Науковий співробітник в ІПММС НАНУ. Понад 10 років досвіду роботи з алгоритмами машинного навчання, нейромережевими алгоритмами, алгоритмами розпізнавання зображень.
Керував напрямом Computer Vision в компанії ZZ Wolf, до цього приймав участь в розробці інтелектуальних алгоритмів для різних організацій, включаючи Neurologix Security Inc., Postindustria, Samsung, US Air Forces.
Рецензент наукового журналу "Neural Networks" (Elsevier).
Як морочити голову замовнику в Data Science-проектах
11:40—12:20. Інтернет-технології
В наш час швидко зростає попит на «розумні» алгоритми з пулу Data Science, для рішення наступних задач: розпізнавання зображень, визначення тональності текстів, таргетування реклами, рекомендаційні системи тощо.
Однак для таких алгоритмів, з огляду на їх природу, майже ніколи не гарантується абсолютна точність роботи. Оцінка якості роботи може складати від 0% до 100% правильних відповідей, в залежності від способу тестування, даних, що використовуються та бажання розробника продемонструвати хорошу роботу «розумного»алгоритму.
Автор презентує доповідь замовникам, які бажають підвищити якість оцінки проекті, пов’язаних з Data Science. Автор наводить стандартні методи тестування якості таких систем, озвучує підводні камені та різноманітні хитрощі розробника для створення хорошого враження про готовий проект.
Спонсори 2016
Інформаційні партнери 2016
радіопартнер
інформаційний партнер
інформаційний партнер
Інтернет-зв’язку
