Ended 15 months ago

WiDS Meetup

Привет, друзья! С радостью приглашаем вас на уникальное событие, посвященное силе и вкладу женщин в мире данных - митап "Woman In Data Science"! Это не просто встреча, это праздник ума, таланта и вдохновения, организованный ODS SPB при поддержке компании Samokat.tech.

#ODS#ODS SPB#WiDS

Прямая трансляция и чат будут доступны на YouTube, а всех, кто любит и ценит оффлайн как мы, ждем в офисе "Самокат" по адресу ул. Малая Монетная, 2Г (БЦ Лангензипен). Так как количество мест в зале ограничено, для входа просьба зарегистрироваться заранее. Начинаем в 18:30.

Программа:
1. Гращенков Кирилл, Senior ML разработчик в Samokat.tech

[Мега]Матчер. 
Система соответсвий товаров: ожидания, проблемы и решения в e-comm платформе.

О чем поговорим:

 — что такое матчинг: зачем о нужен крупным маркетплейсам, какие бизнес-задачи решает

 — в прямом эфире попробуем сматчить товары

 — посмотрим, что под капотом сервиса матчинга товаров и разберем основные подводные камни во время разработки модели: 

    a) Проблема задублированности и почему это проблема 

    б) Проблема последовательного обучения моделей 

    в) Оценка качества модели и калибровка порогов


2. Анастасия Овчинникова, Team Lead DS at Работа.ру

"Как сделать рекомендации точнее: модель второго уровня в задаче подбора вакансий по резюме"

Тезисы:

1. Описание проблемы. Почему одной модели недостаточно.
2. Выбираем оптимальную модель.
3. Работа с признаками: как не погрязнуть в море возможностей и не упустить ничего важного.
4. Эффективная интеграция модели в production: обеспечение стабильности и масштабируемости
5. Неожиданные препятствия и пути их преодоления
6. Модель в проде. Что дальше?

3. Дина Сафина, head of data platform Ozon.Fintech

“Data Quality - почему это так важно и как выбирать подход”

Тезисы:

  1. “Значение Data Quality в современной компании: как обеспечить высокое качество данных для достоверных результатов моделей и аналитики”
  2. “Инструменты и методы Data Quality: как повысить эффективность анализа данных и минимизировать ошибки”
  3. "Роль Data Quality в успешной реализации проектов по Data Science: ключевые принципы и практические примеры"

4. Оксана Крымина, Actuarial Data Scientist, Страховой дом ВСК

“Если данных маловато, или Байесом по неопределенности”

Тезисы: 

1. Мало данных или мало информации? * Информация Фишера 
2. Наблюдаемые признаки недостатка информации * Мало строк записей * Overdispersed Distributions (в таргете и в объясняющих переменных) 
3. Идеальное комбо проблем: марки и модели автомобилей в страховании КАСКО 
4. Байесовские модели: ищем распределение вместо точечной оценки * парадигма байесовского вывода * байесовская ОЛМ (обобщенная линейная модель) * что нужно для реализации в коде: Stan, ресурсные требования 
5. Учесть все: граф знаний и байесовская модель * feature-engineering: группировка (из кластеризации) * аугментация данных * эмбеддинги вершин * иерархическая модель и порождение орграфом

Информационный партнер:

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