Slides for AI Day Minsk 2017 (Big Data Week Flagship Event): http://minsk.bigdataweek.com Video: https://youtu.be/iDJ2-pbjKdM?t=19m33s

1. Machine Learning and
Artificial Intelligence
as a business tool and
a foundation of new products
Dzianis Pirshtuk,
Chief Data Scientist @ InData Labs
d_pirshtuk@indatalabs.com

2. О чем доклад?
1. История и смысл машинного обучения
2. Современные примеры
3. Тенденции

3. Смотрим через потребительский взгляд

4. Зачем машинное обучение?

5. Аналитическое моделирование

6. Не можешь описать законом?
Аппроксимируй это!

7. Машинное обучение
Машинное обучение - это
процесс, в результате
которого машина
способна показывать
поведение, которое в нее
не было явно заложено
(запрограммировано).

8. А. Я. Червоненкес
За участие в разработке
системы оптимального
автоматического
оконтуривания руд по данным
эксплуатационной разведки
удостоен Государственной
премии СССР (1987)

9. Data Science

10. Knowledge Discovery in Databases (KDD)

11. CRISP-DM
1. Понимание бизнес-
целей (Business Understanding)
2. Начальное изучение данных
(Data Understanding)
3. Подготовка данных
(Data Preparation)
4. Моделирование (Modeling)
5. Оценка (Evaluation)
6. Внедрение (Deployment)

12. Нет данных – нет будущего

13. Когда есть данные и бизнес-модель …

14. Искусственный интеллект - это будущее
не только России, это будущее всего
человечества. Здесь колоссальные
возможности и трудно прогнозируемые
сегодня угрозы … Тот, кто станет
лидером в этой сфере, будет
властелином мира.
Президент России
В.В. Путин

15. Современность

16. Количество публикаций на arxiv.org

17. Понимание текста

18. Блеск и нищета нейронных сетей

19. Новые бизнес-возможности

20. Business Intelligence: прошлое и будущее

21. Рекомендации: собираем длинный хвост

22. Amazon vs Walmart

23. Важные замечания
1. За пользователями нужно следить:
долгострочные куки, авторизация,
лояльность, длинные клики,
лог поиска и действий …
2. Предложения для пользователя
должны быть ожидаемыми.
3. Способ заработка может быть разным

24. Взаимодействие: эрозия клиентской базы

25. https://www.textrequest.com/blog/how-many-emails-do-people-get-every-day/

26. Тенденции

27. Deep Computer Vision

28. Победа искусственного интеллекта

29. Современные нейронные сети

30. Решайте проблему любым способом!

31. Успех искусственного интеллекта

32. Выводы
1. Должна быть проблема
2. Без данных никуда
3. Правильный подход:
даже из малых данных
можно что-то выжать
4. Внедряйте там, где будет ценность
5. Data Science – это множество компетенций
6. Просто нейросеть никому не нужна
7. Кто контролирует данные
обладает преимуществом
8. Будущее будем интересным J

33. СПАСИБО!
Вопросы?
Dzianis Pirshtuk
Chief Data Scientist @ InData Labs
d_pirshtuk@indatalabs.com