Все о самом перспективном инструменте для бизнеса, основанном на технологии искусственного интеллекта.
Искусственный интеллект, машинное обучение, глубокое обучение, когнитивная и предиктивная аналитика - как отличить одну технологию от другой и разобраться в специфике их применения.
В рамках курса вы сможете погрузиться в мир технологий предназначенных для анализа данных, познакомитесь с проектами и разработками, которые имеют большой потенциал развития и распространения.
Представители международных корпораций, занимающихся анализом данных на протяжении многих лет расскажут о том, как сэкономить и заработать на грамотном использовании данных и технологии машинного обучения.
Машинное обучение в реальном бизнесе:
Области применения технологий машинного обучения довольно широки - уже сейчас самообучающиеся алгоритмы помогают определять ценность и качество данных, сортировать их по определенному признаку, подбирать наиболее релевантный контент при поиске информации, существенно оптимизировать маршрутизацию и маркировку запросов клиентов.
Многие компании на сегодняшних день активно используют и инвестируют в развитие технологий машинного обучения, и не потому, что это модно, а потому, что это действительно приносит прибыль.
Что вы узнаете?
- Как отличить machine learning от deep learning и AI, в чем специфика технологий предиктивной аналитики
- В чем секрет столь высокого интереса к технологиям машинного обучения
- Как машинное обучение применяется в России уже сейчас и каковы перспективы его дальнейшего развития
- Каковы основные стратегии управления проектом по машинному обучению
- Какие требования предъявляются к данным и как обеспечить их качество
Чему вы научитесь?
- Определять сферы применения машинного обучения в собственном бизнесе
- Планировать стратегии управления проектами в области машинного обучения - от наладки до эксплуатации самообучающихся алгоритмов
- Приоритизировать задачи в проекте по машинному обучению, избегать наиболее распространенных ошибок
Для кого этот курс?
- Руководителей аналитических департаментов банков. Познакомиться с примерами интеграции технологии и почерпнуть свежие идеи
- Технологических компаний. Интеграторов - узнать на какие технологические решения есть спрос на рынке
- Инноваторов из различных отраслей. Найти применение уже имеющимся в компании данным
- Основателей стартапов в сфере маркетинга, продаж, финансовых технологий
- Руководителей ИТ департаментов, имеющих дело с обработкой и анализом данных
Бонус
Познакомитесь с кейсами IBM, узнаете о последних разработках компании в области ML/DL, а также узнаете немного больше о технологиях визуальных вычислений крупнейшей компании NVIDIA и продуктами компании VisionLabs, имеющей официальный статус резидента инновационного центра Сколково и специализирующейся на создании программных решений и сервисов на базе технологий компьютерного зрения и машинного обучения.
Программа
09:45 — 10:00 Регистрация и приветственный кофе
10:00 — 12:00 Что такое машинное обучение и где оно применяется
Наталья Булкина, эксперт по инновационным аналитическим решениям, IBM
12:00 — 12:15 Перерыв
12:15 — 13:15 Открытое обсуждение реальных кейсов, живая дискуссия
Наталья Булкина, эксперт по инновационным аналитическим решениям, IBM
13:15 — 13:30 Перерыв
13:30 — 14:30 Решения NVIDIA для AI
Дмитрий Конягин, руководитель отдела продаж профессиональных решений, NVIDIA
- Платформа NVIDIA для AI
- TCO решения для AI на базе GPU
- Облако NVIDIA GPU Cloud
- Где и как искать/учить таланты
- Примеры инструментов и приложений демократизирующих data science
14:30 — 15:30 Обед
15:30 — 16:30 Встраивание алгоритмов машинного обучения в бизнес заказчика
Сергей Вихарев, Senior Industry Consultant, “Терадата”
- Рассмотрение реального кейса из транспортной индустрии
- Кейс о видеоаналитике в бизнесе перевозчиков общественного транспорта
- Алгоритм распознавания изображений
- А также, внедрение результатов работы алгоритмов распознавания изображений в бизнес заказчика, трансформация его процессов и оптимизация затрат
- Обсудим естественные преимущества систем распознавания видеоданных над датчиковыми системами