optymalizacja(predykcja) & Czemu DS nie działa? & Przekwalifikowanie się na DS

Link:
https://organizer.runtheworld.today/invitation/3791
Kliknij na "RSVP" i potem zaloz konto na platformie RTW.

Meetup rozpoczniemy pół godziny wcześniej (18:30), żeby każdy zdążył zainstalować sobie klienta / rozwiązać ewentualne problemy techniczne.

1. PREZENTACJA 19:00 - 19:40
   Prelegent: Wit Jakuczun
   Tytuł: rekomendacje = optymalizacja(predykcja)

Opowiem dlaczego optymalizacyjna stoi wyżej w hierarchii ważności względem algorytmów uczenia maszynowego jeśli chodzi o praktyczne problemy biznesowe. Opowieść oprę o praktyczne przykłady projektów, narzędzia oraz doświadczenie z dostarczania rozwiązań hybrydowych opartych na optymalizacji i predykcji.

Bio:
Jestem matematykiem z 15 letnim doświadczeniem w dostarczaniu rozwiązań opartych o matematykę stosowaną. Przez ostatnie 14 lat byłem prezesem firmy WLOG Solutions. Teraz jestem Principal Data Scientist w firmie F33.ai (https://www.f33.ai/) oraz WLOG Solutions (https://wlogsolutions.com/). Doradzam także zespołom data science oraz menedżerom w efektywnej optymalizacji procesów biznesowych przy użyciu algorytmów matematycznych. Wspieram obszary ludzi, procesów oraz technologii. Moje ekspertyza to techniki optymalizacji kombinatorycznej oraz MLOps

2. PREZENTACJA 19:40 - 20:20
   Prelegent: Przemek Maciołek
   Tytuł: Czemu Data Science nie działa?

Data Science to cały czas jeden z wiodących trendów w IT. Nie bez powodu - wizja obrócenia danych w usprawnienie biznesu jest kusząca, ale w praktyce często rezultaty odbiegają od oczekiwań... Czemu tak się dzieje? Czy idea Data Science jest chybiona w swojej definicji? Czy powodem jest brak ludzi którzy rzeczywiście łączą zdolności w hackowaniu, statystyce i wiedzy domenowej? A może to problem inflacji oczekiwań? Przemek w trakcie swojej kariery zbudował kilka zespołów Big Data/Data Science i był odpowiedzialny nie tylko za sukcesy ale i porażki. W prezentacji opowie o swoich perypetiach z Data Science, wskaże jak rozpoznać wczesne oznaki różnych problemów oraz postara się odpowiedzieć na pytanie czemu Data Science nie działa (i jak zrobić żeby działał!).

Bio:
Przemek od 20 lat zajmuje się danymi i tym jak wydobyć z nich wartość. Miał swoją własną firmę która oferowała usługi Data Science (zanim to się jeszcze tak nazywało). Stworzył startup (który jednak nie wypalił, oops!). Pracował dla sektora poszukiwań złóż naturalnych, budował teamy Big Data dla firm takich jak Base CRM (obecnie Zendesk Sell) oraz Toptal, był cofounderem LogSense a od kilku miesięcy rozwiązuje problemy observability dla Sumo Logic. W międzyczasie zrobił doktorat z obszaru NLP/ML. Połowę życia spędził na podkarpaciu i zostawił tu kawałek serca. Wielki fan kolarstwa, często go można spotkać na podkrakowskich drogach (a czasami i na podrzeszowskich).

3. PREZENTACJA 20:20 - 21:00
   Prelegent: Michał Piętal
   Tytuł: Zestaw sugestii i uwag z moich prywatnych doświadczeń, dla osób przekwalifikowujących się na Data Science

Nie jestem obecnie Data Scientistem. Ale byłem. To zaczęło się 10 lat temu... A tak naprawdę, 20 lat temu... Może więcej?? To była wtedy kwestia intuicji, decyzji poniekąd, pewnych atutów, wyczucia rynku oraz szeregu przemyślanych (i trafionych) działań. Prezentacja podzielona jest na dwie części. W pierwszej z nich opowiem o moim skrupulatnym "budowaniu kariery" jako Data Scientist (oraz jej finale), w drugiej opowiem o dodatkowych obecnie, dostępnych możliwościach wyboru podobnej ścieżki, wraz z subiektywną charakterystyką ich wad i zalet.

Bio:
Matematyk z wykształcenia, biolog z pasji. Właściciel trzech kotów oraz działki typu ROD, odpornej na lock-down wobec pandemii COVID-19 (oraz innych, przyszłych). Obecnie raczej na długo, pracownik naukowy Politechniki Rzeszowskiej, opiekun trzech dyplomantów oraz samozwańczy promotor pomocniczy doktorantki. Animator Koła Naukowego Machine Learning, gdzie wszyscy wzajemnie się od siebie uczą.

----------
Sponsorzy

Sponsorem założycielskim Data Science Rzeszow jest VirtusLab --> https://virtuslab.com