12 кейсов и 12 технологических решений анализа больших данных

1 год ago Павел Ветров 0

«Цифровая экономика» подразумевает, что все компании умеют работать с большими данными. Однако, по-прежнему, практические примеры внедрения и истории успеха/неуспеха, являются самой ценной информацией для принятия стратегических решений.
Big Data Conference представит участникам те самые компании, которые умеют работать с данными и могут показать на конкретных примерах и реализованных проектах их эффективность.

Количество компаний в России, внедряющих современные методы управления и обработки информации, значительно выросло по сравнению с тем, что фиксировали в своих докладах участники первой конференции Big Data Russia в 2014 году.

Три трека конференции Big Data Conference позволят участникам конференции услышать самые свежие, нигде ранее не показанные кейсы по внедрению технологий работы с большими данными.

  • Бизнес-трек и его контент предназначен для собственников бизнеса, менеджеров по развитию, CDO, маркетологов. В его рамках компании представят кейсы анализа данных в разных бизнес-процессах и результаты, отображающие эффективность тех или иных подходов.
  • Технологический трек собирает технических специалистов и data scientisits, которые поделятся опытом создания воспроизводимых технических решений для реализации тех или иных бизнес-задач.
  • В семинаре научные сотрудники, аспиранты и студенты, работающие над созданием новых подходов к семантическому анализу, машинному обучению и структурированию, обработке и визуализации больших объёмов данных, представят свои работы, которые прошли конкурсный отбор.

НЕКОТОРЫЕ СПИКЕРЫ И ТЕМЫ BIG DATA CONFERENCE 

Полную программу можно найти на сайте bigdataconf.org
Анатолий Тёмкин

Boston University

Магистрский курс Тёмкина входит в пятерку лучших курсов в области информационных технологий в США, а в 2017 году программа Бостонского университета вошла в топ-10 программ по большим данным.

Анатолий представит тему «Большие данные, конфиденциальность и кибербезопасность. Защита информации в век квантовых компьютеров».

Мария Анисимова

ДИТ Москвы

Доклад о том, как Москва ищет и находит взаимопонимание с жителями на основе механизмов машинного обучения.

Иван Настюхин

Flocktory

Почему для Big Data сегодня не нужен «космический» бюджет.

Максим Кулиш 

OWOX

Не все инсайт, что красиво визуализировано. Несколько успешных историй поиска и извлечении смысла из больших данных в e-commerce проектах с помощью доступных инструментов визуализации из Google BigQuery

.

Арсений Уланов

Перекресток (X5 Retail Group)

Кейс о целевом маркетинге в пространстве и времени. Суть – персональное CRM-предложение должно быть не только точным, но и в правильном месте и своевременным.

Артур Хачуян

Social Data Hub

Как с помощью анализа данных можно выявить лидеров мнений.

Игорь Балк

Global Innovation Labs

Как использовать анализ данных для оценки эффективности расходования бюджетных средств.

Никита Иванов

GridGain

Как подготовиться к тому, что через 10 лет машинное обучение станет единственным методом обработки данных.

Павел Бутенко

INTOUCH

Как страховые компании трансформируются в мире интернета вещей и меняют рынок в 1 трлн рублей.

Леонид Жуков

Boston Consulting Group

Представит кейс использования прогнозной аналитики и больших данных в нефтегазовой индустрии на примере разработки программы диагностического техобслуживания для крупной нефтегазовой компании .

Прямкова Мария 

IBS

Кейс «Прогнозирование увольнений работников». Может ли предиктивная аналитика успешно применяться в управлении персоналом?

Яна Салимова

Nielsen

Кейс и результаты сопоставления различных онлайн- и офлайн-данных для персонализации предложений супермаркетов.

Вячеслав Благирев

Ростелеком

Всегда ли BigData – это большой мгновенный успех? Разберемся, почему это не так, на примере кейса Ростелеком.

Анатолий Левенчук

TechInvestLab

Расскажет об использовании видеокарт как ускорителей для баз данных.

Виктор Андреев

EPAM

«У них был логин, пароль, пара гит репозиториев и аккаунт в облаках — и они научились равзерачивать DataLake на 10Пб за 4 часа и собирать туда данные».

Александр Сербул

1-С Битрикс

В докладе поделится опытом алгоритмического и технического проектирования платформы, использующей кластер нейронных сетей (deeplearning4j), обратные индексы (lucene) и REST-веб сервер (jetty) для массового обслуживания диалогов технической поддержки для предсказания вероятных ответов на вопросы клиентов. Особое внимание будет уделено алгоритму работы нейронной сети, осуществляющей нелинейную трансформацию семантических пространств вопросов и ответов.

Роман Стятюгин

Mail.Ru Group

Data driven HR: поиск, оценка и прогноз увольнения персонала

Полную программу можно найти на сайте bigdataconf.org


ПРИЁМ НАУЧНЫХ РАБОТ 


Прием работ на Научный семинар открыт до 25 августа 2017 года. Отобранные работы будут опубликованы в журнале Journal of Physics: Conference Series (JPCS) и проиндексированы Web of Science и Scopus. Все подробности по ссылке


ОБУЧЕНИЕ 

16 сентября состоятся 3 интенсива по работе с большими данными.
Курсы «Введение в машинное обучение» и  «Основы обработки больших объемов данных» предназначены для технических специалистов, владеющих Python. Курс «Практические аспекты использования анализа больших данных в современной компании» ориентирован на руководителей среднего и высшего звена, желающих успеть за изменениями, связанными с 4-й технологической революцией.
Подробная программа курсов и дополнительная информация доступны по ссылке.

AI MAP 

В рамках подготовки к Big Data Conference мы также выпустим AI MAP — карту всех российских компаний и технологий, которые так или иначе связаны с искуственным интеллектом. На мероприятии можно будет вживую нанести свою компанию на большую 5-метровую конструкцию.


0

Автор публикации

не в сети 1 год

Павел Ветров

0
Комментарии: 0Публикации: 110Регистрация: 27-04-2017