×

    Віктор Сахарчук

    Independent CV/ML R&D professional

    Тема: Confidence Measures For Stereo Vision: an Engineer’s View

    Про спікера:
    Випускник кафедри теоретичної та математичної фізики Волинського національного університету (ВНУ), закінчив аспірантуру Луцького національного технічного університету, спеціальність “Фізика твердого тіла”. Протягом останніх 10 років займається комерційною розробкою програмно-апаратних комплексів для вирішення
    різних прикладних проблем
    Спеціалізація:
    Швидке прототипування, розробка та впровадження комплексних програмно-апаратних засобів для двовимірної та тривимірної реконструкції й розпізнавання об’єктів за даними із сенсорів різних типів, злиття даних з багатьох джерел. Створення систем сприйняття середовища літаючими та наземними роботами для їх орієнтування у просторі. Побудова безконтактних інтерфейсів людина-машина. Обробка зображень, програмна оптимізація коду.
    Коротко про доповідь:
    Доповідь про практичні аспекти роботи з даними, отриманими із бінокулярного стереозору.
    Дані зазвичай зашумлені і в сирому вигляді рідко використовуються, оскільки спотворюються відстані до об’єктів, що детектуються на сцені, виникають т.зв фантомні перешкоди (об’єкти, яких на сцені немає). Під час комплексування даних із кількох джерел (sensor fusion) якість (confidence) є необхідним параметром. Тому фільтрування вхідних даних є важливим компонентом будь-якої автономної системи.
    В доповіді будуть розглянуті методи оцінки якості даних, отриманих за допомогою типових алгоритмів стереозору, що використовуються у роботах та безпілотних авто, придатні для застосування в системах реального часу.

    ×

    Василь Милько

    CEO and Founder, Ingeenee

    Тема: AI solves NP-complete

    Про спікера:
    У 2008 співзаснував R&D центр в компанії SoftServe та керував ним протягом 10 років. Зробив дослідження в сфері емоційного інтелекту, машинної емпатії, біометрії, Embedded AI, IoT, AR. BioLock, розроблений командою SoftServe R&D, що ідентифікує водія за допомогою ЕКГ став фіналістом нагороди SXSW Interactive Innovation Award 2017 року. Спільно з колегами розробляв декілька новітніх технологій разом/для Samsung, починаючи 2016 року.
    Раніше в R&D: побудував підрозділи UX дизайну та Security консалтингу.
    Коротко про доповідь:
    Незважаючи на гігантський стрибок мікросхем / пам’яті / зберігання / мереж з 1970-х років, десятки відомих проблем оптимізації досі не вирішуються за короткий час, використовуючи дешеві ресурси з прийнятною якістю.
    Назви декількох з них: проблема подорожуючого продавця, проблема задоволення обмежень, згортання білку, моделювання Землі.
    Вони мають комбінаторну складність. З одного боку, з цими проблемами ведуть боротьбу за допомогою суперкомп’ютерів. З іншого боку, такі задачі може вирішувати особливий Штучний Інтелект, використовуючи дешевші ресурси. Таким чином, можливий зв’язок між інтелектом та обчислювальним Всесвітом – штучний інтелект може стати комплексною складовою.
    В Ingeenee ми створюємо геніальну машину, яка може знайти максимальну кількість визначних місць в будь-якій географічній зоні та побудувати маршрут, що проходить через них, оптимізуючи по часу і бюджету одночасно. Я поділюся історіями, як ми вирішуємо цю NP-complete проблему (TSP + CSP) за допомогою Машинного Навчання і Еволюційного Високопродуктивного Обчислення.

    ×

    Андрій Босий

    Founder and CEO of MindCraft.ai

    Тема: NER або Розпізнавання та класифікації документів та іменованих сутностей є використання моделей базованих на словах з embeddings

    Про спікера:
    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.
    Коротко про доповідь:
    Багато джерел жваво розповідають про системи машинного навчання, часто упускаючи той факт, що 80% часу і енергії в аналітиці витрачається на добування, аналіз і розмітку даних. В масштабах big-data систем це величезні витрати на низькокваліфіковану (і не тільки) працю. На допомогу приходять методи semi-supervised learning, які дозволяють навчати моделі на частково розмічених даних. У доповіді розглянемо випадок, коли розмітка даних і процес навчання ідуть ітеративно з максимальною ефективністю. Головне питання тут – коли перестати витрачати ресурси на розмітку даних, щоб зберегти якісні показники моделі.

    ×

    Дмитро Солопов

    Business Development Manager Advanced Analytics at SMART business

    Тема: Intelligent advisory mechanism (IAM) to engage customers.

    Про спікера:
    Основна місія – обслуговування клієнтів SMART business, використовуючи інноваційні аналітичні та когнітивні послуги для підвищення ефективності.
    Понад 7 років досвіду в сфері технологій та стратегічного розвитку Microsoft. Більше 4 років роботи сертифікаційним тренером з досвідом розробки призначених для користувача курсів для клієнтів, офіційних курсів Microsoft. Профільний розвиток філій в країнах ЄС, Incom.
    Спікер конференцій: Predictive Analytics World (DE), Dynamics Day, DeForum, SMART talks, Idea Days у КМБШ та інших.
    Коротко про доповідь:
    CRM + ERP + POS термінал + програма лояльності — що далі?
    Що можна зробити для збільшення середнього чека?
    Як збільшити маржинальність за допомогою автоматичного обліку цінової еластичності?
    Історія про те, як одна інтелектуальна промо модель (ІПМ) відстежує 25 поведінкових сегментів, збільшує чек, частоту відвідувань і базу лояльних клієнтів в динаміці.

    ×

    Андрій Бурлуцький

    Менеджер зі стратегічного маркетингу SMART business

    Тема: Are you Ready to capture the Artificial Intelligence opportunity?

    Про спікера:
    Допомагає компаніям будувати поважні і довгострокові відносини з клієнтами, розкручувати проекти і завойовувати розум та серця.
    Фанат нашого майбутнього. Мета – поширювати довіру до технологій.
    14 років в ІТ бізнесі і 10 з них в корпорації Microsoft. Займався маркетингом, продажем продуктів 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.
    Коротко про доповідь:
    Штучний інтелект – не просто ще одна технологічна новинка. Він може бути ключовою фундаментальною технологією, яку людство коли-небудь створювало.
    Бізнес, життя і світ – які перспективи і можливості для ШІ? Чому ШІ переверне все з ніг на голову? Що ми називаємо ШІ і що є ШІ?
    Як розвивати власну практику створення продукту з IP для ринку? Питання створення власної інтелектуальної власності та етики в ШІ стають ключовими, як ніколи раніше.
    ×

    Тетяна Фурсова

    Expert of card business сross-sales department, OTP Bank
    Тема: Predictive analysis: the way to get a satisfied customer

    Про спікера:
    У 2004 році закінчила Черкаський Державний Технологічний Університет за спеціальністю “Комп’ютерні мережі та системи”, паралельно отримала диплом про другу вищу освіту за спеціальністю “Бухгалтерський облік та аудит”.
    Працювала провідним аналітиком в таких компаніях, як Branan, Readers Digest, Pro-consulting, Нова Пошта. Займалася дослідженнями ринків, прогнозуванням, розробкою ефективних маркетингових та бізнес-стратегій, дослідженням і моделюванням поведінкових патернів. На поточний момент є основним експертом в області аналізу даних та даних в “OTP банк” в проекті по впровадженню та розвитку Аналітичного CRM.
    Коротко про доповідь:
    Побудова бізнес-орієнтованої предикативної аналітики для досягнення прибутку і мінімізації витрат. У доповіді буде розглянуто повний цикл життя клієнта – залучення, розвиток, утримання. Паралельно викладена концепція побудови системи предикативних моделей під кожен бізнес-процес, послідовно описані кроки – від виявлення проблеми до впровадження: бізнес-процес -задача- дані-моделювання-тестування-оцінка-розміщення-звітування.

    ×

    Juan Pablo Figueroa

    Senior Data Scientist N-iX, Mercanto
    Тема: How to predict with (very) small data
    Мова доповіді: англійська

    Про спікера:
    Juan Pablo – data scientist в N-iX, де працює у проектах, пов’язаних із рекомендаційними системами, прогнозним моделюванням та прогнозування часових рядів. Має більше 5-річного досвіду розробки прогнозних моделей для різних галузей, включаючи Ad Tech, Healthcare і Retail. Juan вивчав статистику та має ступінь магістра в області машинного навчання в Лондонському університетському коледжі. Останнім часом займається ​​Автоматизованим навчанням машин (AutoML).
    Коротко про доповідь:
    Незважаючи на те, що ми живемо в епоху “Великих Даних”, питання про кількість даних, які підлягають аналізу, залишається досить актуальним у багатьох областях та контекстах.
    У цій доповіді ми розглянему, що слід враховувати при здійсненні Supervised Learning з невеликою кількістю даних, а також підходи, які дозволяють залучити додаткові дані, такі як Semi-supervised Learning та Transfer Learning.

    ×

    Максим Нечепуренко

    Data Scientist N-iX, Mercanto
    Воркшоп: TICK stack for Time Series data processing and analysis

    Про спікера:
    Data scientist, який захоплюється використанням найсучасніших технологій у науці про дані, щоб розкрити повну потужність аналізу великих даних та машинного навчання для вирішення складних задач з інформаційних технологій та бізнес-аналітики в різних галузях. Має глибокий бекграунд з математики, статистики – PhD у математичній фізиці.
    Досвід у машинному навчанні: time series, обробка цифрових сигналів, NLP, виявлення аномалій, розпізнавання голосу (ASR), діалогові системи, системи рекомендацій тощо.
    Максим допомагає структурувати та використовувати вихідні дані компанії для виявлення прихованих фактів, моделей, співвідношень та тенденцій, які дозволять приймати більш обґрунтовані рішення.
    Коротко про воркшоп:
    Під час цього воркшопу ми побудуємо систему для збору, агрегації, моніторингу та аналізу відкритих даних крипто обмінників.
    Будемо вести моніторинг збудованої нами системи в реальному часі за допомогою: InfluxData Open Source TICK(Telegraf, InfluxDB, Chronograf, Kapacitor) Stack.
    Учасники зможуть отримати теоретичні та практичні знання неперервної (stream) та порційної (batch) обробки часових рядів (time series).

    ×

    Сергій Саварин

    Python Engineer, JetSoftPro
    Воркшоп: TICK stack for Time Series data processing and analysis

    Про спікера:
    Сергій працює Python розробником більше 3-х років, працював на проектах з обробки, агрегації та аналізу аудіо даних, фінансових даних, приладів вимірювання витрат води.
    Наразі займається проектом, пов’язаним з біржами криптовалют та крипто ринком.
    Коротко про воркшоп:
    Під час цього воркшопу ми побудуємо систему для збору, агрегації, моніторингу та аналізу відкритих даних крипто обмінників.
    Будемо вести моніторинг збудованої нами системи в реальному часі за допомогою: InfluxData Open Source TICK(Telegraf, InfluxDB, Chronograf, Kapacitor) Stack.
    Учасники зможуть отримати теоретичні та практичні знання неперервної (stream) та порційної (batch) обробки часових рядів (time series).

    ×

    Дмитро Лавриненко

    Solutions Architect, SoftServe

    Про спікера:
    Більше 13 років досвіду роботи в галузі розробки програмного забезпечення та 6 років досвіду роботи DevOps. Успішно керував комплексними проектами з малими та середніми командами, що охоплювали різні аспекти розробки програмного забезпечення, процесу та методології.
    Основні обов’язки:
    Основна архітектура;
    Інтеграція та вдосконалення;
    Консолідація середовища розробників та операційне середовище;
    Створення, перегляд, вдосконалення архітектури системи

    ×

    Михайло Ільїн

    Data Scientist, Taxify
    Тема: Machine Intelligence for Urban Mobility

    Про спікера:
    Михайло — один з перших членів Data Science команди в Taxify. Його основне завдання полягає у розробці ціноутворення в режимі реального часу для пасажирів й водіїв. Раніше Михайло працював старшим програмним інженером й науковим співробітником. Співпрацював та консультував з приводу продуктів в Естонському цифровому центрі сертифікації, Swedbank, а також здійснював аналіз даних та створював warehousing-рішення для Telia, Tele2 й дослідницького проекту з міської мобільності, що фінансується ЄС у співпраці з Тартуським університетом.
    Коротко про доповідь:
    Завдання Product, Engineering та Data Science команд у Taxify — зберегти зручність й корисність сервісу як для водіїв, так і для пасажирів.
    Головна мета — забезпечити зручність та доступні за ціною поїздки для тих, хто потребує авто протягом 3 хвилин у 40+ містах, де присутній сервіс.
    З першого погляду, це звучить не і так складно, але існує багато цікавих проблем та викликів, які команди вирішують щодня. Доповідь надасть короткий огляд того, над чим працюють Product, Engineering та Data Science команди у Taxify.

    ×

    Воркшоп: TICK stack for Time Series data processing and analysis

    Коротко про доповідь:
    Під час цього воркшопу ми побудуємо систему для збору, агрегації, моніторингу та аналізу відкритих даних крипто обмінників, а також будемо вести моніторинг збудованої нами системи в реальному часі. Для цього ми використаємо InfluxData Open Source TICK(Telegraf, InfluxDB, Chronograf, Kapacitor) Stack.
    Учасники зможуть отримати теоретичні та практичні знання неперервної(stream) та порційної(batch) обробки часових рядів (time series) даних використовуючи вище згаданий стек.

    ×

    Воркшоп: Applied multitask learning with Keras

    Коротко про воркшоп:
    У цьому воркшопі ми вивчимо multitask learning на практиці. Multitask learning – це концепція проектування алгоритмів машинного навчання таким чином, що вони навчаються вирішувати декілька проблем, використовуючи один і той же набір параметрів. Не дивно, що це допомагає узагальнювати та вивчати нові та більш корисні функції з даних, ніж використання одного завдання та функції єдиної втрати. Ми коротко розглянемо теорію багатозадачного навчання, але зосередимось на реалізації цих моделей (в основному нейронних мереж), використовуючи Keras і застосовуючи їх до різних наборів даних (комп’ютерне бачення, обробка сигналів), щоб довести їх ефективність.
    ×

    Віра Зінкевич

    Product owner, Deloitte
    Тема: Обробка природньої мови для автоматизації бізнес-процесів: практичні випадки

    Про спікера:
    Почавши свою кар’єру у податково-юридичному відділі Deloitte, Віра зараз приєдналася до команди Deloitte з розробки цифрових рішень.
    Вона має широкий досвід на стику технологій та податкового консалтингу, і наразі управляє продуктами та рішеннями, що переважно базуються на штучному інтелекті та обробці природньої мови.
    Під час доповіді Віра поділиться практичним досвідом впровадження штучного інтелекту у щоденні процеси міжнародної компанії.
    Коротко про доповідь:
    Штучний інтелект надає потужні інструменти для вирішення завдань, що повторюються, рутинної роботи та аналізу даних, що є невід’ємною частиною всіх сучасних бізнес-процесів. Олексій та Віра поділяться практичним досвідом використання оброки природньої мови для автоматизації бізнес-процесів у Deloitte. У доповіді будуть розглянуті ключові виклики та досягнення, а також представлені підходи до перетворення застарілих бізнес-процесів за допомогою штучного інтелекту.

    ×

    Олексій Слюсаренко

    Senior NLP engineer, Deloitte
    Тема: Обробка природньої мови для автоматизації бізнес-процесів: практичні випадки

    Про спікера:
    Спеціаліст з науки про дані з 7 роками досвіду у машинному навчанні і обробці природніх мов. Переможець міжнародних змагань з математики та програмування. Працював у Ukr.net, Grammarly та наразі у Deloitte. Олексій має досвід у різноманітних алгоритмах від ручних правил до глибинного навчання. Зараз він працює над проектами для автоматизації бізнесу. Під час доповіді Олексій розкаже про універсальні та сучасні методи, які працюють для багатьох задач з аналізу даних.
    Коротко про доповідь:
    Штучний інтелект надає потужні інструменти для вирішення завдань, що повторюються, рутинної роботи та аналізу даних, що є невід’ємною частиною всіх сучасних бізнес-процесів. Олексій та Віра поділяться практичним досвідом використання оброки природньої мови для автоматизації бізнес-процесів у Deloitte. У доповіді будуть розглянуті ключові виклики та досягнення, а також представлені підходи до перетворення застарілих бізнес-процесів за допомогою штучного інтелекту.