Запускаючи ML-модель, ми хочемо, щоб вона приносила цінність для бізнесу.

Але як зрозуміти, що запущена модель справді вплинула на бізнес-процес та покращила його?


Для цього існує методика А/Б тестування, основні ідеї якої будуть розглянуті у цій доповіді. Ми розглянемо кейси для застосування А/Б тестування, основні підходи, які можна використовувати, та практичні інструменти, що дозволяють підрахувати реальний ефект.

В доповіді я розповім, що я роблю, щоб допомогти людям та країні в тяжкі часи війни.

Поділюсь досвідом своїх успішних і не дуже ініціатив. Розкажу з досвіду, які технології допомагають та що доцільно використовувати.

Також розповім про нові сервіси, продукти та технології Microsoft, які вже можна використовувати.

The main narrative in the AI world today is data-centric - the more data you have, the better it is for your company financially (in the worst case you can always sell the data). Today AI is a logical strategic investment, so why don't we apply investment principles to it? Celebrated Taleb's barbell states that we should invest only in assets with low risk and almost-promised returns, or in extremely risky assets that promise even more returns. Nothing else in the middle! In this talk, I want to present a system for the evaluation of AI projects on a similar scale. We will study extremely risky deep tech startups, as well as commoditized cloud, AI tools, and will review that "middle" part that you have to avoid in any case. The talk will be interesting for key decision-makers: AI investors, product and R&D managers.

• Feature selection: що це і навіщо він потрібен?
• Методи feature selection: огляд, недоліки та переваги;
• Sequential Feature Selection - «новинка» у техніках feature selection.

What will be discussed:

• why GCP becomes popular;
• migration phases;
• pipelines migration;
• schema and data migration;
• storing data (where better to store data for different use cases).