Скачать или смотреть Правильная формулировка проблем в ML задачах как залог успеха — Олег Богуславский, Ring Ukraine.

Data Science UA Conference
17 марта
Киeв

Data Science UA — 4-ая конференция о машинном обучении, искусственным интеллекте и науку о данных в Киеве.

Олег Богуславский — General Manager, Ring Ukraine.

Окончил факультет прикладной математики и факультет менеджмента (второе высшее образование) НТУУ «КПИ» в 2003-2004 гг. Работает более 16 лет в области разработки ПО для встроенных SoC и MPSoC систем компаний Motorola / Freescale, Mindspeed, AMD, LGE, NVidia, Renesas ; из них более 12 лет - на руководящих должностях. Имеет большой опыт управления распределенными командами (США, Китай, Франция, Россия). Сейчас руководит коллективом, в котором работает более 150 высококвалифицированных специалистов.
Имеет 9 научных публикаций, технологическую экспертизу в:
-VoIP;
-видеокодеках и потоковой передаче видео в реальном времени;
-GPU compute (включая оптимизацию нейронных сетей для embedded GPU)
-побудови высоконагруженных отказоустойчивых систем, работающих в режиме реального времени;
-виришенни задач Augmented Navigation в области Automotive.

Поговорим о том, как правильная постановка задачи влияет на качество результатов, полученных в результате использования методов ML. На примерах разберем, как учет особенностей физической природы данных и избрание верных KPI позволяет решить некоторые инженерные задачи.

Больше событий на https://data-science.com.ua/events/

——————————

Закінчив факультет прикладної математики та факультет менеджменту (друга вища освіта) НТУУ «КПІ» у 2003-2004 рр. Працює понад 16 років у галузі розробки ПО для вбудованих SoC та MPSoC систем компаній Motorola / Freescale, Mindspeed, AMD, LGE, NVidia, Renesas; з них більше 12 років - на керівних посадах. Має великий досвід управління розподіленими командами (США, Китай, Франція, Росія). Наразі керує колективом, у якому працює понад 150 висококваліфікованих фахівців. Має 9 наукових публікацій, технологічну експертизу в:
-VoIP;
-відеокодеках та потоковій передачі відео в реальному часі;
-GPU compute (включаючи оптімізацію нейронних мереж для embedded GPU);
-побудові високонавантажених відмовостійких систем, які працюють у режимі реального часу;
-вірішенні завдань Augmented Navigation в галузі Automotive.

Поговоримо про те, як правильна постановка задачі впливає на якість результатів, що отримані в результаті використання методів ML. На прикладах розберемо, як урахування особливостей фізичної природи даних та обрання вірних KPI дозволяє вирішити деякі інженерні задачі.

Більше подій на https://data-science.com.ua/events/

#DataScience #DataScienceUA #NLP #textsummarisation #МлПродукт #DeepLearning #MachineLearning #МашинноеОбучение #ИскусственныйИнтеллект #НейронныеСети #НейроннаяСеть #СтруктураДанных #ГлубокоеМашинноеОбучение #MachineLearningProjects #айтиконференция #itконференция #айтимероприятие