7 вересня у Києві відбудеться конференція Data Science fwdays’19 — це перша конференція від fwdays присвячена таким трендовим технологіям як Data Science та Machine Learning. Доповіді будуть представлені англійською, російською та українською мовами.
А для того, щоб вам не прийшлось обирати між треками в день конференції — читайте короткий гід програмою та визначайте пріоритетні доповіді заздалегідь.
9:30 Починаємо
Реєстрація розпочинається о 9:30 на 4 поверсі та триватиме впродовж усього дня конференції.
При виході з ліфту перед вами будуть зони реєстрації та вказівники з буквами А-Л, М-Я. Вам потрібно підійти до стійки реєстрації, що містить першу букву вашого Прізвища, згідно української абетки. Наприклад, Йохансон має підійти до стійки А-Л.
Після реєстрації на вас чекає Morning tea/coffee з кавою, мафінами або ж традиційними ранковими круасанами :)
10:30 Відкриття та старт доповідей
Відкриття конференції пройде у Track A. Розпочнеться зі знайомства та вичерпної інформації про конференцію: що, де, коли і як буде відбуватись.
О 10:40 Олександр Краковецький з доповіддю Як пояснити “чорний ящик” машинного навчання? та Тарас Легіневич Генерація тіней у реальних умовах відкриють конференцію.
З 11:40 окрім основних потоків доповідей, будуть тематичнi дискусії з експертами та лідерами ком’юніті.
Community Discussions
- “ Дискусія: Data Scientist. Хто вiн i як ним стати?” (з 11:40). Модератор: Ян Цибулькин (Співзасновник Symica)
2. “Panel discussion “NLP” з Thomas Wolf (з 13:50). Модератор: Вiталiй Радченко (Data Scientist @ YouScan)
3. “ Дискусія: Computer Vision” (з 15:20). Модератор: Олександр Лазарєв (Research Engineer @ Ring Ukraine)
Якщо цікавить альтернатива доповідям — вам на дискусії.
Рекомендуємо заздалегідь визначити з планом дня та переглянути програму. А щоб вам легше було визначитися — пропонуємо ознайомитись з описом кожної теми.
Трохи інформації про теми:
10:40 Старт програми
Розпочнеться конференція з доповідей Як пояснити “чорний ящик” машинного навчання? від Олександра Краковецького та Генерація тіней у реальних умовах від Тараса Легіневича, що стартують о 10:40 в Track A та Track B відповідно.
Олександр у своїй доповіді дасть відповіді на питання, що виникають при роботі з моделями машинного навчання: Чому модель допустила ту чи іншу помилку? Чи можемо ми довіряти цій моделі? Чи відповідає наша модель вимогам закону? Чи допускає наша модель дискримінацію за якоюсь ознакою?
З Тарасом коротко поговоримо про знаходження і видалення тіней та зосередимось на моделях для генерації тіней у реальних умовах для аугментації даних.
Feature engineering for abusive language detection for the Ukrainian language on Twitter від Валерії Лакуста (Track A, 11:40).
У своїй доповіді Валерія спробує розібратися з такою проблемою, як автоматичне виявлення образливої мови з точки зору комп’ютерної лінгвістики та виявити найбільш вагомі ознаки образливої мови
Practical Few-Shot Learning від Кирила Трусковського(Track B, 11:40).
У своїй доповіді Кирило буде розповідати про те, що таке few-shot, які проблеми можна вирішити за його допомогою, та як правильно використовувати few-shot у своїх проектах
Applying deployment oriented mindset for building Machine Learning models від Маріанни Дячук (Track A, 12:30). [eng] Доповідь буде англійською мовою.
У своїй доповіді Маріанна розкаже про те, як побудувати процес розробки моделей машинного навчання не забуваючи про їх деплой.
Waveglow. Генеративне моделювання для синтезу аудіо від Тараса Середи (Track B, 12:30).
Тарас розповість про Waveglow — швидку паралельну генеративну нейронну мережу без авторегресії. Модель здатна синтезувати високоякісне аудіо в 22 рази швидше ніж у реальному часі.
Масштабування Data Science y Bolt від Дениса Коваленко (Track A, 14:30). [eng] Доповідь буде англійською мовою.
У цій доповіді Денис поділиться як розробка Data Science платформи Bolt дозволяє швидко зростати, та робити застосування машинного навчання простим та надійним.
OCR in the Wild World of Social Media від Євгенія Терпіля (Track B, 14:30).
З Євгеном поговоримо про поточні SOTA підходи та як невеликими зусиллями натренувати власну модель для розпізнавання текстів на зображеннях і їх подальший аналіз.
Programmatically creating and managing training data with Snorkel від Braden Hancock (Track A, 15:20). [eng] Доповідь буде англійською мовою.
Today’s state-of-the-art machine learning models are more powerful and easy to use than ever before, however, they require massive amounts of training data. Snorkel provides a radically faster and more flexible to build machine learning applications, by letting users programmatically build and manipulate training data rather than label it by hand.
Continuous Delivery of ML Pipelines to Production від Олексія Москаленка (Track B, 15:20).
Олексій вважає, що дуже важливо передати найкращі практики з інженерії програмного забезпечення — дати можливість Data Scientist швидко постачати моделі без втрат якості та ефективності обчислень. Ця доповідь стосуватиметься початкової мотивації, яка вирішує технічні питання та уроків, вивчених під час створення ML delivery system.
Data-driven solutions in engineering від Владислава Розова (Track A, 16:10).
Владислав розповість про те, як технічна експертиза сприяє вирішенню проблем інженерного характеру за допомогою машинного навчання. Крім того, використовуючи реальний кейс, продемонструє, як комбіноване застосування обчислювальної аеродинаміки і машинного навчання допомагає в проектуванні літаків майбутнього.
Як ми побудували систему розпізнавання порушень на виробництві від Єгора Морильова (Track B, 16:10).
В цій доповіді Єгор розкаже як побудувати систему розпізнавання порушень техніки безпеки в реальному часі, починаючи від формування команди та збору даних до оптимізації роботи мережі. Доповідь також розкриє складності, з якими зіштовхнулася наша команда, а також підходи та інструменти, які спрацювали для рішення нашої задачі.
Детальний опис усіх доповідей читайте у програмі.
16:50 Розіграш подарунків: заповнюємо анкети :)
Традиційно, наші партнери підготували подарунки, а щоб ви не упустили свій, подарунки розіграють під час перерви з 16:50 по 17:20, перед фінальною доповіддю.
Якщо розіграші вас не цікавлять, то ви можете смакувати кавою/чаєм під час перерви та спілкуватись зі спікерами та експертами в Community Discussions.
Стенд Fwdays
Супер можливість. На конференції буде представлено спеціальний стенд Fwdays, де можна познайомитись з організаторами, дізнатись про майбутні конференції та запитати чому на них варто потрапити. І тут же придбати квиток на будь-яку майбутню конференцію від Fwdays зі знижкою 30%! Така знижка буде доступна лише учасникам Data Science fwdays’19 та лише 7 вересня!
17:20 Фінальна доповідь
Завершиться інтенсивний день конференції доповіддю Transfer learning in NLP від Thomas Wolf (17:20), що відбудеться в об'єднаному залі, трек А. [eng] Доповідь буде англійською мовою.
Thomas — keynote спікер конференції, лiд наукової команди у HuggingFace 🤗. У своїй доповіді він представить огляд сучасних методів transfer learning в NLP та розгляне приклади та тематичні дослідження щодо того, як ці моделі можуть бути інтегровані та адаптовані у низхідних завданнях NLP, орієнтуючись на рішення з відкритим кодом.
18:00 Afterparty :)
З 18:00 на 4 поверсі розпочнеться Afterparty, яка триватиме до 21 або і довше :)
Тож це буде неформальне спілкування під лаунж музику, доповнене охолодженим пивом та пивним закусками.
Контакти організаторів:
- Тетяна +38 099 215 96 22
- Яна +38 095 329 99 47
- Ірина +38 067 999 58 88
#dsfwdays
Приєднуйтесь до Телеграм чату, якщо ви досі не з нами.
Тож 7 вересня з радістю зустрінемось, щоб провести інтенсивний день та зануритись у світ Data Science ;)
