Митап про DataScience
«Ростелеком» проведет встречу, посвященную вопросам Artificial Intelligence (искусственный интеллект), Data Science (наука о данных) и Machine Learning (машинное обучение). Участники мероприятия узнают, как запускались решения Data Science в компаниях «Ростелеком», «Газпромбанк», «Леруа Мерлен» и «Утконос онлайн».
Встреча будет интересна специалистам в управлении данными, CDO, а также представителям бизнеса и ИТ-специалистам смежных направлений.
Участники мероприятия обсудят вопросы:
- Как убедить бизнес инвестировать в искусственный интеллект?
- Как выстроить процессы разработки моделей, если запросы от бизнеса превышают ресурсы команды?
-
Какие ошибки можно совершить при построении Data Science с нуля и какой бизнес-эффект можно получить, если все сделать правильно?
В конце встречи состоится круглый стол, посвященный промышленным подходам к продвинутой аналитике.
«Ожидания от внедрения решений с использованием технологий искусственного интеллекта часто не оправдываются. Многие компании инвестируют в Data Science, рассчитывая получить быстрый эффект, и часто разочаровываются. Возврат инвестиций в этом направлении возможен только при достижении определенного уровня технологий, процессов и культуры работы с данными в компании. На нашем митапе мы хотим сместить фокус с “вау-эффекта” от применения технологий искусственного интеллекта на реальную практику монетизации данных. Я думаю, это поможет слушателям определиться с подходами к операционализации Data Science», — рассказал директор по управлению данными «Ростелекома» Сергей Носов.
Спикеры также расскажут, как бизнес-требования влияют на архитектуру платформы Data Science и ответят на вопросы:
- Как построить функцию управления данными в компании, чтобы Data Science заработал?
- Какие технические решения лучше использовать для построения моделей ИИ: Open Source или Enterprise?
- С чего лучше выстраивать работу в направлении Data Science в компании: с платформы или разработки моделей и MVP?
- Что эффективнее: купить готовую платформу или разрабатывать собственное решение?
- Какие возможности дает Data Science бизнесу?