Cześć,
zapraszamy na pierwsze w tym roku spotkanie ETSM. Przygotowaliśmy dla Was 3 bardzo konkretne, biznesowe historie. No more toy examples :) Zobaczcie sami...

=========

Tematy:

1. "Analiza dużych sieci z użyciem graph embeddings" - poprowadzi Magdalena Nowak
2. "Wykrywanie anomalii w czasie rzeczywistym" - poprowadzi Szymon Szczypiński
3. „Jak wycenić mieszkanie lasem – czyli machinelearningowa rewolucja w wycenach nieruchomości” - poprowadzi Maciej Niezgoda

=========
Ad.1
Praca z dużymi sieciami -- składającymi się z milionów klientów i firm połączonych milionami relacji -- może być trudna przy użyciu tradycyjnych metod analizy sieci. Do rozwiązania problemów takich jak klasyfikacja węzłów czy predykcja połączeń możemy wykorzystać algorytmy osadzania sieci w nisko wymiarowej przestrzeni (network embedding). Wyzwaniem w tym przypadku są skalowalność pozwalająca na szybkie przetworzenie dużej sieci, a także umiejętność algorytmu do uchwycenia wielu różnych aspektów "odległości" węzłów sieci.

Ad.2
W dzisiejszych czasach istotna jest dostępność usług biznesowych ze względu na opinie klientów. Dlatego ważne jest aby wykrywać pierwsze symptomy świadczące o możliwej awarii, tak aby można było jej zapobiec lub zminimalizować jej wpływ na dostępność usług. Jednym ze sposobów jest wykrywanie anomalii w czasie rzeczywistym, z wykorzystaniem takich narzędzi jak Apache Kafka oraz Apache Flink.

AD.3
Kojarzysz dataset Boston Housing Price? Jeśli tak, to jesteśmy w domu! Opowiem o tym dlaczego i jak bank ocenia wartość nieruchomości w procesie hipotecznym oraz o tym jak machine learning może już niedługo usprawnić ten proces. Będzie trochę o regulacjach, o studencie z ciekawą pracą magisterską i o algorytmach opartych o las drzew decyzyjnych. Zapraszam!

O prowadzących:

1. Magdalena Nowak od 8 lat związana jest z obszarem analityki danych i machine learning w ING. Realizowała projekty data science w Polsce, Holandii, Francji i Turcji. Obecnie jako Senior Expert Data Science w Pionie TECH pracuje nad zaawansowanymi algorytmami usprawniającymi pracę różnych obszarów banku. Absolwentka kierunku matematyka na Uniwersytecie Śląskim.
2. Szymon Szczypiński - projektant i developer w zespole Aplikacji Integracyjnych. Aktualnie skupia się głównie na badaniu jak można wykorzystać Flinka w predyktywnym monitoringu. W wolnych chwilach lubi trenować umysł rozwiązując zagadki, a ciało jeżdżąc na rowerze.
3. Maciej Niezgoda – od 5 lat pracownik banku, który zaczynał jako analityk oceniający wartość nieruchomości. Gdy odkrył w sobie pasję do technologii przeniósł się do Pionu TECH, a jakby tego było mało to jest hobbystom/amatorem Data Science. Z taką historią jest to idealna osoba do opowiadania o machinelearningowej rewolucji przy ocenie wartości nieruchomości w ING Banku Śląskim.