Machine Learning Pipelines || Webbapplikationer i R med Shiny

Hur kan du enkelt bygga skräddarsydda webb-applikationer där verksamheten i en organisation interaktivt kan utforska din analys eller modell? Hur sätter man upp flöden för Machine Learning-modeller på en av Sveriges största myndigheter?

På denna Meetup får vi besök, och svar på dessa frågor, av Simon Löfwander från Ferrologic Analytics och Martin Skoglund från Arbetsförmedlingen.

Välkommen att nätverka med andra data scientists och lyssna på två intressanta presentationer!

Webbapplikationer i R med Shiny
Simon Löfwander, Ferrologic
********************************************************
Shiny är ett paket i R skapat för att bygga web-applikationer direkt i R. Med Shiny kan Data Scientists standardisera och produktionssätta tränade modeller, metoder och visualiseringar och på så sätt demokratisera Data Science ut i en hel organisation. Med hela R-s ekosystem i ryggen, samt möjlighet att koppla på alla Pythons bibliotek, är Shiny ett smidigt sätt att skala upp och skapa skräddarsydda lösningar tillgängliga för hela organisationer, helt utan att behöva kunna något om webbutvecklingen.

På denna Meetup går Simon Löfwander igenom vad R Shiny är, hur det funkar i praktiken och varför det har en plats bland alla verktyg och plattformar som idag finns inom världen av Data Science.

Simon Löfwander är Data Scientist på Ferrologic och har lång erfarenhet av att bygga web-applikationer i R och Shiny med det ultimata syftet att integrera och standardisera Data Science i organisationer och göra det mer lättåtkomligt för alla - oavsett bakgrund.

Machine Learning Pipelines
Martin Skoglund, Arbetsförmedlingen
********************************************************
Att exponera en Machine Learning-modell kräver inte längre ett stort team med olika IT-kompetenser, men vad händer sen? Vad händer när det kommer in ny data och vi vill byta modell? Hur kan vi göra datatransformeringar så de är återanvändbara i andra projekt? Dagens utmaningar handlar mer om att hantera modeller över tid. De senaste åren har begrepp som Machine Learning Pipeline och Feature Stores börjat få större utrymme i diskussioner kring machine learning.

Arbetsförmedlingen är inne i en av de största reformationerna i svensk myndighetshistoria. Det finns en ambition att bli analysdriven utan att ha passerat stadiet datadriven. På denna Meetup kommer Martin Skoglund, Data scientist på Arbetsförmedlingen, berätta hur de arbetar med att utveckla en plattform, baserat på open source komponenter, som ska göra det enklare att hantera hela flödet från att skapa ett träningsdata till att exponera och följa upp machine learning modellen.

Agenda
********************************************************
17:15 – Dörrarna öppnas, ta en öl, lite snacks och nätverka
17:45 - 18:15 – Simon Löfwander, Ferrologic
18:15 – Break (inkl macka)
18:45 - 19:30 – Martin Skoglund, Arbetsförmedlingen