Jak wygląda obraz polskiej przedsiębiorczości? Zapraszamy do zapoznania się infografiką stworzoną przez Datarino na podstawie analiz przeprowadzonych na danych open source.
Więcej informacji znajdziecie na: www.datarino.com.
Koncepcja, wedle której jednoznacznie identyfikowalne przedmioty mogą pośrednio albo bezpośrednio gromadzić, przetwarzać lub wymieniać dane za pośrednictwem sieci komputerowej. Do tego typu przedmiotów zaliczają się między innymi urządzenia gospodarstwa domowego, artykuły oświetleniowe i grzewcze.
Wydawnictwo Wiedza i Praktyka
5 najważniejszych trendów w Big Data na 2017 rokDatarino
Jakie trendy w Big Data rozwiną się w 2017 roku? Badania i raporty wskazują, że będzie to m. in. wzmożony rozwój artificial intelligence, deep learning czy wykorzystanie Big Data w optymalizacji działań marketingowych.
Zachęcamy do lektury!
Więcej na www.datarino.com
Wizualne budowanie aplikacji na Sparku przy pomocy narzędzia SeahorseData Science Warsaw
Seahorse powstał aby ułatwić i przyspieszyć budowanie aplikacji Sparkowych. Graficzny interfejs oparty na konfigurowaniu i łączeniu gotowych komponentów stanowi alternatywę dla pisania kodu w Scali. Podczas prezentacji słuchacze poznają funkcjonalności i ograniczenia Seahorse’a, zobaczą go w działaniu podczas live-demo oraz dowiedzą się jakie są kierunku dalszego rozwoju narzędzia i jak mogą stać się użytkownikami.
Neptune - narzędzie do monitorowania i zarządzania eksperymentami Machine Lea...Data Science Warsaw
Neptune powstał jako wewnętrzne narzędzie dla zespołu Machine Learning w deepsense.io. Bezpośrednią motywacją do prac nad nim były wyzwania, przed jakimi stawały nasze zespoły w konkursach Kaggle. Porównywanie modeli, wersjonowanie kodu oraz monitorowanie procesu trenowania modeli mocno spowalniały prace. Dodatkowo podczas rozmów z zespołami z innych firm okazało się, że im także brakuje narzędzia, które usprawniałoby ich codzienną pracę. Te zdarzenia zaowocowały napisaniem Neptune.
CRISP-DM - Metodologia Zwinnej Pracy z Danymi - Michał Łopuszyński
Prezentacja o metodologii CRISP-DM, która systematyzuje realizację projektów związanych z analizą danych. Naturalne etapy życia projektów data miningowych oraz typowe pułapki na jakie można się natknąć przy ich realizacji. Całość zilustrowana przykładami z praktyki, napotkanymi w pracach ICM UW nad Systemem Analizy Orzeczeń Sądowych SAOS, repozytorium OpenAIRE analizującym dane o publikacjach naukowych oraz nad innymi projektami na styku biznesu i analizy danych.
Jak wygląda obraz polskiej przedsiębiorczości? Zapraszamy do zapoznania się infografiką stworzoną przez Datarino na podstawie analiz przeprowadzonych na danych open source.
Więcej informacji znajdziecie na: www.datarino.com.
Koncepcja, wedle której jednoznacznie identyfikowalne przedmioty mogą pośrednio albo bezpośrednio gromadzić, przetwarzać lub wymieniać dane za pośrednictwem sieci komputerowej. Do tego typu przedmiotów zaliczają się między innymi urządzenia gospodarstwa domowego, artykuły oświetleniowe i grzewcze.
Wydawnictwo Wiedza i Praktyka
5 najważniejszych trendów w Big Data na 2017 rokDatarino
Jakie trendy w Big Data rozwiną się w 2017 roku? Badania i raporty wskazują, że będzie to m. in. wzmożony rozwój artificial intelligence, deep learning czy wykorzystanie Big Data w optymalizacji działań marketingowych.
Zachęcamy do lektury!
Więcej na www.datarino.com
Wizualne budowanie aplikacji na Sparku przy pomocy narzędzia SeahorseData Science Warsaw
Seahorse powstał aby ułatwić i przyspieszyć budowanie aplikacji Sparkowych. Graficzny interfejs oparty na konfigurowaniu i łączeniu gotowych komponentów stanowi alternatywę dla pisania kodu w Scali. Podczas prezentacji słuchacze poznają funkcjonalności i ograniczenia Seahorse’a, zobaczą go w działaniu podczas live-demo oraz dowiedzą się jakie są kierunku dalszego rozwoju narzędzia i jak mogą stać się użytkownikami.
Neptune - narzędzie do monitorowania i zarządzania eksperymentami Machine Lea...Data Science Warsaw
Neptune powstał jako wewnętrzne narzędzie dla zespołu Machine Learning w deepsense.io. Bezpośrednią motywacją do prac nad nim były wyzwania, przed jakimi stawały nasze zespoły w konkursach Kaggle. Porównywanie modeli, wersjonowanie kodu oraz monitorowanie procesu trenowania modeli mocno spowalniały prace. Dodatkowo podczas rozmów z zespołami z innych firm okazało się, że im także brakuje narzędzia, które usprawniałoby ich codzienną pracę. Te zdarzenia zaowocowały napisaniem Neptune.
CRISP-DM - Metodologia Zwinnej Pracy z Danymi - Michał Łopuszyński
Prezentacja o metodologii CRISP-DM, która systematyzuje realizację projektów związanych z analizą danych. Naturalne etapy życia projektów data miningowych oraz typowe pułapki na jakie można się natknąć przy ich realizacji. Całość zilustrowana przykładami z praktyki, napotkanymi w pracach ICM UW nad Systemem Analizy Orzeczeń Sądowych SAOS, repozytorium OpenAIRE analizującym dane o publikacjach naukowych oraz nad innymi projektami na styku biznesu i analizy danych.
Prezentacja by Wit Jakuczun z WLOG Solutions wygłoszona na 13tym spotkaniu Data Science Warsaw Meetup, pt. Rozwiązywanie problemów optymalizacyjnych z przykładami w GNU R.
Prezentacja Michała Brzezicki z 9 spotkania Data Science Warsaw przedstawiająca w jaki sposób pobierane i analizowane są dane w SentiOne. Opowiada o problemach związanych z crawlowaniem ponad pół miliona domen oraz dlaczego Hadoop i ElasticSearch jest fajny i na ilu dyskietkach mieści się 5,7 miliarda przeanalizowanych wypowiedzi.
Oszałamiające wizualnie, intuicyjne rozwiązanie, które pozwala wykorzystać potencjał Hadoop i przekształcić surowe dane w nowe odkrycia w ciągu kilku minut, bez potrzeby uczenia się skomplikowanych rozwiązań przeznaczonych dla wąskiego grona specjalistów.
Geolokalizacja i analizy przestrzenne: trzy wymiary a ile pracy dla analityka!Data Science Warsaw
O roli danych geograficznych ich źródłach, potencjale oraz metodach analitycznych wykorzystujących informacje przestrzenne.
5 spotkanie Data Science Warsaw MeetUp. Warszawa, 12 maja 2015
Prezentacja by Wit Jakuczun z WLOG Solutions wygłoszona na 13tym spotkaniu Data Science Warsaw Meetup, pt. Rozwiązywanie problemów optymalizacyjnych z przykładami w GNU R.
Prezentacja Michała Brzezicki z 9 spotkania Data Science Warsaw przedstawiająca w jaki sposób pobierane i analizowane są dane w SentiOne. Opowiada o problemach związanych z crawlowaniem ponad pół miliona domen oraz dlaczego Hadoop i ElasticSearch jest fajny i na ilu dyskietkach mieści się 5,7 miliarda przeanalizowanych wypowiedzi.
Oszałamiające wizualnie, intuicyjne rozwiązanie, które pozwala wykorzystać potencjał Hadoop i przekształcić surowe dane w nowe odkrycia w ciągu kilku minut, bez potrzeby uczenia się skomplikowanych rozwiązań przeznaczonych dla wąskiego grona specjalistów.
Geolokalizacja i analizy przestrzenne: trzy wymiary a ile pracy dla analityka!Data Science Warsaw
O roli danych geograficznych ich źródłach, potencjale oraz metodach analitycznych wykorzystujących informacje przestrzenne.
5 spotkanie Data Science Warsaw MeetUp. Warszawa, 12 maja 2015