Машинное обучение для бизнеса

10:30

Регистрация и приветственный кофе

11:00

Machine Learning, или Трансформация данных в деньги

Александр Хайтин Yandeх Data Factory

Взаимодействие бизнеса и науки всегда протекало непросто. Мечта бизнеса о философском камне, превращающем всё что угодно в золото, до сих пор остаётся мечтой. Однако применение технологий машинного обучения даёт возможность превращать в деньги данные. Александр расскажет, как подойти к этой задаче практически, чего ждать от первого проекта и почему встроить новые технологии в существующий бизнес не так сложно.

11:40

Data-driven Sberbank. Кейсы применения ML и AI в банке

Андрей Черток Сбербанк

Для специалистов по анализу данных банковская сфера загадочна и окутана различными мифами. В выступлении речь пойдёт не только о классических банковских задачах скоринга и антифрода, но и о более специфических кейсах: использовании ML для HR, для построения рекомендательных систем и чат-ботов, для решения задач прогнозирования стоимости жилья и спроса на деньги в банкоматах. Поговорим о том, как мы хотим использовать «горячие» подходы вроде deep reinforcement learning в бизнес-процессах.

12:20

12:40

Meteum для бизнеса: как точный прогноз погоды помогает предиктивной аналитике

Дмитрий Соломенцев Яндекс

В современной высокотехнологичной экономике нет ни одной индустрии, эффективность которой не зависела бы от погоды. От сочетания температуры, влажности, осадков и нескольких других факторов, зависит доходность агрикультурного сектора. От неё в свою очередь зависят фондовые индексы. От того, идёт ли за окном дождь, зависит конверсия рекламных баннеров, частота заказов такси и доставки пиццы. Колебания графиков температуры и влажности приводят к многомиллиардным прибылям и убыткам.

В таких условиях точный прогноз погоды — жизненно важный фактор аналитики и принятия решений. На основе прогнозов погоды построены как аналитические системы, так и системы поддержки принятия решений. Ключевое конкурентное преимущество на этом рынке — точность прогнозов погоды, на основе которых строится сложная аналитика.

В прошлом году Яндекс разработал и представил технологию Meteum, способную делать точные гиперлокальные прогнозы погоды. Многократно протестировав технологию на самом посещаемом погодном сервисе в России, мы готовы направить её на решение задач в сегменте B2B. В докладе мы расскажем про то, как устроена технология и какие возможности она даёт потенциальным заказчикам.

13:20

Всё, что вы делали не так в проектах с машинным обучением, но стеснялись об этом рассказать

Михаил Левин Yandex Data Factory

Как известно, если что-то может пойти не так, оно пойдёт не так — особенно если это проект с машинным обучением. Михаил расскажет, как избежать типичных, но от этого не менее досадных ошибок: от неправильной постановки задачи до сомнительных метрик и нежизнеспособных A/B-тестов. Всё разберём на примерах из нашей и коллективной практики.

14:00

Перерыв

14:30

Тема доклада уточняется

15:10

Блиц: как приручить машинное обучение?

Модератор — Андрей Себрант.

Машинное обучение может быть полезно любому бизнесу. Однако не стоит пытаться решать с его помощью все задачи подряд.

Какие бизнес-процессы хорошо оптимизируются с помощью МО? Как найти конкретные точки приложения МО в конкретном бизнесе? С чего начинать и как действовать, чтобы всё получилось?