Name: Data Science Warsaw #29
Start: 2017-09-19T18:00:00+02:00
End: 2017-09-19T20:00:00+02:00
Location: Sala 107 Wydział MINI PW

Zapraszamy na Data Science Warsaw meetup we wtorek 19tego września o 18:00. Spotkamy się na Wydziale Matematyki i Nauk Informacyjnych Politechniki Warszawskiej, w sali 107. W programie dwie prezentacje:

1. Wykrywanie anomali i stanów awaryjnej podczas bieżącej pracy młyna węglowego. Case Study. Teresa Kurek

Młyn węglowy, jako urządzenie przykotłowe, pełni jedną z kluczowych ról w elektrowniach. W skrajnych przypadkach nagła awaria młyna może doprowadzić do znacznego zmniejszenia generowanej mocy czy odstawienia całego bloku. W swojej prezentacji przedstawię rozwiązanie bieżącej diagnostyki młyna oparte na rozwiązaniach Machine Learningu w formie Case Study. Przedstawię zdefiniowany problem, proces tworzenia oraz rozwoju algorytmu od zebrania danych, przez tworzenie modelu młyna oraz definicję algorytmu wykrywającego awarię i anomalię. Przedstawię kluczowe wyzwania i ograniczenia zastosowania rozwiązań opartych na machine learningu w energetyce oraz pierwsze wyniki działania algorytmu.

Teresa Kurek jest członkiem działu Badawczo Rozwojowego w Transition Technologies S.A. – polskiej firmie informatycznej specjalizującej się w rozwiązaniach informatycznych dla przemysłu w szczególności dla sektora energetycznego. Teresa jest ponadto doktorantką wydziału mechanicznego energetyki i lotnictwa PW gdzie swoją pasję do Machine Learningu i Data Science stara się łączyć z przemysłem.

2. Jak optymalizować modele predykcyjne pod konkretne problemy biznesowe na przykładzie wykrywania fraudów płatniczych przez Nethone. Piotr Tempczyk

Fraud płatniczy jest problemem tak starym, jak czeki i karty kredytowe, a zatem jego korzenie sięgają połowy ubiegłego stulecia. Od samego początku, oszuści (tzw. fraudsterzy) podejmują próby wyłudzania pieniędzy poprzez fałszowanie instrumentów płatniczych oraz podszywanie się pod ich prawowitych dysponentów. Od samego początku, organizacje wydające i obsługujące karty oraz akceptanci płatności bezgotówkowych dokładają starań, by oszustwa udaremniać. Trwa nieustająca walka między biznesem a fraudsterami. Rozwój handlu online sprawił, że pole bitwy przeniosło się również do internetu, gdzie brak fizycznego kontaktu z kupującym oraz kartą dodatkowo ułatwiły przestępcom zadanie. Podczas prezentacji wprowadzę słuchaczy w temat fraudu płatniczego w internecie i opowiem o najnowszych metodach walki z nim za pomocą data science. Wyjaśnię m.in. na przykładzie xgboosta w jaki sposób z pomocą dedykowanych metryk pozyskiwać dane właściwe dla konkretnego przypadku biznesowego i jak wykorzystywać je do skutecznego zapobiegania oszustwom.

Piotr Tempczyk pełni funkcję Chief Data Scientist w spółce Nethone – polskiej firmie dostarczającej zaawansowane rozwiązania antyfraudowe oraz z obszaru Business Intelligence. Doświadczenie zdobył m.in. w firmach Gemius i Adpilot, gdzie budował infrastrukturę i modele na potrzeby badań rynku i reklamy online. Piotr jest absolwentem fizyki na Uniwersytecie Warszawskim oraz współzałożycielem Ogólnopolskiego Instytutu Uczenia Maszynowego.

Dominik Batorski

B.Twardowski

Data Science Warsaw

Technology

New Technology

Business Intelligence

Machine Learning

Big Data

Data Visualization

Predictive Analytics

Data Mining

Data Science

Data Analytics

Applied Statistics

Data Science Warsaw #29

Sala 107 Wydział MINI PW

Udostępnij

Data Science Warsaw

Data Science Warsaw #29

Data Science Warsaw

Szczegóły

Inne zainteresowania członków: