Liczba danych rośnie lawinowo, podobnie jak liczba urządzeń wykorzystujących transmisję danych. Rośnie także liczba informacji gromadzonych o samych użytkownikach i poszczególnych procesach. Tak duże zbiory, aż proszą się o dokładną analizę i sprawdzenie jakie informacje się za nimi kryją. Dodając do tego rozwijające się możliwości sztucznej inteligencji i uczenia maszynowego, dochodzimy wprost do Data Science. Coraz więcej firm opiera swoje kluczowe procesy biznesowe na analityce danych. Czy warto zatem rozwijać się zawodowo w tym kierunku? Co powinniśmy wiedzieć o pracy Data Scientist?
Zapraszamy do udziału w konferencji ONLINE „Data Science”, która odbędzie się już 20 kwietnia 2021 roku.
W programie :
- Artur Piechocki - Radca Prawny,APLAW
"Wielopodmiotowe przetwarzanie danych osobowych". - prof. dr hab. Andrzej Sokołowski - Kierownik Zakładu, Katedra Statystyki, Uniwersytet Ekonomiczny w Krakowie
"Statystyczne podstawy nowoczesnych metod analizy danych".
(W wystąpieniu pokazane będzie jak metody klasycznej statystyki (takie jak weryfikacja hipotez statystycznych czy analiza regresji) są wykorzystywane w nowoczesnych metodach analizy danych – data mining, analizach big data, uczeniu maszynowym czy sztucznej inteligencji. Niewątpliwie jednym z podstawowych źródeł rozwoju gałęzi zwanej Data Science był i jest rozwój możliwości pozyskiwania i gromadzenia gigantycznej ilości danych. Drugie źródło to coraz szybsze komputery z coraz większą pamięcią. To stworzyło pokusę wymyślenia takich metod, które pozwolą na zrezygnowanie z klasycznych, statystycznych metod analizy danych, obarczonych często kłopotliwymi założeniami. Z drugiej strony wydawało się, że spełnia się marzenie statystyków dysponowania dużymi próbami, a obecnie wręcz gigantycznymi. Prawo wielkich liczb będzie więc działało znakomicie, wariancje estymatorów, a więc niepewność wnioskowania, będą małe. I tu, po pierwsze okazało się, że wiele metod klasycznej statystyki znajduje szerokie zastosowanie w nowoczesnych rozwiązaniach analizy danych; a po drugie – bardzo liczne próby okazały się dla statystyków kłopotliwe. Wydaje się, że istnieje złoty środek – pewne metody statystyczne będą nadal stosowane, nowe metody – możliwe do zastosowania dzięki rozwojowi techniki informatycznej – będą proponowane, a statystycy znajdą sposób na problemy z gigantycznymi próbami (gdy nawet najmniejsza różnica okazuje się istotna statystycznie)). - Dr Aleksandra Auleytner - Partner, Head of IP&TMT Practice, Domański Zakrzewski Palinka sp. k.
Tematyka konferencji:
- Artificial Intelligence
- Machine Learning
- Data Sciene
- Analityka i statystyka w informatyce
- Hurtownie danych
- Big Data
- Analiza danych
- Cloud Computing
- DataOps
Grupa docelowa:
- Analitycy danych
- Inżynierowie oprogramowania
- Administratorzy systemów
Udział jest bezpłatny dla wyżej wymienionych osób.
Udział jest płatny dla przedstawicieli dostawców usług, rozwiązań informatycznych oraz technologicznych związanych z tematyką konferencji - opłata za osobę wynosi 1000 zł + 23% VAT*
* Zastrzegamy sobie prawo do odmowy przyjęcia zgłoszenia, bez podania przyczyny.
PARTNERZY
PRELEGENCI
Prof. dr hab. Andrzej Sokołowski - Kierownik Zakładu, Katedra Statystyki, Uniwersytet Ekonomiczny w Krakowie
Artur Piechocki - Radca Prawny, APLAW
Dr Aleksandra Auleytner - Partner, Head of IP&TMT Practice, Domański Zakrzewski Palinka sp. k.