Научный сотрудник в ИПММС НАНУ. Более 10 лет опыта работы с алгоритмами машинного обучения, нейросетевыми алгоритмами, алгоритмами распознавания изображений.
Руководил направлением Computer Vision в компании ZZ Wolf, до этого принимал участие в разработке интеллектуальных алгоритмов для ряда организаций, включая Neurologix Security Inc., Postindustria, Samsung, US Air Forces.
Рецензент научного журнала "Neural Networks" (Elsevier).
Как морочить голову заказчику в Data Science-проектах
11:40—12:20. Интернет-технологии
В наши дни быстро растет спрос на «умные» алгоритмы из пула Data Science, для решения таких задач: распознавание изображений, определение тональности текстов, таргетирование рекламы, рекомендательные системы и прочее.
Вместе с тем, для таких алгоритмов в силу их природы почти никогда не гарантируется абсолютная точность работы. Оценка качества работы может составлять от 0% до 100% правильных ответов, в зависимости от способа тестирования, используемых данных и желания разработчика продемонстрировать хорошую работу «умного» алгоритма.
Автор адресует доклад заказчикам, желающим повысить качество оценки проектов, связанных с Data Science. Автор приводит стандартные методы тестирования качества таких систем, обсуждает подводные камни и различные трюки разработчика для создания хорошего впечатления о качестве сделанного проекта.
Спонсоры 2016
Информационные партнёры 2016
радиопартнер
информационный партнёр
информационный партнёр
Интернет-связи
