21 февраля 2023 г. в 17.00 (мск) пройдет вебинар «Как построить систему геоаналитики с применением ML?».
На вебинаре поговорим про особенности создания ML-решений на примере построения геоплатформы — системы предиктивной аналитики на основе геопространственных данных.
Разберем технологический стек, поговорим про разработку алгоритмов машинного обучения и подходы к решению оптимизационных задач. Специфику реализации конкретных кейсов — рассмотрим на примере систем геоаналитики для ритейла, застройщиков и отельного бизнеса.
Вебинар будет полезен архитекторам, разработчикам решений на основе машинного обучения, дата-инженерам и дата-аналитикам.
В конце вебинара — Q&A-сессия со спикерами.
Спикеры:
- Александр Мамаев, руководитель отдела машинного обучения и анализа данных, PREDICT, VK
- Артем Агафонов, руководитель группы геоаналитики, PREDICT, VK
- Александр Волынский, PM сервиса Cloud ML Platform, VK Cloud
Как построить систему геоаналитики с применением ML?
- Анонс
- Программа
- Участники
- Спикеры
21 февраля 2023 г. в 17.00 (мск) пройдет вебинар «Как построить систему геоаналитики с применением ML?».
На вебинаре поговорим про особенности создания ML-решений на примере построения геоплатформы — системы предиктивной аналитики на основе геопространственных данных.
Разберем технологический стек, поговорим про разработку алгоритмов машинного обучения и подходы к решению оптимизационных задач. Специфику реализации конкретных кейсов — рассмотрим на примере систем геоаналитики для ритейла, застройщиков и отельного бизнеса.
Вебинар будет полезен архитекторам, разработчикам решений на основе машинного обучения, дата-инженерам и дата-аналитикам.
В конце вебинара — Q&A-сессия со спикерами.
Спикеры:
- Александр Мамаев, руководитель отдела машинного обучения и анализа данных, PREDICT, VK
- Артем Агафонов, руководитель группы геоаналитики, PREDICT, VK
- Александр Волынский, PM сервиса Cloud ML Platform, VK Cloud
В программе:
- Разбираем кейсы и обсуждаем специфику построения ML-моделей и подходы к разработке проектов.
- Технологический стек для работы с Machine Learning: какие инструменты пригодятся, как их выбрать и применять.
- QA-сессия.
