7 марта 2024 года состоится Woman in Data Science Meetup.
1. [Мега]Матчер. Система соответствий товаров: ожидания, проблемы и решения в e-commerce платформе — Кирилл Гращенков, Senior ML-разработчик в Samokat.teсh
Зачем крупным маркетплейсам матчинг и какие бизнес-задачи он решает. Что «под капотом» сервиса матчинга и основные подводные камни при разработке модели.
2. Как сделать рекомендации точнее: модель второго уровня в задаче подбора вакансий по резюме — Анастасия Овчинникова, Team Lead DS в Работа.ру
Как выбрать оптимальную модель и почему одной модели недостаточно. Особенности работы с признаками, эффективная интеграция модели в production и дальнейшее её развитие.
3. Data Quality — почему это так важно и как выбирать подход — Дина Сафина, head of data platform в Ozon.Fintech
Значение Data Quality в современной компании, как повысить эффективность анализа данных и минимизировать ошибки с помощью инструментов Data Quality.
4. Если данных маловато, или Байесом по неопределенности — Оксана Крымина, Actuarial Data Scientist в Страховой дом ВСК
Байесовские модели и граф знаний, feature-engineering, аугментация данных, эмбеддинги вершин и иерархические модели.
После докладов будет afterparty
Санкт-Петербург, в офисе "Самокат", ул. Малая Монетная, 2Г (БЦ Лангензипен)Woman in Data Science Meetup
Дата проведения: 07.03.2024. Начало в 18:30
Место проведения: Санкт-Петербург , в офисе "Самокат", ул. Малая Монетная, 2Г (БЦ Лангензипен)
- Анонс
- Программа
- Участники
- Спикеры
7 марта 2024 года состоится Woman in Data Science Meetup.
1. [Мега]Матчер. Система соответствий товаров: ожидания, проблемы и решения в e-commerce платформе — Кирилл Гращенков, Senior ML-разработчик в Samokat.teсh
Зачем крупным маркетплейсам матчинг и какие бизнес-задачи он решает. Что «под капотом» сервиса матчинга и основные подводные камни при разработке модели.
2. Как сделать рекомендации точнее: модель второго уровня в задаче подбора вакансий по резюме — Анастасия Овчинникова, Team Lead DS в Работа.ру
Как выбрать оптимальную модель и почему одной модели недостаточно. Особенности работы с признаками, эффективная интеграция модели в production и дальнейшее её развитие.
3. Data Quality — почему это так важно и как выбирать подход — Дина Сафина, head of data platform в Ozon.Fintech
Значение Data Quality в современной компании, как повысить эффективность анализа данных и минимизировать ошибки с помощью инструментов Data Quality.
4. Если данных маловато, или Байесом по неопределенности — Оксана Крымина, Actuarial Data Scientist в Страховой дом ВСК
Байесовские модели и граф знаний, feature-engineering, аугментация данных, эмбеддинги вершин и иерархические модели.
После докладов будет afterparty