Październikowe SERy

SERy wracają po wakacjach z dwoma super prelekcjami:
Alicja Gosiewska opowie o pakiecie auditor do diagnostyki Black Boxów, a Damian Rodziewicz o analizie danych satelitarnych w R.

Agenda:
18:00 - 18:05 Powitanie
18:05 - 18:35 Prezentacja Alicji i pytania
18:35 - 19:05 - Pizza
19:05 - 19:35 Prezentacja Damiana
Afterparty w pobliskim pubie.

Spotkanie sponsoruje firma Appsilon.

Bio's:

Alicja jest doktorantką na Wydziale Matematyki i Nauk Informacyjnych Politechniki Warszawskiej.
Ukończyła matematykę na Wydziale MIM UW oraz Statystykę Matematyczną i Analizę Danych na Wydziale MiNI PW.
Obecnie zajmuje się zagadnieniami diagnostyki modeli uczenia maszynowego oraz xAI (wyjaśnialną sztuczną inteligencją).
Działa w organizacji R-Ladies, gdzie prowadzi szkolenia z programowania w języku R. Współorganizuje również Konferencję WhyR?.

Damian uważa się za maniaka technologii, co jest trafne, biorąc pod uwagę, że jest współzałożycielem i głównym architektem w Appsilonie. Ma tytuł magistra informatyki MIM UW oraz ukończył studia podyplomowe z zakresu prawa menedżerskiego. Przed założeniem Appsilon pracował w Accenture, UBS, Microsoft i Domino Data Lab. Jest zagorzałym pływakiem i amatorem psychologii.

Abstrakty:

Pakiet auditor
Uczenie maszynowe z powodzeniem znajduje zastosowanie w różnych obszarach nauki oraz biznesu. Odgrywa ono istotną rolę w biologii, medycynie, fizyce, finansach oraz wielu innych dziedzinach.
Jednakże, poważny problem stanowią modele, które zawodzą w konfrontacji z rzeczywistymi danymi. Dlatego też, tak ważna jest ich wcześniejsza walidacja.

Podczas prezentacji opowiem o pakiecie auditor, który służy do diagnostyki dowolnych modeli predykcyjnych. Pakiet umożliwia, między innymi, identyfikację wartości odstających i obserwacji wpływowych.
Ponadto, ułatwia ocenę dokładności oraz jakości dopasowania modelu. Może być wykorzystany również do analizy podobieństwa reszt. Walidacja przeprowadzana jest na podstawie statystyk diagnostycznych oraz oceny wizualnej.

Using deep learning on Satellite imagery to get a business edge
Deep learning daje nowe możliwości analizy zdjęć satalitarnych. Dane satelitarne pozwalają dotrzeć do informacji niedostępnych w biznesie i podróżować w czasie. W połączeniu z zaawansowanymi technikami deep learningu dostarczają wnioski, które nie były wcześniej dostępne dla człowieka, ze względu na rozmiar i nieoczywistość obrazów.

Dzięki możliwości powrotu do arbitralnego punktu w czasie możemy zapobiegać oszustwom. Możemy budować prognozy i obserwować zdarzenia, do których nie mielibyśmy dostępu w inny sposób. Zbadamy wiele pojawiających się przypadków użycia danych staleitarnych i ich wspólne cechy. Pokażemy, jak pracujemy z danymi satelitarnymi w R i jak używamy Shiny do budowania systemów wspomagania decyzji dla biznesu.