Tracks

Data Fest 2021 →

Catalyst: accelerated deep learning in the wild!

Вам предлагается поучаствовать в развитии community-based open-source фреймворка Catalyst. Возможные треки: neuroimaging, compression/distillation, TTS, dl-RecSys, metric learning, RL, documentation.

ODS Summer of Code, Open Source SoC

Трек с проектами, где мы приглашаем участников влиться и помочь Open Source библиотекам, которые разрабатывают наши участники из ODS.

ODS Summer of Code, Open Science

Трек с Open Science исследовательскими проектами, где участники могут попробовать свои силы в современных не-школьных DS и ML задачах.

Летняя школа ODS Summer of Code #1

Мы любим развивать и Open Source, и Open Science, и, конечно же, сам ODS. Вдохновившись Google Summer of Code и зимней школой CompTech NSU, мы тоже решили организовать активность, где участники сообщества могли бы внести вклад в крутые открытые проекты.

ML Tools

Обучаем современным ML инструментам для ваших проектов и задач

PyData

Про хранение, визуализацию, обработку и анализ данных с применением языка программирования Python.

#datagovernance

Данные - это актив компании, но с ними часто есть какие-то проблемы. Поэтому в компаниях появляется история про data governance. В секции мы рассказываем про процессы, инструменты и людей, дающих компании уверенность в том, что она использует годные данные и делает это безопасно для себя и своих клиентов.

ML Trainings

ML тренировки - это серия митапов, на которых обсуждаются Data Science соревнования

Code Mining

Трек, посвященный проблематике анализа исходных кодов “Code Mining” как и в предыдущие года, делится знаниями экспертов области Data-Driven Software Engineering. В 2021 году доклады представят эксперты компаний Athenian, JetBrains и Profiscope.io

Emerging topics

Этот трек объединит интересные доклады любой DS направленности, для которых пока что не собралось отдельного тематического трека.

ODS Summer of Code, ML4SG: Machine Learning for Social Good

Трек проектов, в которых с помощью ML и других приблуд в области DS можно сделать мир лучше. Здесь мы поделимся новостями существующих проектов и будем очень рады новым участникам со свежими идеями!

SysML

SysML (ML Engineering) — это область анализа данных, в которой внимание уделяется вопросам применения машинного обучения в продакшне. На митапах мы обсуждаем почему некоторые из подходов из Kaggle-конкурсов не работают на реальных задачах, в чем особенность больших нагрузок при применения машинного обучения, как считать тяжелые фичи на лету.

Big Data

Большие данные - это не про размеры, а про подходы к обработке информации. В нашей секции мы стараемся уйти от buzzword-ов и говорить только про инженерные подходы и решения, делится опытом и набитыми шишками.

Ужасы медицинских данных

Спецы из лучших российских ML-стартапов расскажут про ужасы медицинских данных - есть ли Ground Truth в медицине, что делать с несовпадающей кросс-разметкой и как на всём этом оценивать качество моделек.

Data Collection

Как собирать данные и где они обитают: методологии сбора данных, архитектуры систем, доставка данных до моделей машинного обучения и многое другое.

Catalyst and Reinforcement Learning

Catalyst - PyTorch framework for Deep Learning research and development. + Reinforcement learning in a Nutshell: games, articles, production - choose wisely.

Antifraud

Индустрия Антифрода/Антиспама/Антивсего: какие есть особенности и как с этим работать. У нас будет несколько докладов от крупных IT компаний, все доклады будут от людей, которые на практике защищают сервисы, пользователей или партнеров.

DS Hiring

Всё про карьеру и найм в DS от индустриальных топов

Lean Data Science: Managing Data Science products and projects

Трек посвящен управлению Data Science проектами и продуктами. Приходите, если вам интересно развиваться в сторону DS менеджмента.

ML ART

Нестандартные и креативные приложения машинного обучения.

Удивительные трансформеры и где они обитают

Взглянем на трансформеры как на универсальный инструмент для анализа и обработки семантических последовательностей и рассмотрим их применение в разных задачах.

Interpretable & Causal ML

Цель трека - создание сообщества для решения актуальных проблем интерпретируемости моделей машинного обучения и выявления причинно-следственных связей в них.

Data science в бизнесе: от идеи до эффекта

Поговорим о том, как бизнеса пройти путь от определения точек роста до устойчивого финансового эффекта с помощью аналитики данных

Computer Vision in Industry

Хрестоматия разработчика компьютерного зрения: как без боли решить задачу компьютерного зрения и заставить это решение работать в проде. Вдохновляемся опытом коллег о том, как они прошли через тернистый путь разработки модели компьютерного зрения для своих задач.

ML in Marketing

ML in Marketing: ML для задач маркетинга. Привлечение, удержание, работа с узнаваемостью, где вашему бизнесу пригодится ML уже сегодня.

Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation

Инструменты и практики управления экспериментами в Machine Learning, обеспечения воспроизводимости (Reproducibility) и автоматизации процессов.

NLP in industry

Использование обработки естественного языка в практике

Causal Inference. Recommendations. Encoding

Data Science в МегаФоне совсем не ограничивается телекомом! Вы познакомитесь с интересными проектами и методами из сферы Causal ML, Recommendations и просто работы с табличными данными. Также сможете попробовать свои силы в соревновании по Uplift Modelling. И на закуску - телеграм чаты+подкаст об ML с любимыми спикерами из индустрии и академии.

Quantum Computing

quantum ods: все о применении ml в квантовом мире, а также достижений из квантового мира в ml под соусом незабываемого общения

Competition Series →

Up Great. ПРО//ЧТЕНИЕ

ПРО//ЧТЕНИЕ - серия технологических конкурсов для разработчиков в области машинного обучения.

AIJ Contest

AIJ Contest - an international online data analysis and AI competition held among industry developers and experts worldwide since 2016.

Courses →

KG Course 2021

Курс по графам знаний (Knowledge Graphs) и как их готовить в 2021 году.

Data Fest 2020 →

MTC. Your first recsys

Your first recsys.

Open Source

A lot of people in ODS contribute to open source projects, or even create their own. In this track they will tell us about their projects and we will discuss open source in general and in data science world specifically.

ML in Healthcare

ML in Healthcare - medical imaging and other medical applications. Machine Learning and Data Analysis in medical applications.

Julia in DS: crash course

Язык Julia создан математиками для математиков, он действительно прост, красив и элегантен, но при этом очень быстр. За последние годы, язык созданный в 2009 году сильно окреп, оброс серьезной экосистемой и стал действительно привлекать внимание специалистов в области анализ данных. Именно поэтому мы решились сделать курс про основы Julia для применения в Data Science проектах.

SysML

SysML — это область анализа данных и больших данных, в которой внимание уделяется вопросам применения машинного обучения и больших данных в продакшне. В докладах мы обсуждаем почему некоторые из подходов из Kaggle-конкурсов не работают на реальных задачах, в чем особенность больших нагрузок при применения машинного обучения, как считать тяжелые фичи на лету и как справиться с большими объемами данных.

Manufacturing, Energy, and Logistics

Машинное обучение в реальных секторах экономики - от добычи нефти до генерации энергии и производства стали.

Data Governance

Трек о том, что такое data governance, что это может дать компании и вам и как начать.

ML & Security

Машинное обучение для безопасности и безопасность машинного обучения.

A/B testing

Advanced methods and topics in the world of A/B testing.

Catalyst Workshop

Catalyst - PyTorch framework for Deep Learning research and development.

Reinforcement Learning

Reinforcement Learning in a Nutshell. Games, articles, production - choose wisely.

ML REPA

Welcome to the Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation!

AI Hardware

AI Hardware is computers and chips designed specifically for machine learning applications. In this section, we will share with you our experience in AI hardware design and highlight industry trends.

EdTech

В этом году очень отличаются форматы, состав и сценарии секций. Например, в нашей секции про образование в этом году основной фокус на личных историях. Цифры образовательного рынка доступны в сети, описания самых разных программ, от массовых до персональных, тоже. Вы все знаете где лучшие курсы по 180К, здесь вас нечем удивить. К тому же, во время пандемии многие остались наедине со своими целями и сомнениями. Поэтому мы решили показать вам людей. Мы покажем тех, кто учится и учит. Их опыт, ошибки, истории успеха и наоборот. Может это кого-то сподвигнет на новые подвиги, кто-то поймет, что он на верном пути, а кто-то найдет ту команду для творческого роста, которой как раз не хватало.

From pet-project to startup

Track «From pet-project to startup» business section of Data Fest 2020.

ВТБ. DATA FUSION

Трек ВТБ будет посвящен fusion идеям, которые заключаются не в поисках маржинального улучшения в конкретных узких областях ML, а идеям извлечения большого business value из концепции объединения данных, синергии модельных подходов и процессов. Например, концепции объединения или переноса алгоритмов из одной области машинного обучения в другую. И даже fusion процессов в машинном обучении.

МТС. Жизненный цикл решения на базе NLP

Расскажем из чего состоит жизненный цикл решения на базе NLP. Как довести гипотезу до продуктивной среды и сделать так, чтобы поддержка этого решения не съедала все свободное время.

Uncertainty Estimation in ML

A tutorial on uncertainty estimation in ML for a non-research practitioners of machine learning. Will cover basics of uncertainty estimation via ensemble methods, ensemble-emulation methods and generative methods. We will also provide a detailed case-study of an example usage of uncertainty estimation.

ML Trainings

Что такое МЛ-тренировки? Это рассказ о победных решениях соревнований по машинному обучению.

DS-ML

Track about Data Science without Machine Learning, Big Data, Neural Networks or anything else requiring training or big amount of storage.

McKinsey Digital. Data Science в консалтинге

О том, как data science помогает решать задачи бизнеса! Юзкейсы из ключевых отраслей, углубленная аналитика в тяжелой промышленности, специальный гость из Quantum Black - Causal Machine Learning: a rising tide (ENG)

Lean Data Science

Трек посвящен методам управления Data Science проектами.

Antifraud

Индустрия Антифрода/Антиспама/Антивсего: какие есть особенности и как с этим работать. У нас будет несколько докладов от крупных IT компаний, все доклады будут от людей, которые на практике защищают сервисы, пользователей или партнеров.

МегаФон. Geospatial and other telecom applications

Расскажем про оптимизацию ритейл сети, учёт причинно-следственных связей, Positive Unlabeled learning и про акселератор для стажёров. Также вас ждет воркшоп по основам анализа геоданных в Python и технический data science квест.

ML in Finance

Сделаем обзор того, что делают банки и страховые в ML. Погружаемся вглубь исследования клиентов, размещения офисов, биометрии… Но и наука расскажет как им ML для анализа фондового рынка, и можно ли собрать данные для прогноза инфляции.

Code Mining

На треке мы представляем серию докладов от ведущих специалистов области анализа исходных кодов в России: JetBrains, JetBrains Research, PVS-Studio, Profiscope.io.

Career

Great jobs don’t simply fall out of the sky as soon as you’ve mastered Python, R or SQL. This year's Career section unites Data Science experts to discuss the most exciting career questions. How to become a senior in Data Science? Why is the middle not yet senior and how to become a senior? How to improve one’s soft skills and is it important at all? Star speakers, industry experts, tricky questions to the recruiters, and many more.

ML Art

Our goal is to engage Data Scientists in the process of creating objects and tools of modern media and technological art. Creating collaborations between artists and scientists. During the conference we will hold several meetups with talks from various artists working with machine learning.

Interpretable ML

Интерпретация моделей машинного обучения: как объяснить результаты статистических моделей заказчику.

Math Optimization

Hi! Welcome to the optimization track on Datafest! Here we will discuss both theory and practice of modern optimization. We say really modern because the results and methods explained in the section are used either to conduct bleeding-edge research or train neural networks faster and larger.

Causal Inference in ML

Цель трека - создание causal inference guide для data scientist-ов. Классические и современные подходы причинно-следственного анализа в применении к задачам машинного обучения.

Quantum Computing

Разберемся с архитектурой и типами квантового компьютера, а также поговорим о нейронных сетях в квантовой физике.

NLP in Industry

Что сейчас происходит в области обработки естественного языка (NLP)?

Яндекс. Effective data labeling with crowd

19-20 сентября Яндекс проводит секцию по краудсорсингу. Вас ждут доклады от команды Яндекс.Толоки про эффективные методы контроля качества в краудсорсинге, разметку данных на большом масштабе и ТОП-10 ошибок заказчика, из-за которых теряются время и деньги.

Computer Vision in Industry

Хрестоматия разработчика компьютерного зрения: как без боли решить задачу компьютерного зрения и заставить это решение работать в проде. Вдохновляемся опытом коллег о том, как они прошли через тернистый путь разработки модели компьютерного зрения для своих задач. Если вы хотите дополнить трек своим докладом, то пишите в Telegram @sigmoida или в ODS @Sonya.

Graph ML

Graph Machine Learning is the science between graph theory and machine learning. It is now a very active area of research, with hundreds of publications each month, impactful applications in the industry, and new insights about our world. Intersection of graph theory and machine learning. Overview, SOTA, applications.

All Tracks

Catalyst: accelerated deep learning in the wild!

Вам предлагается поучаствовать в развитии community-based open-source фреймворка Catalyst. Возможные треки: neuroimaging, compression/distillation, TTS, dl-RecSys, metric learning, RL, documentation.

ODS Summer of Code, Open Source SoC

Трек с проектами, где мы приглашаем участников влиться и помочь Open Source библиотекам, которые разрабатывают наши участники из ODS.

ODS Summer of Code, Open Science

Трек с Open Science исследовательскими проектами, где участники могут попробовать свои силы в современных не-школьных DS и ML задачах.

Летняя школа ODS Summer of Code #1

Мы любим развивать и Open Source, и Open Science, и, конечно же, сам ODS. Вдохновившись Google Summer of Code и зимней школой CompTech NSU, мы тоже решили организовать активность, где участники сообщества могли бы внести вклад в крутые открытые проекты.

ML Tools

Обучаем современным ML инструментам для ваших проектов и задач

PyData

Про хранение, визуализацию, обработку и анализ данных с применением языка программирования Python.

#datagovernance

Данные - это актив компании, но с ними часто есть какие-то проблемы. Поэтому в компаниях появляется история про data governance. В секции мы рассказываем про процессы, инструменты и людей, дающих компании уверенность в том, что она использует годные данные и делает это безопасно для себя и своих клиентов.

ML Trainings

ML тренировки - это серия митапов, на которых обсуждаются Data Science соревнования

Code Mining

Трек, посвященный проблематике анализа исходных кодов “Code Mining” как и в предыдущие года, делится знаниями экспертов области Data-Driven Software Engineering. В 2021 году доклады представят эксперты компаний Athenian, JetBrains и Profiscope.io

Emerging topics

Этот трек объединит интересные доклады любой DS направленности, для которых пока что не собралось отдельного тематического трека.

ODS Summer of Code, ML4SG: Machine Learning for Social Good

Трек проектов, в которых с помощью ML и других приблуд в области DS можно сделать мир лучше. Здесь мы поделимся новостями существующих проектов и будем очень рады новым участникам со свежими идеями!

SysML

SysML (ML Engineering) — это область анализа данных, в которой внимание уделяется вопросам применения машинного обучения в продакшне. На митапах мы обсуждаем почему некоторые из подходов из Kaggle-конкурсов не работают на реальных задачах, в чем особенность больших нагрузок при применения машинного обучения, как считать тяжелые фичи на лету.

Big Data

Большие данные - это не про размеры, а про подходы к обработке информации. В нашей секции мы стараемся уйти от buzzword-ов и говорить только про инженерные подходы и решения, делится опытом и набитыми шишками.

Ужасы медицинских данных

Спецы из лучших российских ML-стартапов расскажут про ужасы медицинских данных - есть ли Ground Truth в медицине, что делать с несовпадающей кросс-разметкой и как на всём этом оценивать качество моделек.

Data Collection

Как собирать данные и где они обитают: методологии сбора данных, архитектуры систем, доставка данных до моделей машинного обучения и многое другое.

Catalyst and Reinforcement Learning

Catalyst - PyTorch framework for Deep Learning research and development. + Reinforcement learning in a Nutshell: games, articles, production - choose wisely.

Antifraud

Индустрия Антифрода/Антиспама/Антивсего: какие есть особенности и как с этим работать. У нас будет несколько докладов от крупных IT компаний, все доклады будут от людей, которые на практике защищают сервисы, пользователей или партнеров.

DS Hiring

Всё про карьеру и найм в DS от индустриальных топов

Lean Data Science: Managing Data Science products and projects

Трек посвящен управлению Data Science проектами и продуктами. Приходите, если вам интересно развиваться в сторону DS менеджмента.

ML ART

Нестандартные и креативные приложения машинного обучения.

Удивительные трансформеры и где они обитают

Взглянем на трансформеры как на универсальный инструмент для анализа и обработки семантических последовательностей и рассмотрим их применение в разных задачах.

Interpretable & Causal ML

Цель трека - создание сообщества для решения актуальных проблем интерпретируемости моделей машинного обучения и выявления причинно-следственных связей в них.

Data science в бизнесе: от идеи до эффекта

Поговорим о том, как бизнеса пройти путь от определения точек роста до устойчивого финансового эффекта с помощью аналитики данных

Computer Vision in Industry

Хрестоматия разработчика компьютерного зрения: как без боли решить задачу компьютерного зрения и заставить это решение работать в проде. Вдохновляемся опытом коллег о том, как они прошли через тернистый путь разработки модели компьютерного зрения для своих задач.

ML in Marketing

ML in Marketing: ML для задач маркетинга. Привлечение, удержание, работа с узнаваемостью, где вашему бизнесу пригодится ML уже сегодня.

Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation

Инструменты и практики управления экспериментами в Machine Learning, обеспечения воспроизводимости (Reproducibility) и автоматизации процессов.

NLP in industry

Использование обработки естественного языка в практике

Causal Inference. Recommendations. Encoding

Data Science в МегаФоне совсем не ограничивается телекомом! Вы познакомитесь с интересными проектами и методами из сферы Causal ML, Recommendations и просто работы с табличными данными. Также сможете попробовать свои силы в соревновании по Uplift Modelling. И на закуску - телеграм чаты+подкаст об ML с любимыми спикерами из индустрии и академии.

Quantum Computing

quantum ods: все о применении ml в квантовом мире, а также достижений из квантового мира в ml под соусом незабываемого общения

KG Course 2021

Курс по графам знаний (Knowledge Graphs) и как их готовить в 2021 году.