This Meetup is past

88 people went

Pearson IOKI sp. z o.o.

Nobel Tower, Dąbrowskiego 77A · Poznan

How to find us

#gdzie? Sala konferecyjna Nobel Tower, I piętro 👩‍🎓👨‍🎓👩‍💻👨‍💻

Location image of event venue

Details

## Sala konferecyjna Nobel Tower, I piętro 👩‍🎓👨‍🎓👩‍💻👨‍💻

Agenda:
18:00 - Rozpoczęcie pierwszego meetupu WiMLDS
prelekcje:
1. "DATA SCIENCE - POZA SCHEMATAMI" - Emilia Pankowska, Małgorzata Schmidt, Nikoleta Lindenau
2. "DATA SCIENCE W CYBERSECURITY" - Zuzanna Kunik
3. "IMPLEMENTATION AND PERFORMANCE OF RECURRENT LAYERS: CASE OF MEDICAL DATA" - Riccardo Belluzzo

20:00 - Networking & Pizza

21:00 - nieformalne piwko pomeetupowe dla chętnych odbędzie się w Cafe Dylemat (ul. Mickiewicza 27)

Szczegóły wystąpień:

1. "DATA SCIENCE - POZA SCHEMATAMI"
Emilia Pankowska, Data Scientist*
Małgorzata Schmidt, Junior Data Scientist Intern*
Nikoleta Lindenau, Assistant Data Scientist Intern*
*Advanced Computing & Data Science Lab, Pearson

Wiele osób rozpoczynających swoją karierę w data science zdziwiło to jak ich wyobrażenia rozminęły się z rzeczywistością. O ile wszyscy wiedzą, że data scientiści powinni posiadać szerokie spektrum umiejętności z zakresu informatyki i matematyki, to są pewne obszary umiejętności o których mówi się rzadko, a które są podstawą pracy w data science. Co zatem należy wiedzieć i w czym warto się doskonalić?
Po pierwsze, kluczem do sukcesu w pracy data science są umiejętności miękkie takie jak komunikacja, prezentowanie skomplikowanych rzeczy w zrozumiały sposób, otwartość na feedback, itd. Drugim wymogiem jest znajomość metod efektywnej pracy (np. zarządzanie czasem i zadaniami, scrum, praca w rozproszonych zespołach). Trzecim obszarem są rozwiązania technologiczne, które zwiększają komfort i jakość pracy (np. linia komend, wersjonowanie w git, praca w chmurze).
W trakcie naszego wykładu opowiemy pokrótce o wszystkich trzech obszarach umiejętności i wskażemy jak można zacząć się ich uczyć.

2. "DATA SCIENCE W CYBERSECURITY"
Zuzanna Kunik, Junior Data Scientist**
**F-Secure Corporation

Czy data science jest w stanie rozwiązać problemy cybersecurity, odpowiadając na pytania takie jak „Czy ten program jest zainfekowany?”, „Czy uruchomienie tego procesu może być zagrożeniem?”? W jaki sposób możemy wykorzystać machine learning, aby wesprzeć analityków i konsultantów bezpieczeństwa (hackerów) w podejmowaniu decyzji nt. tysięcy potencjalnych zagrożeń dziennie? Czy polecenia linii komend mogą być traktowane jako język naturalny? Odpowiedzi na te pytania udzieli Zuzanna Kunik, data scientist w F-Secure, firmie zajmującej się cyberbezpieczeństwem, chroniącej swoich klientów już od 30 lat.

3. "IMPLEMENTATION AND PERFORMANCE OF RECURRENT LAYERS: CASE OF MEDICAL DATA" [talk in English]
Riccardo Belluzzo, Junior Machine Learning Engineer***
***StethoMe

Among the most successful Deep Learning (DL) based applications, in most of the cases recurrent layers are involved in the network architecture. The reasoning behind the success of such implementation relies in its capability to manage data in the form of sequence, as well as in the improvements in optimization and computational power emerged in recent years, that help in successfully train these type of networks.
In this talk, we will briefly introduce the audience to Recurrent Neural Networks (RNNs) and its most popular variations (LSTMs and GRUs), providing mathematical insights as well as showing how it's possible their implementation in modern DL frameworks. During the presentation we will discuss some practical use cases in applications that deal with medical data and we will show how RNNs help StethoMe in developing its unique breathing phenomena detection system.