全球峰会
四月 08-09
持续线上14小时
Python
针对ML和AI
演讲嘉宾来自
10 000+

预报名
35+

演讲嘉宾
14

小时的的技术讲座
Data
Machine Learning
Deep Learning
Decision Science
Explainability
AI
Neural Networks
Pandas
ML Models
Prediction
MLOps
Sensor Data
Deployment
Hyperopt
HPO
Pandas
Deployment
Decision Science
Neural Networks
AI
Explainability
Sensor Data
HPO
Data
Machine Learning
Hyperopt
Prediction
MLOps
Prediction
Machine Learning
Explainability
Data
Hyperopt
Machine Learning
AI
部分演讲嘉宾
Laurent Picard
开发倡导者
" 无需机器学习专业知识即可构建更精良的解决方案"
无需机器学习专业知识即可构建更精良的解决方案
ML? API? AutoML? Python是解决机器学习问题的首选语言,但是什么是您仅需几个小时,在短短几天内且没有任何专业知识就可以构建的语言?
Aman Sharma
首席技术官
" 数据无处不在,没有时间来考虑"
数据无处不在,没有时间来考虑
旨在打破人们对数据科学项目的普遍误解的演讲。 用更简单的方法了解数据项目并从中获得巨大收益。

每个人都说数据是新的石油。但是我们实际上是否知道如何有效地使用它来改善我们的客户的生活,或者这只是另一个信息"孤岛"。

在本次演讲中,我们将看到一种精美的方法来规划基于数据的项目,这些方法受到Google,Twitter,Microsoft等专业人员的启发。 本演讲将涵盖以下内容

1.规划数据项目冲刺
2.建立目标和眼界
3.什么数据是重要的,什么是垃圾?
4.挖掘用户的情绪
5.减少"孤岛"
6. 工具
Mattia Ferrini
人工智能总监
"Python决策科学"
Python决策科学
从数据处理到机器学习,从概率建模到优化,Python提供了开发先进的决策科学平台所需的所有必要工具。

在我的演讲中
1)我将介绍什么是决策科学及其重要性
2) 举例说明决策科学建模问题
3) 说明Python和开源Python框架如何帮助解决做出最佳决策所需的所有任务
Tajinder Singh
软件工程师
"使用MLOps操作ML模型 "
使用MLOps操作ML模型
除了用数据回答问题外,数据科学项目通常还需要创建一个使用机器学习模型来做有用事情的工具。

不能用于生产的机器学习模型不能提供足够的业务影响。操作机器学习模型的一些挑战是技术挑战,而其他挑战则是组织挑战。

本讲座首先介绍一些关键挑战以及MLOps如何帮助简化某些问题。 在本次演讲中,我们将重点更多地放在MLOps概念和思想上,而不是技术细节上。 工具和技术通常会迅速发展和变化,但基本原理可能保持不变。

在本次演讲中,Tajinder专门介绍:将什么部署到生产中? 将模型部署到生产中的步骤是什么? 然后,我们将更深入地研究如何在模型生命周期的关键步骤(构建,试生产,部署,监视和治理)中注入MLOps流程。

对于需要了解有关在生产中部署机器学习模型的更多信息的机器学习工程师和数据科学家而言,此演示文稿是理想的选择。

与会者将在实现机器学习模型以及如何应用MLOps流程来应对某些挑战的同时更好地理解挑战。
Reuven Lerner
Python培训师
" 在Pandas中处理时间"
在Pandas中处理时间
Pandas是一个非常流行的Python软件包,用于数据分析,包括在将数据传递到机器学习模型之前对其进行清理和可视化。 在许多方面,您都可以将Pandas视为" Python内的Excel",它具有丰富的功能,可轻松处理数据。 Panda的鲜为人知的部分之一是日期和时间的处理-这是许多人在工作中使用的重要组成部分。 在本讲座中,我将介绍处理日期和时间时Pandas的基本功能,包括:从外部文件读取时间戳,计算时间增量,查询和比较时间数据,使用时间列作为数据帧中的索引以及计算聚合 对"时间序列"数据起作用。
Jon Nordby
机器学习工程师
"机器学习的音频事件检测"
机器学习的音频事件检测
音频事件或声学事件是单独的不同声音。 音频事件检测(AED)是检测此类声音的任务,返回每种(类)声音发生的精确时间。 从检测烘焙时的咖啡豆开裂到射击场上的枪响,再到建筑工程产生的噪音,这一切都是演示者开发的真实应用程序。 本实践演讲将展示如何使用应用于音频的机器学习模型在Python中构建这样的系统。 所示的一般方法也可以应用于其他传感器数据,例如振动,压力等。
Calen Tang
学生
"使用机器学习预测药物相互作用"
使用机器学习预测药物相互作用
药物相互作用是医学领域经常被忽视的一个方面,可能会产生深远的影响。 在开药和开药期间,可能会导致药物不良反应,对人体健康产生重大影响。 但是,临床试验的局限性意味着仅在批准临床使用后才可以检测到ADR。 因此,为了帮助预测DDI,可以使用机器学习算法来识别具有潜在相互作用的药物。 我们的项目使用了来自DrugBank数据库的数据,包括解剖学治疗分类代码和简化的分子线输入系统代码以及药物相互作用。 我们获得了2770种具有ATC和SMILES代码的药物作为有效药物进行分析。 通过将每种类型的相互作用提取到一个单独的CSV文件中,我们能够分析每种药物的药物特性,运行KNN,决策树回归和分类,Random Forest回归和分类以及朴素贝叶斯预测模型。 使用的预测分类器比较了每种药物的化学,治疗和相互作用相似性,以预测测试集是否会产生不良反应。 然后,我们在模型上运行各种指标,发现决策树为DDI的预测提供了最佳的分类和回归模型。 尽管我们项目的局限性在于缺乏完整的数据,从而导致样本量相对较小,并且可以正确访问信息,但是可以扩展这种方法以提供准确而可靠的结果。
Matt Harrison
Python&数据科学企业培训师
"惯用的Pandas"
惯用的Pandas
Panda数据库是一个功能强大的数据库,但是有很多误导的信息和建议。本讲座将讨论Pandas代码的最佳实践,以使其易于编写,阅读和调试
Sray Agarwal
数据科学与分析总监
"AI监管者案例"
AI监管者案例
现在,人工智能在各个行业中无处不在。在过去的五年中,采用率的增长速度加快了,并且没有放缓的迹象。这将带我们进入一个新世界,在这个世界中,人工智能将参与与我们生活中几乎所有事情相关的决策-从申请人是否有资格获得抵押贷款,如果患者的扫描显示出癌症,您应该选择哪种通勤路线以及通勤路线,根据搜索结果购买的一包花生酱。

在本次演讲中,我们假设需要一个独立的监管机构来制定跨行业采用该技术的标准和准则。 期望特定行业的监管者会导致标准不一致,并且也可能使大多数行业在最佳或最坏的情况下没有适当定义的标准,而没有监管部门对该技术的使用方式进行监督。
初高阶现场直播
参与问答环节
初高阶录像
成为会员
出勤证明
1,867名工程师已经参加
Python 针对ML和AI
四月,08-09
销售价格
完全访问
门票现在发售

请求您的公司为您购买门票

我们将向您指定的人发送邀请函

您所需要做的只是与您的老板或HR交谈,并让他们知道您为职业发展真的需要它
信息采集
程序委员会
Laurent Picard
开发者拥护者
Nadin-Katrin Apel
数据学家
Chin Hwee Ong
数据工程师
Diana García
组织协助者
Hui Xiang Chua
高级分析经理
Victor Vicente Palacios
数据学家
Mattia Ferrini
董事
Irene Iriarte Carretero
高级数据学家
Reuven Lerner
Python训练师

显示更多
Hui Xiang Chua
高级分析经理
Victor Vicente Palacios
数据学家
Mattia Ferrini
董事
Irene Iriarte Carretero
高级数据学家
Reuven Lerner
Python训练师
Laurent Picard
开发倡导者
Nadin-Katrin Apel
数据学家
Chin Hwee Ong
数据工程师
Diana García
协办单位
我们的团队
线下活动暂时消失了,但Geekle永不停止! 我们将于2021年4月8日举行数据科学全球峰会。我们的演讲者是来自世界各地顶级公司的领先专家,他们随时准备分享Python社区所面临的挑战和前景

Geekle拥有独特的经验,可以与来自不同技术领域的1万多名与会者共同举办大型技术峰会。我们希望为数据科学社区创造一个前所未有的世界!

See you all!

扫码来知乎关注我们
扫码来微博关注我们
在报名过程中如有任何问题,欢迎微信扫描二维码联系我们的票务经理
Geekle Corp.
910 Foulk Road, Suite 201
Wilmington, DE
19803, USA
设计
初级阶段门票 (免费直播访问Python针对ML和AI – 四月 08-09)

免费–数量票x(1)

您对Python的经验
Click to order
Total: 
Contact Information
Promo code
Payment method
Contact the organizer if you need a refund
For the convenience of our clients, Geekle US uses Stripe for its online credit card transactions. Stripe processes online credit card transactions for thousands of merchants, providing a safe and secure means of collecting payments via the internet.
For more information about Stripe and online credit card payments, please visit https://stripe.com
We may from time to time make calls and/or send text messages to you at any telephone number associated with your account. You certify, warrant, and represent that the telephone number you have provided to us is your contact number. You agree that Geekle US may send emails to you at any email address you provide us, or use other electronic means of communication to the extent permitted by law.
I hereby certify that there is no restriction on the right to process the personal data transferred by me to the Company, as well as my voluntary consent to use such personal data by the Company, granting the right to process and access the Company's representatives and the third parties for the above purposes for the period necessary to achieve the objective of processing or until the withdrawal of my consent.

I am also aware that at any time I may request and/or change my personal data being at the Company’s disposal, as well as withdraw my consent to the processing of my personal data by emailing the Company at email.
本网站使用Cookie来确保您获得最佳体验
OK