Грин, Zillion.ru - игрофикация и реферальные программыConferenceCast
Доклад с первой конференции "Маркетинг образовательных проектов" весны 2015 года. Видео доклада доступно здесь: http://meconf.ru/#!marketing-obrazovateljnih-proektov-2015-04-03/1427
Игрофикация против бейджификации (доклад на EdCrunch 2014)Ilya Kurylev
Доклад про хорошие и плохие примеры применения игровых механик в образовании, о проблемах проходимости и удержания пользователей в MOOC (massive open online courses) и что здесь может помочь, о том какие задачи может и должна решать игрофикация.
Доклад прочитан на конференции EdCrunch в октябре 2014 года.
Грин, Zillion.ru - игрофикация и реферальные программыConferenceCast
Доклад с первой конференции "Маркетинг образовательных проектов" весны 2015 года. Видео доклада доступно здесь: http://meconf.ru/#!marketing-obrazovateljnih-proektov-2015-04-03/1427
Игрофикация против бейджификации (доклад на EdCrunch 2014)Ilya Kurylev
Доклад про хорошие и плохие примеры применения игровых механик в образовании, о проблемах проходимости и удержания пользователей в MOOC (massive open online courses) и что здесь может помочь, о том какие задачи может и должна решать игрофикация.
Доклад прочитан на конференции EdCrunch в октябре 2014 года.
От больших к очень большим данным — зачем нужна нормализация в Big Data / Гол...Ontico
Спроектировать хранилище данных, казалось бы, не сложно.
Собрать требования -> построить модель данных -> реализовать ETL.
Но проходит год-два, и рост объема данных, и, главное, рост сложности данных приводит хранилище на грань работоспособности.
В докладе будет проиллюстрировано, как Big Data хранилище Авито экспоненциально увеличивалось в размерах данных и сложности их взаимосвязей вместе с ростом объема и сложности бизнеса компании, сохраняя скорость выполнения запросов.
Будет обосновано, почему следование ограничениям 6-й нормальной формы (Anchor Modeling) помогает не утонуть в новых данных и успешно масштабировать нагрузку в условиях MPP СУБД.
В качестве финального штриха будет рассказано, как высоконормализованная модель данных Anchor Modeling позволяет малыми усилиями сделать шаг за пределы СУБД к хранению части данных в виде (ORC) файлов в распределенной файловой системе (HDFS) к сохранению для пользователей возможности работать со всеми данными посредством (почти) обычного SQL (без Hive).
Знаете, сколько плохих през производится в мире каждый день? Я не знаю. Но уверен, что много, потому что сам получаю их ежедневно. От коллег по цеху я часто слышу, что главное — донести суть, а оформление не так уж важно. Такие заявления вызывают у меня баттхерт: да один грамотно составленный мудборд сработает лучше, чем десять слайдов с текстом! Я собрал все типичные ошибки в оформлении презентаций и объединил их в некий свод правил. Представляю вам вредные советы о том, как сделать «САМУЮ ЛУЧШУЮ ПРЕЗУ».
Что такое аналитика в маркетинге, зачем она нужна, и как ее готовитьMindbox
Немного о наболевшем: задачи, которые может решать аналитик в маркетинге на несложны примерах из жизни. Основные методы анализа данных о потребителях / покупателях в простой и понятной форме.
Искусственный интеллект и Big Data в бизнесеExpasoft
Презентация семинара по анализу больших данных и машинному обучению 16.11.2016 г.
- Чем искусственный интеллект может помочь бизнесу?
- Что такое глубинное обучение и какие инновационные технологии можно создать на его основе?
- Почему аналитик больших данных самая сексуальная профессия XXI века?
Организаторы семинара:
Лаборатория аналитики потоковых данных и машинного обучения НГУ,
Центр обучения Big Data Analytics "НГУ-Экспасофт". Евгений Павловский — сертифицированный EMC Data Science Associate, Кандидат физико-математических наук, старший преподаватель Кафедры Общей Информатики НГУ, заведующий лабораторией аналитики потоковых данных и машинного обучения НГУ-Экспасофт,
Business Development Director в «ExpaSoft».
https://expasoft.com/edu/
Для эффективной борьбы с большими данными одних технологий недостаточно. Необходим правильный настрой по отношению к ним, позволяющий видеть перспективы и особенности их использования. В данном рассказе предлагается точка зрения на совокупность проблем больших данных и их возможные пути разрешения. Рассказ построен на конкретных примерах из личной практики.
Целевая аудитория доклада, ее примерный уровень: аналитики, менеджеры ИТ, CTO.
Кибернетическая медицина 2015 успех или мистификацияSerge Dobridnjuk
Дается обзор моделей и типов аналитических систем, применяемых в здравоохранении. Рассматриваются эвристические модели: экспертная, регрессионная, деревья решений, нейросети. Для каждой приводится список интересных медицинских систем, их использующих
От больших к очень большим данным — зачем нужна нормализация в Big Data / Гол...Ontico
Спроектировать хранилище данных, казалось бы, не сложно.
Собрать требования -> построить модель данных -> реализовать ETL.
Но проходит год-два, и рост объема данных, и, главное, рост сложности данных приводит хранилище на грань работоспособности.
В докладе будет проиллюстрировано, как Big Data хранилище Авито экспоненциально увеличивалось в размерах данных и сложности их взаимосвязей вместе с ростом объема и сложности бизнеса компании, сохраняя скорость выполнения запросов.
Будет обосновано, почему следование ограничениям 6-й нормальной формы (Anchor Modeling) помогает не утонуть в новых данных и успешно масштабировать нагрузку в условиях MPP СУБД.
В качестве финального штриха будет рассказано, как высоконормализованная модель данных Anchor Modeling позволяет малыми усилиями сделать шаг за пределы СУБД к хранению части данных в виде (ORC) файлов в распределенной файловой системе (HDFS) к сохранению для пользователей возможности работать со всеми данными посредством (почти) обычного SQL (без Hive).
Знаете, сколько плохих през производится в мире каждый день? Я не знаю. Но уверен, что много, потому что сам получаю их ежедневно. От коллег по цеху я часто слышу, что главное — донести суть, а оформление не так уж важно. Такие заявления вызывают у меня баттхерт: да один грамотно составленный мудборд сработает лучше, чем десять слайдов с текстом! Я собрал все типичные ошибки в оформлении презентаций и объединил их в некий свод правил. Представляю вам вредные советы о том, как сделать «САМУЮ ЛУЧШУЮ ПРЕЗУ».
Что такое аналитика в маркетинге, зачем она нужна, и как ее готовитьMindbox
Немного о наболевшем: задачи, которые может решать аналитик в маркетинге на несложны примерах из жизни. Основные методы анализа данных о потребителях / покупателях в простой и понятной форме.
Искусственный интеллект и Big Data в бизнесеExpasoft
Презентация семинара по анализу больших данных и машинному обучению 16.11.2016 г.
- Чем искусственный интеллект может помочь бизнесу?
- Что такое глубинное обучение и какие инновационные технологии можно создать на его основе?
- Почему аналитик больших данных самая сексуальная профессия XXI века?
Организаторы семинара:
Лаборатория аналитики потоковых данных и машинного обучения НГУ,
Центр обучения Big Data Analytics "НГУ-Экспасофт". Евгений Павловский — сертифицированный EMC Data Science Associate, Кандидат физико-математических наук, старший преподаватель Кафедры Общей Информатики НГУ, заведующий лабораторией аналитики потоковых данных и машинного обучения НГУ-Экспасофт,
Business Development Director в «ExpaSoft».
https://expasoft.com/edu/
Для эффективной борьбы с большими данными одних технологий недостаточно. Необходим правильный настрой по отношению к ним, позволяющий видеть перспективы и особенности их использования. В данном рассказе предлагается точка зрения на совокупность проблем больших данных и их возможные пути разрешения. Рассказ построен на конкретных примерах из личной практики.
Целевая аудитория доклада, ее примерный уровень: аналитики, менеджеры ИТ, CTO.
Кибернетическая медицина 2015 успех или мистификацияSerge Dobridnjuk
Дается обзор моделей и типов аналитических систем, применяемых в здравоохранении. Рассматриваются эвристические модели: экспертная, регрессионная, деревья решений, нейросети. Для каждой приводится список интересных медицинских систем, их использующих
o Задумались о внедрении серьезной аналитической платформы? Отличная идея: производительная аналитика поможет ускорить принятие бизнес-решений и извлечь из данных новую ценную информацию. Узнайте, какими качествами должна обладать современная аналитическая платформа
Мастер класс “С чего начать: Подготовка и создание архивов открытого доступа»Iryna Kuchma
Презентация на совместном семинаре eIFL.net и ГПНТБ России «Открытый доступ и открытые архивы информации», 11 июня 2009, Шестнадцатая международная конференция «КРЫМ 2009»
Мастер класс “С чего начать: Подготовка и создание архивов открытого доступа»
Bd telehelth
1. Date
Сбор и анализ данных удаленного
мониторинга медицинских показателей
Big Data в telehealth
Friday 11 April 14
2. Big Data. Полезное определение
✤ Частные определения:
- устрйства хранения большой производительности,
- базы данных с большим объёмом хранения,
- NOSQL-базы,
- распределённая обработка (Hadoop),
- complex event processing,
- статистический анализ,
- машинное обучение и, шире, AI,
✤ Полезное определение:
“Сохранение фактов для последующего анализа,
Исследование, поиск закономерностей,
Применение обнаруженых закономерностей, решение различных
прикладных задач.”
Friday 11 April 14
4. BigData.Варианты использования
✤ Aнализ данных мониторинга новорожденных для принятия
предупредительных мер (Канадский неонатальный институт)
✤ Анализ рентгенограмм в процессе массовой диспансеризации
✤ Построение систем ИЭМК
✤ “Экспертные системы” по дифференциальной диагностике (IBM
Watson)
✤ Дистанционный мониторинг показателей жизнедеятельности
(Telehealth)
Friday 11 April 14
6. Telehealth
✤ Драйверы роста:
- Стареющее население
- Недостаток медработников
- Акцент на профилактику заболеваний
- Экономический фактор
✤ В Великобритании Department of Health в 2008 году провел исследование, которое
показало что при применении методов Telehealth:
45% уменьшение смертности
20% уменьшение срочных госпитализаций
15% уменьшение визитов лечащего врача
14% уменьшение плановой госпитализации
14% уменьшение койко дней
8% уменьшение расценок на лечение
Friday 11 April 14
7. Задачи, требующие решения
✤ Обработка интенсивных потоков данных. CEP и NoSql
Оценка: кардиогаф, 3 канала, 60 байт на канал в секунду, итого 200 байт, до
5 приборов - 8 килобит в секунду, при 10000 клиентов поток 80 мегабит
✤ Хранение с возможностью эффективного поиска
Оценка: 160 терабайт за 6 месяцев
✤ Формирование базового набора методик формирования тревог и
визуализации. Выработка патернов для тревог
✤ Формирование методики адаптивного обучения (под клиента)
✤ Решение вопросов защиты персональных данных
Friday 11 April 14
9. Методологии и технологии
✤ Мобильные кардиографы
✤ RabbitMQ
✤ MongoDB
✤ ML: Neural Networks, Support Vector Machine, Clustering, Pattern
Matching…
✤ На базе РК МПК
Friday 11 April 14
10. Результат
✤ Круглосуточный мониторинг с использованием мобильных
устройств и сотовой сети передачи данных
✤ Уточненная диагностика и формирование схем лечения на основе
получаемых данных
✤ Развитие патернов тревог на основе накопленных данных
✤ Автоматическое выявление аномалий и профилирование
клиентов (кластеризация)
✤ Адаптация алгоритмов под клиента
Friday 11 April 14
11. Перспективы
✤ mHelth - мониторинг на основе массовых мобильных устройств
✤ Вживляемая электроника. Кроглосуточный разносторонний
мониторинг
✤ Мониторинг с целью улучшения качества жизни и улучшения
долгосрочного прогноза для практически здоровых людей
✤ Конвергенция различных источников данных
✤ Выработка инструментария автоматизированного анализа
Friday 11 April 14