Program – Košice

Nadchádzajúce meetupy

Rozpoznávanie šiat vo fashion industry – neurónky vs. geometrický prístup (RNDr. Andrej Hosťovecký, PhD.)

‘Learning to rank’ je zvláštní disciplína. Dodnes se k ní přistupuje jako ke klasifikaci, regresi i jako k vlastní zvláštní disciplíně. Co víc, narozdíl od jiných problémů, zde se stále neprosadil deep learning a state of the art je založen na rozhodovacích stromech. Ačkoliv je řazení výsledků ve vyhledávačích nejčastěji uváděnou aplikací rankingu, přínosný může být kdekoliv. Přijďte si poslechnout příběh (nejen) o tom, jak ani několikaleté zkušenosti s vývojem rankingu v Seznam.cz nemusí znamenat bezproblémové nasazení ve fintech oblasti, proč ani světoví fintech experti nedokážou nahradit algoritmus strojového učení a na co si machine learning engineer musí dávat pozor v oboru, kde za každým rohem číhá regulátor. Během prezentace se také podíváme na to, jak fungují algoritmy pro learning to rank a v čem je ten háček, jak běžně vypadá řešení rankingu (od ‘do it yourself’ úrovně po state of the art) a jak do toho všeho zapadá ranking ve fintech startupu založeném na AI. Marek vystudoval obor Umělé inteligence na pražském ČVUT. Vzhledem ke zkušenostem, které měl s rankingem, následně nastoupil do výzkumného týmu Seznam.cz, kde se dále věnoval mimo jiné rankingu a zlepšování vyhledávání, které ještě donedávna v ČR plnohodnotně konkurovalo Googlu. Po několika letech v Seznamu Marek přešel do CEAI, kde se dále věnuje zpracování jazyka a rankingu, a to zejména ve fintech oblasti.

Minulé meetupy

Rankingová Alenka ve fintechové říši divů (Marek Modrý)

‘Learning to rank’ je zvláštní disciplína. Dodnes se k ní přistupuje jako ke klasifikaci, regresi i jako k vlastní zvláštní disciplíně. Co víc, narozdíl od jiných problémů, zde se stále neprosadil deep learning a state of the art je založen na rozhodovacích stromech. Ačkoliv je řazení výsledků ve vyhledávačích nejčastěji uváděnou aplikací rankingu, přínosný může být kdekoliv. Přijďte si poslechnout příběh (nejen) o tom, jak ani několikaleté zkušenosti s vývojem rankingu v Seznam.cz nemusí znamenat bezproblémové nasazení ve fintech oblasti, proč ani světoví fintech experti nedokážou nahradit algoritmus strojového učení a na co si machine learning engineer musí dávat pozor v oboru, kde za každým rohem číhá regulátor. Během prezentace se také podíváme na to, jak fungují algoritmy pro learning to rank a v čem je ten háček, jak běžně vypadá řešení rankingu (od ‘do it yourself’ úrovně po state of the art) a jak do toho všeho zapadá ranking ve fintech startupu založeném na AI. Marek vystudoval obor Umělé inteligence na pražském ČVUT. Vzhledem ke zkušenostem, které měl s rankingem, následně nastoupil do výzkumného týmu Seznam.cz, kde se dále věnoval mimo jiné rankingu a zlepšování vyhledávání, které ještě donedávna v ČR plnohodnotně konkurovalo Googlu. Po několika letech v Seznamu Marek přešel do CEAI, kde se dále věnuje zpracování jazyka a rankingu, a to zejména ve fintech oblasti.

Live predictions with schemaless data at scale (Ondrej Brichta)

Imagine you have huge amounts of data about your customers. All this data is schemaless and represents everything a customer is doing in your e-shop. From page visits and banner showings to purchases or registrations. Having all this data is a data scientists wet dream but also a nightmare at the same time. The data is schemaless and every project you track can send you different attributes and event types. Now, here comes the hard work. Create some universal data preprocessing engine which can turn all of this data into something that is reasonable and useful for machine learning algorithms for any project you have.
We will show you, how this is done at Exponea and much more. How to connect this data to Spark ML library and then translate the model into a sequence of mathematical functions and aggregation methods for our in memory database to evaluate it on all customers in real time. Ondrej Brichta – currently working at Exponea as AI Engineer. Studying Logic and computability at Vienna University of Technology, alumni of Nexteria Leadership Academy and Matfyz in Bratislava

Klasifikácia rakovinových nádorov pomocou machine learningu (Daniel Kuchta)

To, že machine learning úplne pretransformuje takmer všetky oblasti ľudskej činnosti je dnes už takmer old news. Jednou z týchto oblastí je určite aj medicína. Daniel bude rozprávať o tom, ako v GlobalLogic v Košiciach používaju rôzne machine learning prístupy na klasifikáciu rakovinových nádorov z CT snímkov. Môžete sa tešiť na priblíženie techník ako extrakcia features z CT snímkov, AutoML, 3D konvolučné neurónové siete a mnoho ďalšieho.

 

Daniel v súčasnosti pôsobí ako Head of Machine Learning Practice v GlobalLogic v Košiciach, kde má na starosti rozvoj machine learning tímu, získavanie skúseností s novými ML technológiami a ich uplatnenie v praxi na rôznych projektoch.

 

Máš nápad na prednášku? Ozvi sa nám na info@mlmu.sk