Pragmatic Machine Learning in Business

zajac jan

Jan Zając

Prezes, założyciel
w Sotrender
Przedsiębiorca, badacz i psycholog. Założyciel i prezes Sotrendera (www.sotrender.com), jedynej w Polsce firmie badawczej specjalizującej się w social media i tworzeniu własnych narzędzi do ich badania. Adiunkt na Wydziale Uniwersytetu Warszawskiego. Absolwent SGH i UW, stypendysta Uniwersytetu Bocconi w Mediolanie oraz Uniwersytetu w Leuven. Autor wielu publikacji na temat psychologii Internetu i prowadzenia badań online. Częsty mówca na konferencjach branżowych.

Wykładowca na studiach magisterskich i podyplomowych z zakresu marketingu internetowego oraz badań społecznych i marketingowych.


nowacki jakub

Jakub Nowacki

Lead Machine Learning Engineer
w Sotrender
Absolwent Politechniki Gdańskiej oraz Uniwersytetu Bristolskiego, gdzie obronił doktorat z matematyki stosowanej. Na co dzień łączy umiejętności analityczne i programistyczne jako Lead Machine Learning Engineer w Sotrenderze. Doświadczenie zdobywał oraz prowadził zespoły w działach badań i rozwoju w wielu firmach w branży wysokich technologii, mediów, farmaceutycznych oraz petrochemicznych. Najbardziej interesuje się rozproszonym przetwarzaniem i analizą dużych zbiorów danych. Pracował zarówno z technologiami dojrzałymi, jak i nie boi się wyzwań w pracy z najnowszymi rozwiązaniami. Zaczynał przygodę z programowaniem w językach C i C++, jednak obecnie najlepiej czuje się w świecie Javy, Scali i Pythona. Prelegent i trener szkoleń technologicznych na wielu konferencjach poświęconych tematyce Big Data.
 

Myśl przewodnia:

Tzw. sztuczna inteligencja, a zwłaszcza uczenie maszynowe, to jeden z najważniejszych trendów we współczesnym biznesie. W jaki sposób zmieni rzeczywistość badań, firm badawczych i ich klientów?

Korzyści:

Coraz więcej mówi się o tym, że uczenie maszynowe zastąpi wiele stosunkowo prostych prac wykonywanych przez ludzi i zmieni wiele różnych branż, w tym także marketingu czy badań.

Nowe i oryginalne treści wystąpienia:

Połączenie perspektywy IT i "twardego" data science (1. z prelegentów) oraz doświadczeń z badań i budowy biznesu badawczego (2. z prelegentów).

Odwołanie się do konkretnych doświadczeń z polskiego rynku, zarówno z korporacji, jak i ze startupów i branży IT.

Pokazanie mitów i praktyki związanej z uczeniem maszynowym.

Zwrócenie uwagi na znaczenie dostępu do danych jako przewagi konkurencyjnej i zarazem bariery wejścia w uczenie maszynowe.

Opis badania:

Badania prowadzone w ramach grantu NCBiR dotyczącego analizy danych z mediów społecznościowych, w tym rozpoznawania obrazów i przetwarzania języka naturalnego (NLP).

powrót do programu