Big Data Days 2021
Online Edition
Международная конференция по большим данным,
науке о данных и искусственному интеллекту
28-30 Cентября 
онлайн
Конференция уже завершилась!
До встречи в следующем году!
ПОТОКOB
СПИКЕРОВ
МАСТЕР-КЛАССОВ
УЧАСТНИКОВ
О конференции
#BigDataDays
Конференция Big Data Days посвящена техническим докладам в областях больших данных, высоких нагрузок, обработки и анализа данных и машинного обучения.
Конференция объединяет разработчиков, специалистов в области ИТ и пользователей, позволяя им поделиться опытом, обсудить передовые методы и достигнутые успехи в отношении сценариев использования и коммерческого применения.
Мероприятие предназначено для обучения, информирования и вдохновения – организовано людьми, увлеченными большими данными и исследованием данных. Ждем вас с нетерпением!
Формат конференции – онлайн
Внимание! В связи с ухудшившейся ситуацией по заболеваниям коронавирусом COVID-19 – в этом году конференция TestCon Moscow пройдет в онлайн формате.
Если вы уже приобрели билет на он-сайт участие, вы можете конвертировать его в онлайн – для этого свяжитесь с нами по почте tickets@bigdatadays.ru
Мастер-классы
На данный момент подтвержденные мастер-классы
Доклады
На данный момент подтвержденные доклады
Big Data Days 2021 – трехдневное мероприятие, состоящее из одного дня мастер-классов и двух дней конференции. Конференция предоставляет 6 параллельных потока докладов, обсуждающих самые главные новшества в областях науки о больших данных, таких как искусственный интеллект, глубокое обучение, обработка трансляций в реальном времени, даталогия, прогнозная аналитика и облачные технологии.
Big Data Days 2021 – трехдневное мероприятие, состоящее из одного дня мастер-классов и двух дней конференции. Конференция предоставляет 6 параллельных потока докладов, обсуждающих самые главные новшества в областях науки о больших данных, таких как искусственный интеллект, глубокое обучение, обработка трансляций в реальном времени, даталогия, прогнозная аналитика и облачные технологии.
Big Data Days 2021 соберёт более 60 докладчиков со всего мира. В этом году технические потоки будут заполнены докладами спикеров из более чем 15 стран.
Big Data Days 2021 – трехдневное мероприятие, состоящее из одного дня мастер-классов и двух дней конференции. Конференция предоставляет 4 параллельных потока докладов, обсуждающих самые главные новшества в областях науки о больших данных, таких как искусственный интеллект, глубокое обучение, обработка трансляций в реальном времени, даталогия, прогнозная аналитика и облачные технологии.
Big Data Days 2021 соберёт более 60 докладчиков со всего мира. В этом году технические потоки будут заполнены докладами спикеров из более чем 15 стран.
Big Data Days 2021 предлагает на выбор 8 мастер-классов. Во время занятий участники смогут получить практические знания от профессионалов в области больших данных. Мастер-классы будут проводиться 30-го сентября.
Big Data Days 2021 предлагает на выбор 8 мастер-классов. Во время занятий участники смогут получить практические знания от профессионалов в области больших данных. Мастер-классы будут проводиться 30-го сентября.
После докладов будут проводится сессии вопросов и ответов. Участники смогут задавать свои вопросы онлайн через мобильное приложение, не дожидаясь окончания доклада, а спикер сможет ответить на вопросы по окончании своей презентации.
45-минутная сессия для обсуждения с другими спикерами актуальной, не имеющей единого определения, темы о или около Big Data.
Big Data Days 2021 предлагает на выбор 8 мастер-классов. Во время занятий участники смогут получить практические знания от профессионалов в области больших данных. Мастер-классы будут проводиться 30-го сентября.
45-минутная сессия для обсуждения с другими спикерами актуальной, не имеющей единого определения, темы о или около Big Data.
Пространство для вопросов и ответов, где докладчики смогут в деталях ответить на любой вопрос после своих выступлений. Приходите с вопросами по вашему делу, продолжайте обсуждения, оставшиеся после переговоров, или просто слушайте разговор.
После докладов будут проводится сессии вопросов и ответов. Участники смогут задавать свои вопросы онлайн через мобильное приложение, не дожидаясь окончания доклада, а спикер сможет ответить на вопросы по окончании своей презентации.
Участники смогут зарядиться энергией, отвечая на вопросы о больших данных в викторине Big Data QA. Чем быстрее и больше ответов дано правильно, тем больше вероятность получить прекрасные призы!
Пространство для вопросов и ответов, где докладчики смогут в деталях ответить на любой вопрос после своих выступлений. Приходите с вопросами по вашему делу, продолжайте обсуждения, оставшиеся после переговоров, или просто слушайте разговор.
Хронология
28
Сентября
1-ый День Конференции
• Открывающий доклад
• 6 Треков
• 30+ Тщательно отобранных докладов
• Экспо спонсоров
• Нетворкинг
• Закрывающий доклад
29
Сентября
2-ой День Конференции
• Открывающий доклад
• 6 Треков
• 30+ Тщательно отобранных докладов
• Экспо спонсоров
• Нетворкинг
• Закрывающий доклад
30
Сентября
День Мастер-классов
• Полнодневные мастер-классы
• Маленькие группы
• Индивидуальная помощь тренера
Программа
Мастер-классы
| |
Oнлайн | |
|---|---|---|
| 08:40 - 09:00 | |
Developing Performant Data Streaming Applications Using KafkaCarlos Manuel Duclos-Vergara
Spark and HADOOPLidor Gerstel ONNX runtime to serve AI modelsMauro Bennici
Improving Performance and Security in MySQLLukas Vileikis
An introduction to FluxLangRiccardo Tommasini
Построение собственной поисковой системы с помощью PythonАртур Сапрыкин
|
| 09:00 - 10:30 | | |
| 10:30 - 10:40 | | |
| 10:40 - 12:00 | | |
| 12:00 - 13:00 | | |
| 13:00 - 14:20 | | |
| 14:20 - 14:30 | | |
| 14:30 - 16:30 | |
|
|
||
|---|---|---|
Developing Performant Data Streaming Applications Using KafkaCarlos Manuel Duclos-Vergara Spark and HADOOPLidor Gerstel
ONNX runtime to serve AI modelsMauro Bennici
Improving Performance and Security in MySQLLukas Vileikis
An introduction to FluxLangRiccardo Tommasini
Построение собственной поисковой системы с помощью PythonАртур Сапрыкин
|
||
| | ||
| 08:40 - 09:00 | | |
| 09:00 - 10:30 | | |
| 10:30 - 10:40 | | |
| 10:40 - 12:00 | | |
| 12:00 - 13:00 | | |
| 13:00 - 14:20 | | |
| 14:20 - 14:30 | | |
| 14:30 - 16:30 | | |
1-ый день конференции
! Синхронный перевод с английского языка не предусмотрен
(ENG) – доклады на английском языке
(RU) – доклады на русском языке
| Время | Трек 1: RU: Применение | Трек 2: RU: Проекты | Трек 3: ENG: Data | Трек 4: ENG: Machine Learning | Трек 5: ENG: Cloud and Streaming | Трек 6: ENG: Varia |
|---|---|---|---|---|---|---|
| 08:30 - 09:00 (MCK) | Регистрация | |||||
| 09:00 - 10:00 (MCK) |
Вступительная речь:
Trust Your Data
Mark Grover
Stemma
Data Discovery
Metadata
Amundsen
(Трек 3)
|
|||||
| 10:05 - 10:50 (MCK) |
Вероятностная Калибровка на Примере Probability Calibration Trees
Валерий Бабушкин
Facebook UK Ltd
ML
Probability Calibration Trees
Model Calibrations
Uncertainty Estimation
Трек 1: RU: Применение
|
Гиперавтоматизация Глазами Программного Робота
Сергей Вотяков
Академия Россия RPA2
RPA
Hyperautomation
Трек 2: RU: Проекты
|
Rethinking Ingestion: CI/CD for Data Lakes
Einat Orr
Treeverse
Data Lake
Data Versioning
Ingestion
Трек 3: ENG: Data
|
ML in Production – Serverless and Painless
Oliver Gindele
Datatonic
MLOps
Serverless
Containers
Tensorflow
Трек 4: ENG: Machine Learning
|
Designing Robust Processing System With Redis
Paško Pajdek
Mediatoolkit
Realtime Data Processing
Queueing
Redis
Трек 5: ENG: Cloud and Streaming
|
Building a Serverless GraphQLAPI in 25 Minutes
Maxime Beugnet
MongoDB
Serverless
API
MongoDB
Realm
Трек 6: ENG: Varia
|
| 10:50 - 11:05 (MCK) | Утренний перерыв | |||||
| 11:05 - 11:50 (MCK) |
Воспитание моделей
Вадим Стрижов
МФТИ
ML
Model Selection
Трек 1: RU: Применение
|
Unboxing Многокомпонентных Big Data-проектов Инструментом DataLog на Основе Подхода Software Аs Аrtefact
Павел Симанихин
Neoflex
Big Data
Software As Artefact
DataLog
Трек 2: RU: Проекты
|
Data Observability
Gerard Toonstra
Datafold
Data Observability
Data Lineage
Catalog
Трек 3: ENG: Data
|
Machine Learning Helping the Economy
Diana Gabrielyan
Stockmann
ML
Text Mining
Economics
Inflation
Трек 4: ENG: Machine Learning
|
The Honest Review of Amazon SageMaker
Wojciech Gawroński
Pattern Match
ML
Cloud
Amazon
SageMaker
Трек 5: ENG: Cloud and Streaming
|
DataSecOps: Why You Should Care
Ben Herzberg
Satori
Cloud
DataOps
Security
Data Engineering
Трек 6: ENG: Varia
|
| 11:55 - 12:40 (MCK) |
Прогнозирование Качества Процесса Переработки Нефти При Помощи Машинного Обучения
Андрей Шагалов & Ольга Миндлина
Artezio
Predictive Models
Time Series
Oil Industry
Трек 1: RU: Применение
|
Обнаружение Плагиата в Новостях
Алексей Бурнаков
ТАСС
NLP
Hadoop
Plagiarism
Трек 2: RU: Проекты
|
Cloud Computing Anomaly and Threat Detection Using Big Data Analytics and Machine Learning
Ibrahim Muzaferija
Maestral Solutions
Cloud
ML
Anomaly Detection
Support Vector Machines
User Behavior Modeling
Трек 3: ENG: Data
|
A Friendly Introduction to Codeless Deep Learning
Kathrin Melcher
Knime
Deep Learning
CNN
Keras
KNIME
Трек 4: ENG: Machine Learning
|
The Importance of Performance in Open Source Databases
Lukas Vileikis
Severalnines
Databases
MySQL
Performance
Security
Трек 5: ENG: Cloud and Streaming
|
Expanding the Data Team: Analytics Engineers
Victoria Perez Mola
Tier mobility
Team Management
Data Team
Analytics Engineer
Трек 6: ENG: Varia
|
| 12:40 - 13:40 (MCK) | Обеденный перерыв | |||||
| 13:40 - 14:25 (MCK) |
Оптимизация Нейросетевой Архитектуры Агента, Выполняющего Обучение с Подкреплением
Евгений Бурнаев
Skoltech
Reinforcement Learning
Neural Architecture Search
Atari Benchmark
Трек 1: RU: Применение
|
Качество Или Количество Данных – Что Важнее?
Юлия Рубцова
Data Monsters
Exploratory Data Analysis
Data Quality
Data Labeling
Трек 2: RU: Проекты
|
Graph Data Science: from Theory to Application
Julien Genovese
Data Reply
Graph Data Science
MLlib
Трек 3: ENG: Data
|
In-Database Machine Learning with Jupyter
Paige Roberts
Vertica
ML
Data Architecture
Jupyter
Трек 4: ENG: Machine Learning
|
Best practices for ETL with Apache NiFi on Kubernetes
Albert Lewandowski
GetInData
ETL
Kubernetes
NiFi
Трек 5: ENG: Cloud and Streaming
|
How to Fail in AI Business
Mohammad Hossein Noranian
Esra Tech
AI Business
Case Study
Трек 6: ENG: Varia
|
| 14:30 - 15:15 (MCK) |
Нейронные Сети в Анализе и Генерации Звука
Татьяна Зобнина
Naumen
Neural Networks
Sound Analysis
ML Art
Трек 1: RU: Применение
|
People-driven Company vs Data-driven Company
Алексей Чернобровов
Chernobrovov.com
Data Driven Management
Трек 2: RU: Проекты
|
The Unbreakable Data Pipeline
Herminio Vazquez
IOVIO
Data Engineering
Data Pipeline
PySpark
Трек 3: ENG: Data
|
The Intuition Behind Machine Learning In Marketing
Mario A Vinasco
Credit Sesame
ML
Marketing
Advanced Segmentation
Cross Sell Predictions
Трек 4: ENG: Machine Learning
|
Real-Time Streaming in Any and All Clouds, Hybrid and Beyond
Timothy J Spann
StreamNative
Streaming
Flink
Pulsar
Nifi
Трек 5: ENG: Cloud and Streaming
|
Trends in 2021 - CRPA, AutoML & the Role of DataOps
Barry Walsh
Pairview Group
ML
DataOps
Trends
Трек 6: ENG: Varia
|
| 15:15 - 15:30 (MCK) | Вечерний перерыв | |||||
| 15:30 - 16:30 (MCK) |
ЗАКЛЮЧИТЕЛЬНАЯ РЕЧЬ:
Embracing #AiFirst Enterprise-Wide
Alex Sanginov
ServiceNow
ML
Enterprise AI
Data Science
(Трек 3)
|
|||||
2-ой день конференции
! Синхронный перевод с английского языка не предусмотрен
(ENG) – доклады на английском языке
(RU) – доклады на русском языке
| Время | Трек 1: RU: Применение | Трек 2: RU: Проекты | Трек 3: ENG: Data | Трек 4: ENG: Machine Learning | Трек 5: ENG: Cloud and Streaming | Трек 6: ENG: Varia |
|---|---|---|---|---|---|---|
| 08:30 - 09:00 (MCK) | Регистрация | |||||
| 09:00 - 10:00 (MCK) |
Вступительная речь:
A Code-Driven Introduction to Reinforcement Learning
Phil Winder
Winder Research
Reinforcement Learning
Cyber Security
(Трек 3)
|
|||||
| 10:05 - 10:50 (MCK) |
Диагностика Корпоративной Культуры по Лексике Деловой Коммуникации
Марианна Крель & Павел Потеев
Центр Подготовки Руководителей и Команд Цифровой Трансформации ВШГУ РАНХиГС
ML
Linguistic Analysis
Culture Diagnostics Algorithms
Трек 1: RU: Применение
|
Масштабируем Data Science с помощью Modin
Василий Литвинов
Intel
Data Science
Scalability
Pandas
Трек 2: RU: Проекты
|
Use Visual Studio Code for Your Machine Learning Environments
Kris van der Mast
VaHa
ML
Visual Studio
Python
Azure
Трек 3: ENG: Data
|
Neural Networks on the Source Code
Jameel Nabbo
Cybersecurity Researcher, The Netherlands
ML on Source Code
Static Code Analysis
Compilers
Трек 4: ENG: Machine Learning
|
Management of a Cloud Data Lake in Practice: How to Manage 1000s of ETLs Using Apache Spark
Josef Habdank
DXC Technology
Data Governance
Azure
Spark
Трек 5: ENG: Cloud and Streaming
|
Industrial Use Cases of Data Science
Sana Rasheed
Accenture
Data Science
Predictive Models
Industry Use Cases
Трек 6: ENG: Varia
|
| 10:50 - 11:05 (MCK) | Утренний перерыв | |||||
| 11:05 - 11:50 (MCK) |
NLP или Как Подключить Тысячи Пользователей к Данным
Юрий Ефаров
Easy Report
Natural Language Processing
Data Democratization
Трек 1: RU: Применение
|
Metadata management light или чем полезна фолксономия
Анастасия Викторова
Mediacom
Metadata Management
Data Catalog
Трек 2: RU: Проекты
|
Using Service Level Objective Theory to Design Great Data Products
Emily Gorcenski
ThoughtWorks
Reliability Engineering
Data Mesh
AI
Трек 3: ENG: Data
|
Complex AI Forecasting Methods for Investments Portfolio Optimization
Paweł Skrzypek
Anna Warno
AI Investments
ML
Forecasting
Investing
Трек 4: ENG: Machine Learning
|
Development of a Kafka-Powered Advanced Stream Commerce Platform
Andrea Spina
Radicalbit
MLOps
Streaming
Kafka
Трек 5: ENG: Cloud and Streaming
|
Machine Learning Security
Karol Przystalski
Codete
ML
Security
Трек 6: ENG: Varia
|
| 11:55 - 12:40 (MCK) |
Распределенное Хранилище IoT Телеметрии на Базе PostgreSQL и TimescaleDB
Иван Муратов
Первая Мониторинговая Компания
IoT
Time Series
TimescaleDB
PostgreSQL
Трек 1: RU: Применение
|
Discovery на API-Проектах: с Чего Начать и Чего Ожидать
Ксения Калашникова
Llamazing Data Project
API Discovery
Requirements Management
Трек 2: RU: Проекты
|
Riding the Second Wave - Open Source for Relational Databases
Jan Karremans
EDB Postgres
Databases
Open Source
PostgreSQL
Трек 3: ENG: Data
|
Share Massive Amounts of Live Data with Delta Sharing
Frank Munz
Databricks
Data Science
Open Source
Data Sharing
Трек 4: ENG: Machine Learning
|
Real Time Streaming Data from AWS MSK Kafka to Cloudera
Lidor Gerstel
Centerity
Hadoop
Databases
ETL
NoSQL
Scala
Трек 5: ENG: Cloud and Streaming
|
Keyword search is dead! And so are Solr and Elasticsearch?
Daniel Wrigley
SHI
Natural Language Processing (NLP)
Vector Similarity Search
Solr
Elasticsearch
Трек 6: ENG: Varia
|
| 12:40 - 13:40 (MCK) | Обеденный перерыв | |||||
| 13:40 - 14:25 (MCK) |
Архитектура и Реализация Реляционных Операторов в Распределенных SQL-Движках
Владимир Озеров
Querify Labs
Apache Calcite
SQL
Query Optimization
Трек 1: RU: Применение
|
Как Начать Продажи Big Data Продукта с Нуля: Три Обязательных Составляющих
Александр Дмитриев
ADV LaunchPad
Big Data Products
Sales
Трек 2: RU: Проекты
|
Big or Small Data in the Food Industry?
Antía Fernández
Gradiant
Big Data
Data Analytics
Food Industry
Трек 3: ENG: Data
|
The state of MLOps - machine learning in production at enterprise scale
Bas Geerdink
Aizonic
MLOps
Big Data
Machine Learning
Трек 4: ENG: Machine Learning
|
Choosing the Right Abstraction Level for Your Kafka Project
Carlos Manuel Duclos-Vergara
Schibsted
Streaming Architecture
Event Processing
Kafka
Трек 5: ENG: Cloud and Streaming
|
Architecture vs. Operating Model - A Cloud Conundrum
Federico Fregosi
Contino
End-to-End Tests
Developers
Agile Test Automation
Трек 6: ENG: Varia
|
| 14:30 - 15:15 (MCK) |
Использование Методов Машинного Обучения в Задачах Статического Анализа Исполняемых Файлов
Никита Курганов
МГТУ им Н.Э.Баумана
ML
Security
File Analysis
Трек 1: RU: Применение
|
Как Выбрать Подход к Управлению ML Проектом
Асхат Уразбаев
ScrumTrek
ML
Agile
Scrum
Kanban
Трек 2: RU: Проекты
|
Building Data Science Products
Valentina Djordjevic
Things Solver
ML
Data Science
Product Development
Трек 3: ENG: Data
|
Towards Human-AI Teaming: Challenges and Opportunities of Human in the Loop AI Training
Clodéric Mars & Sagar Kurandwad
AI Redefined
ML
Multi-Agent Systems
Reinforcement Learning
Трек 4: ENG: Machine Learning
|
An Introduction to Streaming SQL with Materialize
Marta Paes
Materialize
Databases
Streaming
SQL
Трек 5: ENG: Cloud and Streaming
|
Zoom Out: Building a Kickass Engineering Team Remotely
Gad Salner
Melio
Team Management
Agile
Трек 6: ENG: Varia
|
| 15:15 - 15:30 (MCK) | Вечерний перерыв | |||||
| 15:30 - 16:30 (MCK) |
ЗАКЛЮЧИТЕЛЬНАЯ РЕЧЬ:
Translating Data Into Powerful Stories
Juan Venegas
Growth Tribe
Data storytelling
Data Visualisation
(Трек 3)
|
|||||
Ключевые спикеры
Хосты конференции
Анастасия Викторова
1 День, Проекты Трэк
Елена Герасимова
2 День, Применение Трэк
Александр Шершебнев
1 День Применение Трэк / 2 День Проекты Трэк
Priyanka Sharma
1 и 2 День, Machine learning Трэк
Marta Paes
1 День, Cloud & Streaming Трэк
Jonas Christensen
1 День, Varia Трэк
Alexander Hertwig
1 и 2 День, Data Трэк
Alessandro Festa
2 День, Cloud & Streaming Трэк
Jan-Willem Middelburg
2 День, Cloud & Streaming Трэк
Jörg Egretzberger
2 День, Varia Трэк
Спикеры
Андрей Шагалов
Ольга Миндлина
Асхат Уразбаев
Сергей Вотяков
Ключевые спикеры Big Data Days 2020
Барр Мосес
CEO & Co-Founder of Data/Analytics Startup Backed by Top Silicon Valley Investors
США, Monte Carlo
Наши информационные партеры
Наши другие конференции
