12 кейсов и 12 технологических решений для анализа больших данных

Магистрский курс Тёмкина входит в пятерку лучших курсов в области информационных технологий в США, а в 2017 году программа Бостонского университета вошла в топ-10 программ по большим данным. 

Анатолий представит тему «Большие данные, конфиденциальность и кибербезопасность. Защита информации в век квантовых компьютеров».

Доклад о том, как Москва ищет и находит взаимопонимание с жителями на основе механизмов машинного обучения.

Почему для Big Data сегодня не нужен «космический» бюджет.

Не все инсайт, что красиво визуализировано. Несколько успешных историй поиска и извлечении смысла из больших данных в e-commerce проектах с помощью доступных инструментов визуализации из Google BigQuery

.

Кейс о целевом маркетинге в пространстве и времени. Суть – персональное CRM-предложение должно быть не только точным, но и в правильном месте и своевременным.

Как с помощью анализа данных можно выявить лидеров мнений.

Как использовать анализ данных для оценки эффективности расходования бюджетных средств.

Как подготовиться к тому, что через 10 лет машинное обучение станет единственным методом обработки данных.

Как страховые компании трансформируются в мире интернета вещей и меняют рынок в 1 трлн рублей.

Представит кейс использования прогнозной аналитики и больших данных в нефтегазовой индустрии на примере разработки программы диагностического техобслуживания для крупной нефтегазовой компании .

Кейс «Прогнозирование увольнений работников». Может ли предиктивная аналитика успешно применяться в управлении персоналом?

Расскажет историю о том, как с помощью машинного обучения объединить данные из разных источников в один пул, и что потом с ним делать. Покажет, как объединенная информационная система уже сейчас помогает нашим клиентам предупреждать риски и находить возможности роста в FMCG .

Всегда ли BigData – это большой мгновенный успех? Разберемся, почему это не так, на примере кейса Ростелеком.

Расскажет об использовании видеокарт как ускорителей для баз данных.

«У них был логин, пароль, пара гит репозиториев и аккаунт в облаках — и они научились разворачивать DataLake на 10Пб за 4 часа и собирать туда данные».

В докладе поделится опытом алгоритмического и технического проектирования платформы, использующей кластер нейронных сетей (deeplearning4j), обратные индексы (lucene) и REST-веб сервер (jetty) для массового обслуживания диалогов технической поддержки для предсказания вероятных ответов на вопросы клиентов. Особое внимание будет уделено алгоритму работы нейронной сети, осуществляющей нелинейную трансформацию семантических пространств вопросов и ответов.

Решения, принимаемые экспертами на основании собственного опыта и лучших практик рынка, уходят в прошлое. На смену им приходят решения, основанные на результатах анализа данных. И процессы управления персоналом – не исключение. Роман расскажет о том, какие предиктивные модели уже используются в HR технологиях

Watson Data Platform в реальных проектах IBM

Методы обработки данных компьютерной томографии при диагностировании раковых заболеваний