AI&BigData Lab

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 инициированная 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 pipe lines 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 конференции — http://geekslab.co/events/30-aibigdata-lab

Организатор: образовательный проект для IT-специалистов GeeksLab.

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