• Как организовать эффективное взаимодействие бизнеса, разработчиков и DS?
• Как версионировать данные и возможно ли это?
• Существует ли test driven development в Data Science?
• Как (можно) хранить модели и состояния датасетов?

• Как деплоить, скейлить и управлять жизненным циклом ML моделей?
• Как настроить процесс дообучения и переобучения модели?
• Как выстраивать масштабируемые микросервисы для моделей машинного обучения?
• Как версионировать модели при разработке и код пайплайнов?
• Как организовать методологию/инфраструктуру экспериментов с данными?
• Как организовать хранилище моделей и промежуточных датасетов?

• Как организовать методологию экспериментов с данными?
• Зачем нужна воспроизводимость экспериментов и моделей?
• Как ее добиться?

В ходе дискуссии будут рассказаны сильные и слабые стороны кэгглеров с точки зрения переноса их навыков в продакшен. Также будет произведено сравнение кэггл подхода для решения соревнований с разработкой в области компьютерного зрения. Вы узнаете, что из соревновательного опыта полезно, что пагубно, а что нужно искоренить любой ценой за пределами лидерборда.

Страховая отрасль всегда была достаточно консервативна, к тому же в финансовом секторе в России банки опередили страхование по развитию на десятилетия. Но последние годы многие страховые компании инвестируют в цифровизацию и развитие анализа данных наравне с технологичными отраслями. Докладчик расскажет про то, какие проекты можно и нужно делать, как избежать классических ошибок, какую пользу проекты приносят или принесут в будущем, как оценивать эффект от внедрений и поделится идеями для желающих попробовать себя в этой открывающейся для новых способов анализа данных отрасли.

Доклад будет интересен менеджерам и новичкам в машинном обучении и анализе данных.

• Deep learning в рекомендательных системах
• Collaborative Filtering (CF) в большой рекомендательной системе

• Как начать изучать RL?
• Есть ли RL без DL?
• Соревнования по RL: полезно ли участвовать?
• Практика DRL в проде, есть ли какие успешные кейсы?
• RL research малыми силами - возможно ли это?
• Быть в курсе современного RL - как за всем успеть?