Машинное обучение вышло за рамки экспериментов — сегодня это рабочий инструмент, который ежедневно влияет на ключевые бизнес-метрики. Но как построить систему, которая не просто предсказывает, а реально работает в продакшене?

Для кого этот митап?

Мероприятие создано для практиков, которые ежедневно работают с данными и моделями:

• Data Scientists и ML-инженеры
• Аналитики данных и BI-специалисты
• Python-разработчики, работающие с ML
• Руководители направлений в Data Science
• Все, кто хочет перенять опыт построения работающих ML-систем.

Что вы получите за вечер:

1. Узнаете, как превратить неструктурированные логи в систему обнаружения аномалий в реальном времени.
2. Поймёте, какие «ингредиенты» нужны для рекомендаций, которые растят денежные метрики (%GMV).
3. Увидите, как строится персонализация в условиях кросс-контентной витрины.
4. Получите практические инсайты для своих проектов от ведущих специалистов ИнфоТеКС, Ecom.tech и Оkko.
5. Сможете задать вопросы спикерам и обсудить кейсы с коллегами.

Наши спикеры

Тимур Глазков — программист Отдела разработки, Группа по исследованию данных ИнфоТеКС
Практик с опытом построения ML-систем для кибербезопасности. Покажет, как с помощью векторизации и кластеризации выявлять скрытые угрозы в сетевой активности даже при ограниченных ресурсах.

Диана Ибрагимова — Руководитель группы развития рекомендательных систем Ecom.tech
Эксперт в области рекомендаций, которая знает, как заставить ML работать на денежные метрики. Расскажет о реальных экспериментах и их влиянии на GMV.

Нелли Перфильева — ML-engineer в Оkko
Специалист по персонализации, имеющий опыт создания сложных кросс-контентных рекомендательных систем. Поделится практическими решениями для мультиформатных платформ.

!по техническим причинам трансляция отменена. приносим свои извинения!

Участие бесплатное. Для офлайн-гостей — угощения и нетворкинг.