Conference program
Data Science Solutions Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
16:45 – 17:30
17:30 – 17:45
Conference Closing
AI Business Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
16:45 – 17:30
17:30 – 17:45
Conference Closing
Machine Learning Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 16:00
16:00 – 16:45
16:45 – 17:30
17:30 – 17:45
Conference Closing
Conference program
Data Science Solutions Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 13:00
13:00 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 16:30
16:30 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
AI Business Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 12:45
12:45 – 13:30
13:30 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 16:30
16:30 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
Machine Learning Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 12:45
12:45 – 13:30
13:30 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 16:30
16:30 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
Conference program
Data Science Solutions Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
Панельна дискусія: "AI in MilTech: від сенсора до рішення — як штучний інтелект змінює військові технології"
• Які реальні operational AI-застосунки вже використовуються в сучасних арміях і які — на підході?
• Що вигідніше для оборонних компаній: купувати готові AI-модулі у стартапів чи інвестувати у внутрішню розробку?
• Як правильно вибудувати POC з мінімальними ризиками й максимальною ймовірністю масштабування?
• Які є технічні обмеження для створення повністю автономних бойових систем і де зараз «червоні лінії»?
• Як забезпечити кібербезпеку AI-систем — захист моделей, даних й інфраструктури?
• Наскільки зараз ефективні методи explainability у бойових умовах і чи достатньо вони для довіри командирів?
• Як інтегрувати AI-рішення зі старою військовою інфраструктурою (legacy systems)?
• Які юридичні та етичні рамки мають бути впроваджені при виникненні автономного рішення, що приймає бойові рішення?
• Які вимоги з тестування й валідації моделей для застосунків у критичній інфраструктурі та бойових системах?
• Якою буде роль приватного сектору у розвитку MilTech: contractor, integrator, vendor чи partner?
• Як оборонні організації можуть підтримувати інноваційний pipeline (accelerators, sandboxes, procurement reforms)?
• Які технологічні прориви (sensors, communications, edge AI, hardware) найбільше вплинуть на MilTech у найближчі 5 років?
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
16:45 – 17:00
Conference Closing
AI Business Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
Панельна дискусія: "Дивний новий світ AI: що вже можна робити і як це змінює бізнес та суспільство"
• Які реальні «корисні утиліти» доступні бізнесу сьогодні (SaaS, open-source, платформи) — і скільки коштує їхня інтеграція?
• Які конкретні продукти або функціонал можна додати в існуючий сервіс протягом 1–3 місяців (MVP)?
• Які ролі у вашій компанії скоріше автоматизуються, а які стануть більш цінними; як планувати рескілінг?
• Які найпоширеніші помилки при виборі AI-утиліт (overfitting on hype, неправильно цілені PoC)?
• Як захищатися від ризиків: фейків, витоку даних, юридичних проблем? Які контрактні / технічні міри мінімуму?
• Чи готове регуляторне середовище вашого ринку (EU, US, UA) — і що чекати найближчі 1–2 роки?
• Які бізнес-моделі сьогодні найбільш прибуткові для AI-стартапів (SaaS, API, white-label, consulting + managed services)?
• Як виміряти успіх AI-ініціативи (KPIs для продуктів і організації)?
• Які етичні принципи мають стати обов’язковими при впровадженні AI-функціоналу в продукт?
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
Панельна дискусія: "Implementing AI in Business Processes — від PoC до масштабування"
• Які 3–5 бізнес-кейсів приносять найшвидший фінансовий ефект у реальному проєкті?
• Як правильно оцінити, чи варто впроваджувати готове SaaS-рішення чи будувати кастомний модуль?
• Який стартовий бюджет та timeline для PoC у малому, середньому та великому бізнесі?
• Які архітектурні підходи дозволяють плавно масштабувати PoC до enterprise-рівня?
• Як обрати партнера: чекліст ключових критеріїв (технологія, кейси, SLA, підтримка)?
• Які метрики використовувати для оцінки успішності автоматизації (MRR uplift, time-to-resolution, cost-per-ticket тощо)?
• Як комерціалізувати внутрішнє AI-рішення і перетворити його на продукт або додатковий сервіс?
• Які найтиповіші технічні та організаційні помилки, через які PoC не переходить у продакшн?
16:00 – 16:45
16:45 – 17:30
17:30 – 17:45
Conference Closing
Machine Learning Track
9:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
Панельна дискусія: "Технічні інновації в Machine Learning у 2025 році та прогноз на 2026"
• Які оптимізації (квантизація, pruning, LoRA, distillation) сьогодні дають найкращий trade-off latency ↔ quality для production LLM?
• Який інфраструктурний стек ви радите для RAG-сервісу з контекстом у сотні тисяч документів? (vector DB + cache + fine-tune?)
• Multimodal models — це наразі research-фокус чи реальна production-опція для бізнес-фіч? Які приклади вже працюють у проді?
• Які практики LLMOps сьогодні необхідні: evaluation pipelines, drift detection, rollout strategies? Які інструменти працюють найкраще?
• Чи маємо ми практичні стандарти для безпечного розгортання генеративних моделей (watermarking, filters, red teaming)?
• Які обмеження hardware-stack ще треба подолати, щоб масштабувати inference при низькій вартості? (GPU vs IPU vs NPU vs ASIC)
• Як data-centric підхід і synthetic data змінили life-cycle моделі в 2025 — і що варто робити у 2026?
• Що очікувати від MoE та sparse-моделей у 2026 — чи вони реально знизять TCO для великих систем?
• Які навички мають розвивати ML-інженери у 2025–2026 для успіху у production LLM системах?
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
Панельна дискусія: "Карʼєра Data Scientist зараз: що треба знати, щоб перемагати"
• Які 3 технічні навички роблять претендента «практичним» Data Scientist сьогодні?
• Які софт-скіли найчастіше вирішують долю проєкту — і як їх швидко прокачати?
• Які курси/сертифікації реально дають робочі вміння, а які — лише «фішку в резюме»?
• Як розробнику спланувати перехід у Data Science за 6–12 місяців (покроковий план)?
• Які базові практики MLOps повинен знати кожен Data Scientist, навіть якщо він не інженер інфраструктури?
• Які найчастіші технічні та організаційні помилки під час виведення моделей у прод (і як їх уникнути)?
• Як збирати портфоліо проєктів, щоб пройти співбесіду у mid/senior ролі?
• На що звертають увагу HR та техліди при оцінці кандидата на DS-посаду у 2025 році?
• Як правильно вибудувати career ladder у компанії: від DS до Tech Lead / Head of Data?
• Які нетворкінг-стратегії (конференції, meetups, OSS, менторство) дають найшвидший результат?
16:45 – 17:30
17:30 – 17:45
Conference Closing
Conference program
Data Science Solutions Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
Панельна дискусія: "AI in MilTech: від сенсора до рішення — як штучний інтелект змінює військові технології"
• Які реальні operational AI-застосунки вже використовуються в сучасних арміях і які — на підході?
• Що вигідніше для оборонних компаній: купувати готові AI-модулі у стартапів чи інвестувати у внутрішню розробку?
• Як правильно вибудувати POC з мінімальними ризиками й максимальною ймовірністю масштабування?
• Які є технічні обмеження для створення повністю автономних бойових систем і де зараз «червоні лінії»?
• Як забезпечити кібербезпеку AI-систем — захист моделей, даних й інфраструктури?
• Наскільки зараз ефективні методи explainability у бойових умовах і чи достатньо вони для довіри командирів?
• Як інтегрувати AI-рішення зі старою військовою інфраструктурою (legacy systems)?
• Які юридичні та етичні рамки мають бути впроваджені при виникненні автономного рішення, що приймає бойові рішення?
• Які вимоги з тестування й валідації моделей для застосунків у критичній інфраструктурі та бойових системах?
• Якою буде роль приватного сектору у розвитку MilTech: contractor, integrator, vendor чи partner?
• Як оборонні організації можуть підтримувати інноваційний pipeline (accelerators, sandboxes, procurement reforms)?
• Які технологічні прориви (sensors, communications, edge AI, hardware) найбільше вплинуть на MilTech у найближчі 5 років?
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
16:45 – 17:00
Conference Closing
AI Business Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
Панельна дискусія: "Дивний новий світ AI: що вже можна робити і як це змінює бізнес та суспільство"
• Які реальні «корисні утиліти» доступні бізнесу сьогодні (SaaS, open-source, платформи) — і скільки коштує їхня інтеграція?
• Які конкретні продукти або функціонал можна додати в існуючий сервіс протягом 1–3 місяців (MVP)?
• Які ролі у вашій компанії скоріше автоматизуються, а які стануть більш цінними; як планувати рескілінг?
• Які найпоширеніші помилки при виборі AI-утиліт (overfitting on hype, неправильно цілені PoC)?
• Як захищатися від ризиків: фейків, витоку даних, юридичних проблем? Які контрактні / технічні міри мінімуму?
• Чи готове регуляторне середовище вашого ринку (EU, US, UA) — і що чекати найближчі 1–2 роки?
• Які бізнес-моделі сьогодні найбільш прибуткові для AI-стартапів (SaaS, API, white-label, consulting + managed services)?
• Як виміряти успіх AI-ініціативи (KPIs для продуктів і організації)?
• Які етичні принципи мають стати обов’язковими при впровадженні AI-функціоналу в продукт?
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
Панельна дискусія: "Implementing AI in Business Processes — від PoC до масштабування"
• Які 3–5 бізнес-кейсів приносять найшвидший фінансовий ефект у реальному проєкті?
• Як правильно оцінити, чи варто впроваджувати готове SaaS-рішення чи будувати кастомний модуль?
• Який стартовий бюджет та timeline для PoC у малому, середньому та великому бізнесі?
• Які архітектурні підходи дозволяють плавно масштабувати PoC до enterprise-рівня?
• Як обрати партнера: чекліст ключових критеріїв (технологія, кейси, SLA, підтримка)?
• Які метрики використовувати для оцінки успішності автоматизації (MRR uplift, time-to-resolution, cost-per-ticket тощо)?
• Як комерціалізувати внутрішнє AI-рішення і перетворити його на продукт або додатковий сервіс?
• Які найтиповіші технічні та організаційні помилки, через які PoC не переходить у продакшн?
16:00 – 16:45
16:45 – 17:30
17:30 – 17:45
Conference Closing
Machine Learning Track
9:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
Панельна дискусія: "Технічні інновації в Machine Learning у 2025 році та прогноз на 2026"
• Які оптимізації (квантизація, pruning, LoRA, distillation) сьогодні дають найкращий trade-off latency ↔ quality для production LLM?
• Який інфраструктурний стек ви радите для RAG-сервісу з контекстом у сотні тисяч документів? (vector DB + cache + fine-tune?)
• Multimodal models — це наразі research-фокус чи реальна production-опція для бізнес-фіч? Які приклади вже працюють у проді?
• Які практики LLMOps сьогодні необхідні: evaluation pipelines, drift detection, rollout strategies? Які інструменти працюють найкраще?
• Чи маємо ми практичні стандарти для безпечного розгортання генеративних моделей (watermarking, filters, red teaming)?
• Які обмеження hardware-stack ще треба подолати, щоб масштабувати inference при низькій вартості? (GPU vs IPU vs NPU vs ASIC)
• Як data-centric підхід і synthetic data змінили life-cycle моделі в 2025 — і що варто робити у 2026?
• Що очікувати від MoE та sparse-моделей у 2026 — чи вони реально знизять TCO для великих систем?
• Які навички мають розвивати ML-інженери у 2025–2026 для успіху у production LLM системах?
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
Панельна дискусія: "Карʼєра Data Scientist зараз: що треба знати, щоб перемагати"
• Які 3 технічні навички роблять претендента «практичним» Data Scientist сьогодні?
• Які софт-скіли найчастіше вирішують долю проєкту — і як їх швидко прокачати?
• Які курси/сертифікації реально дають робочі вміння, а які — лише «фішку в резюме»?
• Як розробнику спланувати перехід у Data Science за 6–12 місяців (покроковий план)?
• Які базові практики MLOps повинен знати кожен Data Scientist, навіть якщо він не інженер інфраструктури?
• Які найчастіші технічні та організаційні помилки під час виведення моделей у прод (і як їх уникнути)?
• Як збирати портфоліо проєктів, щоб пройти співбесіду у mid/senior ролі?
• На що звертають увагу HR та техліди при оцінці кандидата на DS-посаду у 2025 році?
• Як правильно вибудувати career ladder у компанії: від DS до Tech Lead / Head of Data?
• Які нетворкінг-стратегії (конференції, meetups, OSS, менторство) дають найшвидший результат?
16:45 – 17:30
17:30 – 17:45
Conference Closing
Conference program
Data Science Solutions Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 12:45
12:45 – 13:30
13:30 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 16:30
16:30 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
AI Business Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 12:45
12:45 – 13:30
13:30 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
Machine Learning Track
09:00 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:00
12:00 – 12:45
12:45 – 13:30
13:30 – 14:00
14:00 – 15:30
15:30 – 16:00
16:00 – 17:00
17:00 – 17:30
17:30 – 18:15
18:15 – 19:00
19:00 – 19:15
Conference Closing
Conference program
Data Science Solutions Track
09:30 – 10:00
Registration
10:00 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 14:45
Conference Closing
AI Business Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 16:00
16:00 – 16:45
16:45 – 17:00
17:00 – 17:15
Conference Closing
Machine Learning Track
09:30 – 10:00
Registration
10:00 – 10:45
10:45 – 11:30
11:30 – 12:15
12:15 – 13:00
13:00 – 13:45
13:45 – 14:30
14:30 – 15:15
15:15 – 15:30
Conference Closing