Name: Błędy w projektach Data Science + Co da się wyczarować z XGBoost?
Start: 2018-04-12T17:30:00+02:00
End: 2018-04-12T19:30:00+02:00
Location: Instytut Matematyczny, Uniwersytet Wrocławski

Zapraszam wszystkich zainteresowanych na kolejne spotkanie. Mamy dwie prezentacje:

[1] Artur Suchwałko, Data Scientist, właściciel firmy QuantUp, "Błędy w projektach data science: jakie są i w jaki sposób ich uniknąć?", 40 min + Q&A

O prezentacji:
Prawdziwe projekty data science to zupełnie inna dyscyplina niż konkursy Kaggle -- co innego decyduje o sukcesie. Na podstawie wieloletniego doświadczenia opowiem o częstych błędach w takich projektach oraz we wdrażaniu w firmach zaawansowanej analityki. Opowiem też o tym, jak według mnie zrobić to dobrze.

O prowadzącym:
Artur ma dwudziestoletnie doświadczenie w projektach analitycznych. Pracował dla różnych firm, od start-upów po międzynarodowe korporacje i w różnych rolach, od pracownika, przez konsultanta, po właściciela. Jest doświadczonym programistą oraz menedżerem projektów. Przez kilkanaście lat pracy statystyka w banku zajmował się głównie budową modeli predykcyjnych i tworzeniem oprogramowania do ich budowy. W tym samym czasie został doktorem matematyki i napisał kilkanaście prac naukowych. Od siedmiu lat rozwija z sukcesem swoją firmę QuantUp, usprawniającą podejmowanie decyzji w firmach z wykorzystaniem modelowania statystycznego i tworzeniem oprogramowania oraz szkoleniami z tych dziedzin. Przeprowadził blisko sto projektów i kilka tysięcy godzin komercyjnych szkoleń z głębokiej analityki biznesowej. Jest współwłaścicielem, Vice CEO i CSO szwedzkiej firmy bioinformatycznej MedicWave. Od kilkunastu lat wykorzystuje w biznesie darmowe oprogramowanie (głównie R) i promuje jego używanie. Jest fanem R i współautorem wydanej w PWN książki o prognozowaniu w R.

[2] Tomasz Melcer, Data Scientist, QuantUp / Datax, "Co da się wyczarować z XGBoost", 40 min + Q&A

O prezentacji:
XGBoost to biblioteka implementująca drzewa wzmacniane gradientowo. To bardzo elastyczny algorytm, nadający się do rozwiązywania problemów, do których zwykle trzeba było konstruować dedykowane modele. Opowiem jak działa XGBoost i pokażę przykłady rozwiązywania niestandardowych problemów.

O prowadzącym:
Tomasz jest specjalistą w rozwiązywaniu problemów leżących na skraju inżynierii oprogramowania, uczenia maszynowego i administracji systemami informatycznymi. W dziesięcioletnim dorobku pracy komercyjnej ma m.in. implementację algorytmów klasyfikacyjnych do wykrywania biomarkerów raka, rozwój oprogramowania do analizy danych spektometrii masowej, i wysoce skalowalne systemy monitorowania i analizy predykcyjnej sieci komputerowych. Zwolennik otwartego oprogramowania, m.in. czterokrotnie brał udział w programie Google Summer of Code, w tym dwukrotnie jako mentor. Tomasz obecnie pracuje na Politechnice Wrocławskiej, gdzie zajmuje się badaniami nad zastosowaniem metod uczenia maszynowego w diagnostyce chorób oczu. Pracuje z firmą analityczną QuantUp, gdzie prowadzi szkolenia i projekty analityczne dla biznesu.

Artur Suchwałko

Data Science & Machine Learning Wroclaw

Technology

Open Source

Computer Programming

Hadoop

Big Data

Machine Learning

Data Visualization

Predictive Analytics

Data Mining

R Project for Statistical Computing

Data Science

Data Analytics

Applied Statistics

Błędy w projektach Data Science + Co da się wyczarować z XGBoost?

Instytut Matematyczny, Uniwersytet Wrocławski

Udostępnij

Data Science & Machine Learning Wroclaw

Błędy w projektach Data Science + Co da się wyczarować z XGBoost?

Data Science & Machine Learning Wroclaw

Szczegóły

Inne zainteresowania członków: