SALA B
AGENDA SALI B
10:00-11:00
Lakehouse przyszłością platform analitycznych
Jakub Wawrzyniak
Lakehouse to nowa, otwarta architektura, która łączy w sobie najlepsze elementy data lake i hurtowni danych. Wariantów budowy takiej architektury mamy co najmniej kilka. Współcześnie walka o prym w tym zakresie toczy się między Azure Synapse Analytics oraz Databricks. To dwie koncepcje przedstawiające potencjalnie podobne architektury, które w szczegółach okazują się skrajnie różne. W trakcie sesji omówione zostaną koncepcje leżące u podstaw zastosowania każdego z tych rozwiązań w nowoczesnej architekturze lakehouse. Wszystko to przy wsparciu Pythona (PySpark)!
11:00-11:30
Przerwa na kontakt z wystawcami
11:30-12:30
Azure Machine Learning vs Google Vertex AI
Maciej Rubczyński
Wraz z rozwojem algortymów uczenia maszynowego powstają coraz lepsze rozwiązania umożliwiające zarządzanie cyklem życia modeli uczenia maszynowego, od przygotowania danych do wdrożenia produkcyjnego modelu i monitorowania jego metryk. W ramach prezentacji przedstawione i porównane zostaną platformy MLOps dostarczane przez dwóch największych graczy na rynku chmur obliczeniowych – Microsoft Azure oraz Google Cloud Platform.
t
12:30-13:00
Przerwa na kontakt z wystawcami
13:00-14:00
Test Driven Pandas
Grzegorz Kocjan
Pisanie kodu w pandas bez jupyter-a? Analiza danych posiadając jeden wiersz w CSV? Tak, to wszystko jest możliwe. Jest to nawet wskazane, jeśli Twój projekt ma być dłużej rozwijany i utrzymywany. Podczas prezentacji przedstawię Ci proces myślenia w TDD. Poznasz najdrobniejsze kroki rozwijania kodu, który wsparty testami, nie zamieni się w koszmar legacy. Co więcej, praca z kodem stanie się zabawą, a eksperymenty z kodem będą bezpieczne.
14:00-15:00
Długa przerwa na kontakt z wystawcami
15:00-16:00
Jak prognozować wiele szeregów czasowych
Bartosz Szabłowski
Stosowane algorytmy można podzielić na lokalne i globalne. Lokalne algorytmy, do niedawna najpopularniejsze, skupiają się na wyizolowanych szeregach czasowych, to znaczy, że biorą pod uwagę historię jednego szeregu czasowego i prognozują jego przyszłość (ARIMA czy Prophet). Algorytmy globalne to takie, które uczą się na wielu szeregach czasowych i tym samym jeden model potrafi prognozować wiele szeregów czasowych. Takie algorytmy potencjalnie mogą znaleźć więcej wzorców, jak i również niektóre szeregi czasowe są ze sobą powiązane.
16:00-16:30
Przerwa na kontakt z wystawcami
16:30-17:30
Od perceptrona do głębokiego uczenia na skalę przemysłową
Krzysztof Kudryński
Sztuczna inteligencja - z czasopism naukowych i podbiurkowych stacji roboczych - wkracza dziś do świata wielkich korporacji, zastępując masowo tradycyjne rozwiązania samooptymalizującymi się modelami. Choć pod maską są to wciąż znane z poprzedniego wieku algorytmy oparte na wstecznej propagacji gradientu, ich rozwój na skalę przemysłową przynosi wiele nowych wyzwań. Podczas spotkania rozpoczniemy od przypomnienia podstaw sieci neuronowych by poprzez ciekawe przykłady ich zastosowań pokazać z czym zmagają się dzisiaj najwięksi gracze na rynku.
