Rejestracja

Wykorzystanie AI do analizy zachowania użytkowników Internetu. Gdzie szukać wartości biznesowej?

Chciałbym się podzielić swoim doświadczeniem związanym ze stosowaniem sztucznej inteligencji i zaawansowanej analityki do analizy zachowania użytkowników. Zacznę od określenia jak rozumiem zakres użycia sztucznej inteligencji. Potem opowiem o kilku obszarach, w których warto używać zaawansowanych technik analitycznych. W każdym z przypadków opowiem o konkretnych projektach, które miałem okazję osobiście realizować. Wystąpienie chciałbym zakończyć omówieniem kilku problemów, na które natrafiłem a które wydają się mi dość uniwersalne. Chciałbym też krótko opowiedzieć jak widzę przyszłość AI w obszarze analizy danych.

It’s all about data

Data Courage przedstawi swoje podejście do Business Intelligence, które polega na połączeniu klasycznych sprawdzonych instrumentów i nowoczesnych technologii Data Science. Dowiesz się o zastosowaniu AI i ML w biznesie, o najlepszym narzędziu do Analityki Biznesowej i Process Digitalization w praktyce.

Jak zobaczyć i zrozumieć dane gdy jest ich mnóstwo, są w nietypowej postaci i coraz częściej nie są to tylko dane finansowe?

Dlaczego w jednych firmach Business Intelligence nie wnosi nic nowego, a w innych staje się elementem przewagi konkurencyjnej i ma absolutnie strategiczne znaczenie? Czy chodzi tylko o narzędzie? Jak Tableau może zmienić pracę analityka, managera, Firmy?

Panel Wystawców

Przerwa kawowa

Zastosowania przetwarzania danych real-time i technologii Big Data

Nieustannie rosnący wolumen produkowanych danych oraz biznes wymagający by reagować na zdarzenia w czasie rzeczywistym, stały się impulsem do powstania nowych technologii. W trakcie prezentacji zostanie przybliżona koncepcja Online Data Platform opartej o paradygmat przetwarzania strumieniowego oraz technologie Big Data. Przyjrzymy się z bliska rozwiązaniom, które pozwalają na przetworzenie i analitykę dużych wolumenów danych oraz obecnym i przyszłym zastosowaniom platformy.

Nowoczesne hurtownie danych i sztuczna inteligencja

Współczesne oczekiwania biznesowe wymuszają analizę danych z systemów wewnętrznych (dziedzinowych, np. ERP czy CRM)  z danymi otaczającego nas świata (Big Data, IoT). Z odsieczą przychodzą rozwiązania chmurowe. Ich główne atuty - skalowalnść i łatwa integracja - automatyzują, podnoszą wydajność oraz jakość wiedzy. Przybliżają też firmy do kolejnego kroku - sztucznej inteligencji.

Inżynieria uczenia maszynowego

Poznając metody modelowania i uczenia maszynowego, często skupiamy się na poznaniu różnych algorytmów, architektur, technik preprocesingu i wszystkiego, co pozwala poprawić miary błędu. Trzeba jednak pamiętać, że finalnym celem jest otrzymanie działającego systemu, w którym nasz model generuje dobre predykcje i nie sprawia problemów. W trakcie prezentacji omówimy kluczowe z punktu widzenia długoterminowego sukcesu elementy związane z takimi systemami jak choćby: definiowanie wymagań, testowanie nowych modeli, czy też monitorowanie i diagnostyka.

Przerwa kawowa

Data Science w PMI – czyli jak tworzyć oprogramowanie, którego silnikiem są dane

Data Science jest dziedziną, w której najlepsze wyniki osiąga się w oparciu o multi-dyscyplinarne zespoły. Wymaga ona posiadania wiedzy z zakresu wielu dziedzin, spośród których można by dla przykładu wymienić statystykę i informatykę. Ponadto analitycy danych powinni znać odpowiednie narzędzia i praktyki służące do tworzenia oprogramowania, którego „silnikiem” są dane. W trakcie spotkania AI Road to Kraków podzielimy się z Wami naszym kilkuletnim doświadczeniem z zakresu tworzenia oprogramowania pomagającego globalnej organizacji jaką jest Philip Morris International w podejmowaniu właściwych decyzji biznesowych w oparciu o dane. Ponadto zostanie pokazane, w jaki sposób technologie (takie jak: Kubernetes, Docker, Artifactory, Jenkins, Airflow) i metody (Cookiecutter, CI / CD oraz GitFlow), jakże dobrze znane z inżynierii oprogramowania, pomogły w budowie uniwersalnej platformy pozwalającej na dość dużą swobodę podczas eksperymentowania z danymi, we wczesnej fazie projektu, oraz przejrzystość i łatwość implementacji końcowego produktu, szybkiego wdrożenia go i utrzymywania.

Framework do wdrażania modeli predykcyjnych – doświadczenia i dobre praktyki

Dwa najczęstsze typy rozwiązań wdrażanych przez naszych inżynierów danych to modele predykcyjne i transformacje danych (ETL). W trakcie naszej prelekcji podzielimy się doświadczeniami związanymi z tymi projektami, wskażemy problemy, które można napotkać i przedstawimy dwa frameworki (Py4ETL i PreMOD) które zaprojektowaliśmy aby przyśpieszyć i uprościć te wdrożenia.

Nowoczesne systemy zarządzania dokumentami i informacją - architektura integracji z BI

Losowanie nagród i zakończenie konferencji