ВІДЕОЗАПИС
AI & BigData Online Day 2021 Spring

3
Tracks
16
Hours of content
23
Videos
Data Science Solutions Track
09:30 – 10:00
09:30 – 10:00
Registration
10:00 – 10:45
10:00 – 10:45
CNN based predictive model case for 3D domain (RU)
Oleksandr Korobov
10:45 – 11:30
10:45 – 11:30
Pushing the boundaries of bioscience with AI (UA)
Oleksandr Gurbych
11:30 - 12:15
11:30 - 12:15
Recommender systems overview (UA)
Igor Lakoza
12:15 - 13:00
12:15 - 13:00
Deep Learning for Flood Forecasting (UA)
Yurii Malna
13:00 - 13:45
13:00 - 13:45
Копірайтер Vs GPT-3 (RU)
Alexander Studenyak
13:45 - 14:30
13:45 - 14:30
Віддалена фотоплетизмографія або як вимірювати пульс за допомогою селфі (RU)
Pavlo Vyplavin
14:30 - 15:15
14:30 - 15:15
Building modern recommender systems (RU)
Alexander Konduforov
Recommender systems are all around us nowadays. Suggesting products on Amazon, recommending movies to watch on Netflix and Youtube, personalized feed on Facebook - all these applications use quite advanced RecSys algorithms. In this talk, we'll explore both classic and modern ways of building recommender systems.
15:15 - 16:00
15:15 - 16:00
Analitics of data Science Profession (UA)
Oleksandr Romanko
17:30 - 17:45
17:30 - 17:45
Conference Closing
AI Business Track
09:30 – 10:00
09:30 – 10:00
Registration
10:00 – 10:45
10:00 – 10:45
Оркестрація інфраструктури для машинного навчання (RU)
Maxim Prasolov
Огляд існуючих інструментів MLOps та ефективний пайплайн штучного інтелекту в публічних, гібридних і приватних хмарах для розробки та деплойменту індустріальних ML-аплікацій.
10:45 – 11:30
10:45 – 11:30
Побудова корпоративної культури для впровадження інновацій з використанням штучного інтелекту (UA)
Oleksandr Krakovetskyi
11:30 - 12:15
11:30 - 12:15
AI meets genetics (UA)
Olha Romaniuk
12:15 - 13:00
12:15 - 13:00
Huawei AI computing in Europe and real-life cases (RU)
Goran Licanin
13:00 - 13:45
13:00 - 13:45
Turning machine learning models into stuff that actually helps people and makes money (UA)
Andrii Belas
З мого досвіду впровадження Data Science рішень в різних компаніях, інженери доволі гарно розуміють теорію і вміють розробляти моделі. Причиною провалів більшості проектів, на мою думку, є проблеми з процесами, а саме неправильно виконана, або взагалі пропущена перша стадія проекту - постановка задачі. В доповіді поговоримо про те, як правильно перетворювати бізнес задачу на задачу Data Science так, щоб вона приносила найбільшу користь.
13:45 - 14:30
13:45 - 14:30
How ML technology helps solving specific business problems (UA)
Borys Pratsiuk
15:15 - 16:00
15:15 - 16:00
Чи мріють андроїди про електричних овець? AI & ART (UA)
Zoryana Andrusyak
Огляд на застосунок AI в різноманітних мистецьких сферах та алгоритми, які для цього використовують.
16:00 - 16:45
16:00 - 16:45
Ukrainian startup fund have to (UA)
Igor Markevych
16:45 - 17:30
16:45 - 17:30
GDPR compliance як тригер продажів для data проектів (UA)
Anton Tarasiuk
• Обіг персональних даних в DATA/AI проектах та його законність за GDPR.
• Демонструємо GDPR compliance та продаємо західним B2B клієнтам.
• Фічі та фішки GDPR compliance для складних механік в data science проектах.
17:30 - 17:45
17:30 - 17:45
Conference Closing
Machine Learning Track
09:30 – 10:00
09:30 – 10:00
Registration
10:00 – 10:45
10:00 – 10:45
Federated Learning на практиці (UA)
Andy Bosyi
10:45 – 11:30
10:45 – 11:30
Трансформери в Computer Vision: DALL-e, CLIP, та інші (RU)
Dimitri Nowicki
11:30 - 12:15
11:30 - 12:15
Why the amazon sellers are buiyng the RTX 3080: Dynamic pricing with RL (UA)
Andrii Prysiazhnyk
13:00 - 13:45
13:00 - 13:45
Neural Odyssey 2021: DALL•E and CLIP from OpenAI (RU)
Michael Konstantinov
13:45 - 14:30
13:45 - 14:30
Practical approach to the conversational interfaces (UA)
Roman Storchak
Про RnD та виклики у продукті http://zing.coach. Це мобільний застосунок, що виконує функцію персонального фітнес тренера. Zing, по суті, є спеціалізованим goal-oriented chatbot-ом, який враховує довгий контекст взаємодії з користувачем.

У доповіді ми розглянемо кілька підходів до побудови таких рішень та виклики що стоять на нашому шляху.
14:30 - 15:15
14:30 - 15:15
Longitude and Latitude, the tricky dimensions (UA)
Volodymyr Bilonenko
Talk audience: Primary Data Analysts, Data Engineers and less Product Owners, Data Scientists.
15:15 - 16:00
15:15 - 16:00
Azure Machine Learning Service (RU)
Viktor Tsykunov
Technical Overview , Usecases, and Implemented Project Examples.
16:00 - 16:45
16:00 - 16:45
Modelling Customer Behaviour (UA)
Liubomyr Bregman
16:45 - 17:30
16:45 - 17:30
Running ML models at scale: pitfalls and learnings (UA)
Vitalii Duk
The talk will go through some real-world challenges of deploying and maintaining Machine Learnings in production and how to solve them.
• Scalable automated ML model deployments in production.
• Drift detection in ML models.
• Feature importance and interpretability.
• Monitoring and alerting of ML pipelines.
17:30 - 17:45
17:30 - 17:45
Conference Closing