Ended 21 months ago
Приветствуем Вас на офлайн встрече в Санкт-Петербурге (в Лектории Газпром нефти) в рамках Data Halloween 2023!
Название площадки: Лекторий Газпром нефти
Адрес: Виленский пер., 14
Время проведения: 17:30 - 21:00(мск)
Доступ на площадку: Для пропуска на территорию площадки может потребоваться показать приглашение в почте и подтвердить личность (права, паспорт)
Приветствуем на дне живых выступлений Data Halloween 2023!
Если вы хотите посетить лекции очно, вам необходимо зарегистрироваться и получить подтверждение на вашу почту. Трансляция будет доступна на ODS.AI Youtube.
В программе вас ждут выступления:
Давидько Владимир, Data Scientist at Работа.ру
"Ужасы в зарплатах , и как их избежать"
Тезисы:
Основання тема доклада - моделирование вилки зарплат для резюме и вакансий.
Такой сервис будет полезен Соискателям, особенно начинающим свой рабочий путь, оценить примерный уровень оклада, на который он может рассчитывать в зависимости от профессии, а так же, что немаловажно, навыков которые у него есть. Также сервис будет полезен Работодателям, чтобы адекватно по рынку оценить требуемую для них позицию, и выставить тот уровень зарплат, которые не будет отталкивать потенциальных Соискателей.
В докладе разберем разные подходы моделирования, которые можно применить для такого сервиса, расскажем о их преимуществах и недостатках. Основной подход следующий: масштабируем сервис по всем профессиям и навыкам с помощью эмбеддингов из FastText, и поддаем их как вход в линейную регрессию с остальными параметрами (локация, график работы). Лин. Регрессия хоть и уступает по метрикам другим моделям, зато дает возможность интерпретировать результат конечному пользователю достаточно точно, и к примеру понять что нужно изменить соискателю в его профиле или какие навыки еще освоить чтобы расчитывать на более высокую зарплату.
Себало Артем, Data Scientist at Работа.ру
"Открываем дверь в мир темных сил машинного обучения: Zero-shot classification для безжалостных неперсонализированных рекомендаций"
Тезисы:
- Как мы получаем zero-shot способности
- Отличия zero-shot от few-shot
- Как собираются неперсонализированные рекомендации на сайте поиска работы
- Углубляемся в отличия между персонализированными и неперсонализированными рекомендациями
- ИИ собирает подборку "Работа для женщин"
Артем Топоров, Lead ML в Rogii
"Погружение в мистические глубины: решение задачи геонавигации с помощью Metric Learning и Computer Vision в нефтегазовой и горнодобывающей промышленности"
Тезисы:
С помощью алгоритмов машинного обучения определяем наше текущее местоположение под землей, решая задачу геонавигации.
Геонавигация играет критическую роль в нефтегазовой индустрии и горнодобывающей промышленности. Она позволяет точно определить местоположение и ориентацию скважины в подземных условиях, что, в свою очередь, обеспечивает эффективное бурение и добычу полезных ископаемых.
Рассмотрим применение Metric Learning и Computer Vision для решения данной задачи.
Козлов Алексей, Data Scientist at АО «Кольская ГМК»
"Машинное обучение в промышленном процессе растворения никеля: проклятие данных, машинное колдовство и темное предсказание"
Тезисы:
1. Описание технологии: растворение никеля является важным процессом в промышленности, который требует высокой точности и эффективности.
2. Обозначение целей: использование машинного обучения для улучшения качества процесса растворения никеля и повышения его эффективности.
3. Способы достижения: анализ данных, разработка моделей машинного обучения, оптимизация процесса на основе полученных результатов.
4. Чем управляем? Мы управляем процессом растворения никеля и его параметрами, такими как температура, давление и концентрация химических веществ.
5. Как собирались данные? Данные были собраны из различных источников, включая датчики и логи процесса, а также результаты анализа химических образцов.
6. Построение модели: мы использовали алгоритмы машинного обучения, для построения модели, которая может предсказывать оптимальные параметры процесса.
7. Адова автоматика: мы разработали систему автоматического управления, которая использует модель машинного обучения для оптимизации процесса растворения никеля.
8. Магия управления: благодаря использованию машинного обучения, мы смогли достичь более точного и эффективного процесса растворения никеля, что привело к улучшению качества продукции и экономической выгоде для компании.
Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy