Your first recsys.
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 - medical imaging and other medical applications. Machine Learning and Data Analysis in medical applications.
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 — 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.
Машинное обучение в реальных секторах экономики - от добычи нефти до генерации энергии и производства стали.
Трек о том, что такое data governance, что это может дать компании и вам и как начать.
Машинное обучение для безопасности и безопасность машинного обучения.
Advanced methods and topics in the world of A/B testing.
Catalyst - PyTorch framework for Deep Learning research and development.
Reinforcement Learning in a Nutshell. Games, articles, production - choose wisely.
Welcome to the Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation!
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.
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.
Track «From pet-project to startup» business section of Data Fest 2020.
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.
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.
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.
Что такое МЛ-тренировки? Это рассказ о победных решениях соревнований по машинному обучению.
Track about Data Science without Machine Learning, Big Data, Neural Networks or anything else requiring training or big amount of storage.
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)
Трек посвящен методам управления Data Science проектами.
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.
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.
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.
На треке мы представляем серию докладов от ведущих специалистов области анализа исходных кодов в России: JetBrains, JetBrains Research, PVS-Studio, Profiscope.io.
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.
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.
Интерпретация моделей машинного обучения: как объяснить результаты статистических моделей заказчику.
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.
Цель трека - создание causal inference guide для data scientist-ов. Классические и современные подходы причинно-следственного анализа в применении к задачам машинного обучения.
Разберемся с архитектурой и типами квантового компьютера, а также поговорим о нейронных сетях в квантовой физике.
Что сейчас происходит в области обработки естественного языка (NLP)?
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.
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 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.
Cookies help us deliver our services. By using our services, you agree to our use of cookies.