Прежде чем перейти к статье, хочу вам представить, экономическую онлайн игру Brave Knights, в которой вы можете играть и зарабатывать. Регистируйтесь, играйте и зарабатывайте!
Если вспомнить практику анализа данных 10 лет назад и сравнить её с тем, что есть сейчас, то станет очевидно —за это время Data Science проделал гигантский путь. Компьютерное зрение, рекомендательные системы, большие данные, искусственный интеллект — в 2010 эти слова использовались в основном только передовыми ИТ-компаниями. Никто не мог представить, что всего лишь за 10 лет эти технологии изменят мир.
Каким бы был Netflix без рекомендательной системы? Кто будет подсказывать какие сериальчики смотреть по вечерам. Или Apple music, в котором вам ничего не рассказывают про новые альбомы в стиле христианский блэк-метал? Только подумайте сколько времени займет выдача кредита без применения скоринговой системы? Представьте себе YouTube, который ничего не показывает в разделе «Рекомендованные видео». Хотя… при таком сценарии я бы больше спал, а не смотрел смешные видосы про котов до 3-х часов ночи. Мир ждет, что водителей заменят беспилотные автомобили, хотя в 2010 это было научной фантастикой. Да чего там, Tinder подбирает пары на основе алгоритмов машинного обучения, люди женятся, у них рождаются дети, если призадуматься, то окажется, что фактически это дети искусственного интеллекта Sic.
Мы многим обязаны Data Science, поэтому 16 декабря в московском офисе Одноклассников соберемся и вместе с коллегами из OK, Сбербанка, VK и X5 Retail Group проведем ок.tech: Data Толк #4 новогодний выпуск. Поговорим про итоги года и десятилетия в области анализа и обработки данных. Какой была индустрия раньше, что она представляет сейчас и какие сюрпризы нас ждут в будущем, когда Илон Маск заменит людей огромными человекоподобными роботами. Ответы на все эти вопросы вы получите на нашем мероприятии.
Приходите! Будет полезно, интересно и весело!
Зарегистрироваться на мероприятие.
Под катом вас ждут описания докладов и расписание.
CV: вчера, сегодня, завтра – Артур Кузин, X5 Retail Group
За последние десять лет компьютерное зрение подарило миру огромное множество новых результатов. Алгоритмы обошли человека по точности очень много раз, прочно закрепились в новых областях и научились создавать новый контент.
В докладе будет сделан обзор эволюции нейросетей в задачах классификации, детекции, сегментации, обработки видео. Будут показаны самые яркие результаты с генеративными моделями. А также небольшой обзор железа, на котором запускаются алгоритмы.
Data Science 2010-2019: продуктивная декада – Дмитрий Бугайченко
На рубеже десятилетия мы попробуем оглянуться назад и вспомнить как развивался дата сайнс от Netflix prize и до AlphaZero. На примерах из OK.ru посмотрим, как менялись алгоритмы и подходы, а также поколения дата саентистов. Попробуем выделить самые знаковые события и посмотрим, как они меняли взгляды датасаентистов и общества на жизнь.
История поиска идеального МЛ-таргета – Андрей Якушев, ВКонтакте
В докладе расскажем про этапы взросления МЛ-таргета по которому строится «Умная Лента» – самый популярный раздел ВКонтакта. Как мы начинали с сортировки постов по вероятности поставить «Мне Нравится», как мы пришли к постановке задачи в терминах многокритериальной оптимизации и как мы ее решаем. А так же попробуем ответить на вопрос — можно ли автоматизировать процесс поиска МЛ таргета и что для этого надо.
Расписание докладов:
19:30 — 19:40 Вступительное слово, Алексей Чернобровов
19:40 — 20:00 CV: вчера, сегодня, завтра – Артур Кузин, X5 Retail Group
20:00 — 20:20 Data Science 2010-2019: продуктивная декада – Дмитрий Бугайченко
20:20 — 20:40 История поиска идеального МЛ-таргета, Андрей Якушев, ВКонтакте
20:40 — 21:00 Кофе-брейк, нетворкиг
21:00 — 22:00 Дискуссия о прошлом, настоящем и будущем Data Science
Мы ждем всех, кто хочет пообщаться с экспертами в области анализа данных 16 декабря в свой московский офис.
Приходите, будет интересно и полезно!
Зарегистрироваться на ок.tech: Data Толк #4 новогодний выпуск
Информационный партнер мероприятия – AI/Big Data/Machine Learning
