На конференциях Data & Science эксперты по работе с большими данными рассказывают об их применении в науке, экономике и других сферах жизни. В этот раз речь пойдёт о бизнесе.
На конкретных примерах мы рассмотрим жизненный цикл проектов data science, поговорим о тонкостях реализации и проблеме аргументации результатов заказчику, затронем тему найма и оценки специалистов. Также обсудим Revenue Share в проектах data science.
Мероприятие предназначено для разработчиков решений data science и для людей из бизнеса, которые сотрудничают с дата-исследователями, управляют проектами и инвестируют в них.
Программа
12:00 Регистрация
13:00 Жизненный цикл коммерческого ML-проекта. Александр Белугин, Приглашённый преподаватель ФКН ВШЭ
Я расскажу о процессе выбора задач для ML, тонкостях реализации и дальнейшем развитии проекта с учётом непрерывно меняющегося мира.
13:20 Revenue Share в проектах data science, или Как не остаться без штанов. Роман Чеботарев, CTO Theta Data Solutions
В России всё чаще используется схема Revenue Share, по которой заказчик платит исполнителю соразмерно достигнутому эффекту. В докладе рассмотрим важные аспекты и подводные камни такого ведения проектов в России.
13:50 Кофе-брейк
14:05 Как не работать в стол: управление проектами с высокой ценой ошибки. Алексей Арустамов, Loginom Company (ex. BaseGroup Labs)
Чем дороже последствия принятия неверного решения, тем сложнее убедить бизнес-пользователей, что можно полагаться на машинное обучение и аналогичные подходы. Если у заказчика не будет понимания, почему предлагается именно такое решение, дальше статьи в журнале и выступления на конференции ваша модель может не уйти. Я покажу и расскажу, что надо учитывать при ведении подобных проектов и как убедить бизнес-заказчиков, что модель жизнеспособна.
14:35 Нужно ли специалисту data science становиться ML-инженером? Андрей Белов, Яндекс
Я расскажу о совмещении ролей исследователя данных и разработчика: какие возможности это дает сотруднику и компании.