Big Data Days 2022

21-24 ноября

Москва и онлайн

Программа

Скачать Программу в PDF

Мастер-классы

1-ый день конференции

2-ой день конференции

Мастер-классы

(30 Cентября)

Oнлайн		Oнлайн
08:40 - 09:00	Регистрация участников	Developing Performant Data Streaming Applications Using Kafka Carlos Manuel Duclos-Vergara Spark and HADOOP Lidor Gerstel ONNX runtime to serve AI models Mauro Bennici Improving Performance and Security in MySQL Lukas Vileikis An introduction to FluxLang Riccardo Tommasini Построение собственной поисковой системы с помощью Python Артур Сапрыкин
09:00 - 10:30	Мастер-класс, часть I
10:30 - 10:40	Перерыв
10:40 - 12:00	Мастер-класс, часть II
12:00 - 13:00	Обед
13:00 - 14:20	Мастер-класс, часть III
14:20 - 14:30	Перерыв
14:30 - 16:30	Мастер-класс, часть IV

Oнлайн
Developing Performant Data Streaming Applications Using Kafka Carlos Manuel Duclos-Vergara Spark and HADOOP Lidor Gerstel ONNX runtime to serve AI models Mauro Bennici Improving Performance and Security in MySQL Lukas Vileikis An introduction to FluxLang Riccardo Tommasini Построение собственной поисковой системы с помощью Python Артур Сапрыкин
Oнлайн
08:40 - 09:00	Регистрация участников
09:00 - 10:30	Мастер-класс, часть I
10:30 - 10:40	Перерыв
10:40 - 12:00	Мастер-класс, часть II
12:00 - 13:00	Обед
13:00 - 14:20	Мастер-класс, часть III
14:20 - 14:30	Перерыв
14:30 - 16:30	Мастер-класс, часть IV

1-ый день конференции

(28 Cентября)

! 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 GraphQL API 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

(29 Cентября)

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)

« Hазад