Big Data Days 2021

Online Edition

28-30 Cентября

онлайн

Программа

Скачать Программу в PDF

Мастер-классы

1-ый день конференции

2-ой день конференции

Присоединиться к конференции

Перейдите по ссылке чтобы присоединиться к платформе конференции: https://app.pinetool.ai/attendee

Зайдите под логином, который регистрировали.

В случае каких-либо трудностей – проверьте входящие эл.письма от noreply@pinetool.ai

Если проблема не была устранена – заполните форму для нашей техподдержки здесь.

Присоединиться к мастер-классам

Все инструкции по подключению к мастер-классам были высланы на вашу электронную почту. Пожалуйста, проверьте ваши входящие письма (а также папку СПАМ) от tickets@bigdatadays.ru

В случае каких-либо неполадок – звоните нам +79060843324 или пишите на эл.почту.

Начало мастер-классов 30 сентября в 9:00 МСК.

Мастер-классы

(30 Cентября)

Продолжительность: 08:40 – 16:30 (МСК)

8:40 – 9:00 Регистрация участников
9:00 – 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

– Каждый практический мастер-класс – мероприятие на целый день.
– Все мастер-классы проходят параллельно, поэтому приобретенный билет дает вам право на посещение только одного, выбранного вами мастер-класса.
– Язык проведения каждого мастер-класса зависит от того, англо- или русскоговорящим является тренер.
– Язык проведения указан у каждого конкретного мастер-класса (ENG/RU).
– Синхронный перевод мастер-классов НЕ ПРЕДУСМОТРЕН, поэтому перед выбором темы оцените возможности своего английского языка. Однако, исходя из опыта прошлых конференций, все тренеры знают о наличии языкового барьера, поэтому приложат максимальные усилия, чтобы облегчить участникам мастер-классов понимание обсуждаемой темы.



Developing Performant Data Streaming Applications Using Kafka

Carlos Manuel Duclos-Vergara

Schibsted

Читать больше »

ENG



Построение собственной поисковой системы с помощью Python

Артур Сапрыкин

Нетология

Читать больше »



Improving Performance and Security in MySQL

Lukas Vileikis

Severalnines

Читать больше »

ENG



ONNX runtime to serve AI models

Mauro Bennici

You Are My Guide – GhostWriterAI

Читать больше »

ENG



Spark and HADOOP

Lidor Gerstel

Centerity

Читать больше »

ENG



An introduction to FluxLang

Riccardo Tommasini

University of Tartu – Titania Project OÜ

Читать больше »

ENG

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	Creating a Dwh From Scratch to Analyze 11 Million Kilometers Worth of Bike Rides Sebastian Mehldau VanMoof Data Warehouses BigQuery Predictive Models 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