Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation
Domain Specific Hardware is custom chips (ASICs) and FPGA project developed specifically for machine learning tasks. Custom hardware is widely used in the cloud (GoogleTPU), science (LHC particle detectors), mobile (NPU), computer vision, ADAS (Tesla uses its own AI Core), Financial (HFT on the board) areas. In this section we wish to give and overview of this market.
Про хранение, визуализацию, обработку и анализ данных с применением языка программирования Python
Julia/Haskell/Kotlin/Rust/whatever in DS/ML
Трек про работу с большими данными
Управление данными с точки зрения бизнесанов и инженеров
Машинное обучение в продакшене: особенности реальных систем
Узнаем, можно ли сейчас использовать пресловутый DS в квантовых вычислениях, и всем, что около
Great jobs don’t simply fall out of the sky as soon as you’ve mastered Python, R or SQL. This year Career section unites Data Science experts to discuss the most exciting career questions. How to become a senior in Data Science? Why the middle is not yet senior and how to become a senior? How to improve one’s soft skills and is it important at all? And many more.
Об образовании в ML: "традиционные" траектории или каждому свое? Ответы на вопросы: Как учиться? Где? С кем? Нужно ли вообще?
Our track is about open source projects that people from community are involved with. They will talk about what do they do, what are their plans and what kind of help they may need
Startup track aims to help data scientists to launch and accelerate commercial progress of their projects. Among other things, we cover such topics as finding a cofounder, closing first sales, and raising venture capital.
Project and product management in Data Science
Data Science without Machine Learning: from Excel to Statistics
Расскажем, какие перспективы открывает подход Data Fusion. Совместно с партнерами – Ростелеком, Tele2, Магнит и Первый ОФД – представим практические результаты в геоаналитике: во фьюжене данных и во фьюжене графовых и гео-алгоритмов, других областях. Также вас ждет демо MLOps в ВТБ и Tele-2 и data science квест
Data Science is used in applications in financial industry. Most notable examples include credit scoring, stock market forecasting (including HFT), dynamic pricing, client segmentation, demand forecasting. We will invite prominent Russian and international experts from the financial industry (and academia) to present their recent ML and DS applications.
Машинное обучение в реальных секторах экономики - от добычи нефти до генерации энергии и производства стали.
Машинное обучение и анализ данных в медицинских приложениях.
Использование обработки естественного языка в практике
Хрестоматия разработчика компьютерного зрения: как без боли решить задачу компьютерного зрения и заставить это решение работать в проде.
Разработка и использование алгоритмов глубокого машинного обучения для обработки 2D и 3D геометрических данных.
Theoretical and practical approaches to source code and code artifact insights discovering to obtain actionable information about software systems, projects and people.
Индустрия Антифрода/Антиспама/Антивсего: какие есть особенности и как с этим работать
Reinforcement learning in a Nutshell. Games, articles, production - choose wisely.
Анализ причинно-следственных взаимосвязей: классические и современные подходы
A tutorial on uncertainty estimation in ML for a non-research audience. Will cover basics of uncertainty, bayesian methods, ensemble methods, generative methods. Will also cover applications to real-life scenarios.
Intersection of graph theory and machine learning. Overview, SOTA, applications.
Machine learning in media art. Dialogue between artists and data scientists.
Catalyst - PyTorch framework for Deep Learning research and development.
