Лучшие из лучших в 2020 году

🎄ODS Awards 2020 ⭐

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.

Graph ML

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

NLP in Industry

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

Causal Inference in ML

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

Interpretable ML

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.

Career (Data Fest 2020)

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)

McKinsey Digital. Data Science в консалтинге

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

ML Trainings DataFest 2020

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.

Uncertainty Estimation in ML

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.

Active