AI&BigData Lab: Едем в Одессу!

200Х20023 мая в Одессе уже во второй раз состоится техническая конференция AI&BigData Lab, посвященная искусственному интеллекту и большим данным.

В двух потоках разработчики обсудят технические вопросы реализации и применения различных алгоритмов, инструментов и новых технологий для работы с большими данными и искусственным интеллектом.

Новинкой конференции станет блок технических питчей стартапов, для того, чтобы проверить их на прочность, найти единомышленников или узнать ответы на возникшие вопросы в проекте.

В конце дня на круглом столе будет обсуждаться будущее направлений в Украине, а также недавно инициированную Сергеем Шельпуком Львовскую исследовательская группа Szkocka (Шкоцька) research group и ее масштабирование на всю территорию Украины.

Мероприятие соберет около 150 разработчиков со всей Украины и стран ближнего зарубежья. Свое участие уже подтвердили:

  • Сергей Шельпук (Head of Data Science, V.I.Tech)
    Artificial Intelligence 2015: Quo Vadis?
    Обзор научных открытий и технологических прорывов 2014-2015 годов, текущего положения дел в искусственном интеллекте в мире и в Украине.
  • Руденко Петр (Инженер-программист, DataRobot)
    Automation and optimisation of machine learning pipelines on top of Apache Spark
    В компании DataRobot мы занимаемся автоматизированным построением точных предсказательных моделей. Помимо непосредственного обучения модели, важную роль во всем процессе играет препроцессинг данных (feature selection/normalization/transformation). В своем докладе я поделюсь нашим опытом использования платформы Apache Spark и в частности новыми ml API, которые предоставляют функционал для построения пайплайнов (Pipeline), поиска оптимальных значений гиперпараметров моделей (Crossvalidation).
  • Максим Терещенко (Product Owner, Zoomdata)
    Обзор современных трендов в аналитике BigData на примере продукта Zoomdata
    В последние годы рынок продуктов анализа данных кардинально меняется. На второй план постепенно отодвигается традиционный подход BI/DWH. Его вытесняют динамические стартапы, которые кардинально меняют подход к анализу больших данных. На примере одного из таких стартапов, продукта Zoomdata, хочется разобраться, куда идет рынок аналитики на BigData и что нас ждет в будущем в этой области.
  • Виктор Советов (CEO, Cloudozer LLP)
    KDB+ — устрашающее совершенство
    Описание, сравнительные характеристики и анализ применимости в Big Data KDB+ — весьма зрелой и мощной, но практически неизвестной в Восточной Европе базы данных.
  • Артем Чернодуб и Юрий Пащенко (Сomputer Vision team, ZZ Wolf) 
    Распознавание изображений методом Lazy Deep Learning в фото-органайзере ZZ Photo
    В докладе рассматривается проблема распознавания изображений методами машинного зрения. Проводится краткий обзор существующих подзадач в этой области (детекция объектов, классификация сцен, ассоциативный поиск в базах изображений, распознавание лиц и др.) и современных методов их решения с акцентом на глубокое обучение (Deep Learning). Представлено решение задачи поиска котов и собак на изображениях для фото-органайзера ZZ Photo на основе признаков, извлекаемых из глубоких сверточных нейросетей. Рассматриваются практические аспекты имплементации алгоритмов машинного зрения в десктопные и серверные приложения с точки зрения вопросов быстродействия, безопасности и управления ресурсами в многозадачном приложении.
  • Дмитрий Новицкий (доцент, Институт Кибернетики НАНУ / Bionic University)
    Big Data и биоинформатика
    Доклад посвящен обзору методов машинного обучения и интеллектуального анализа данных в биоинформатике. Мы рассмотрим примеры алгоритма для сборки генома и транскриптома, поиска аналогов генов, построения эволюционных деревьев. Также поговорим о методах обнаружения действия отбора на участки ДНК, основах предсказания конфигурации (фолдинга) белков и некоторых других.
  • Быковский Александр (Java Senior Developer, Grid Dynamics)
    Ассоциативные правила для генерации рекомендаций для решений в сфере eCommerce на базе технологий Big Data
    Обзор и сравнительный анализ алгоритмов и подходов для генерации и выдачи рекомендаций для решений в сфере eCommerce на базе ассоциативных правил. В докладе будут рассмотрены основные метрики ассоциативных правил и различные области применения, приведены примеры реализаций на базе технологий BigData — HBase, Hadoop и других.
  • Монастыршин Юрий (COO, Looksery)
    Точечные особенности изображения на примере SIFT и их практическое применение
    В первой части доклада будет введено понятия «Точечные особенности изображения». Сначала поговорим о понимании, зачем они нужны и как работают, не включая мат. аппарат. Вы поймете насколько это просто. Рассмотрим пример конкретных точечных особенностей — SIFT, теперь с их точным математическим определением.
    Во второй части будет пример практического применения точечных особенностей для задачи выявления фальсификации изображений и для задачи трекинга.
  • Конопко Александр (Senior Software Engineer, Sigma)
    Celos: оркестрирование и тестирование задач Hadoop
    В компании Collective используется более сотни Hadoop задач. Проблема их мониторинга и оркестрирования стояла очень остро. Для решения этой проблемы была разработана система Celos, которая существенно упростила работу технических инженеров в компании. В этом докладе я познакомлю слушателя с проблематикой и предложу наш способ решения этих проблем
  • Варвара Красавина (Computational Linguist, YouScan)
    Оптимизация поиска в системе LeadScanner с помощью автоматического выделения ключевых слов и словосочетаний
    Мы расскажем об алгоритме извлечения ключевых слов и словосочетаний из текста с помощью матрицы совместной встречаемости. Программа, реализующая этот алгоритм, используется для оптимизации поиска в LeadScanner – платформе, которая ищет сообщения с заданным содержанием в социальных сетях. Также мы рассмотрим и друге методы извлечения ключевых слов и словосочетаний – статистические и лингвистические.
  • Майданюк Дмитрий (Project Manager, Noosphere)
    Аспекты реализации continuous optimization системы для увеличения конверсии
    В докладе рассматривается система «непрерывной» оптимизации конверсии на базе сочетания принципов A/B тестирования и алгоритмов машинного обучения. Рассмотрены архитектура и принципы построения такой системы, показаны практические примеры успешного обучения математических моделей для показа оптимального контента.
  • Маргарита Остапчук (Специалист по информационным технологиям, Microsoft)
    Алгоритмы в Azure Machine Learning и где их лучше применять
    Azure Machine Learning – сервис, который позволит использовать мощности искусственного интеллекта на базе облака Azure для осуществления бизнес-прогнозирований, бизнес-аналитики и анализа данных. В докладе разберем, какие алгоритмы есть в и в каких сценариях их лучше всего применять.

Программа уже на сайте конференцииhttp://geekslab.co/events/30-aibigdata-lab

Организатор: образовательный проект для IT-специалистов GeeksLab.

Premium sponsor: Noosphere Ventures. Спонсор: Looksery. Организационный партнер: FlyElephant.

Стоимость:

до 15.05  — 800 грн.

с 16.05 — 23.05  — 1000 грн.

Действует 20% скидочный промокод: data2015

Место проведения: Impact Hub Odessa, ул. Греческая, 1А

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =