Data driven подход и работа с данными в современной компании: Александр Бердышев и Никита Зеленский скачать в хорошем качестве

Data driven подход и работа с данными в современной компании: Александр Бердышев и Никита Зеленский

В понедельник в 18:00 у меня в гостях будет Никита Зеленский - руководитель департамента работы с данными в компании Whoosh. Планируем обсудить: 1. Как организована работа с данными и людьми в компании с организационной точки зрения (деление по отделам, какие отделы нужны для решения каких задач) 2. Что вообще такое инженерия данных - и насколько важно для современных компаний наладить грамотную работу с данными. 3. Для чего вообще в компании нужно внедрение BI? 4. Поговорим про машинное обучение и DS - когда компаниям пора задуматься о внедрении машинного обучения - а когда это будет избыточным. 5. Поговорим про Data Mining. 6. Насколько удобно когда в компании внедрён каталог данных? Начиная с какого размера компании без него сложно работать? 7. Поговорим про Data Driven подход Ссылка на YouTube канал Whoosh:    / @whoosh-bike   Таймкоды: 0:00 - Никита Зеленский - "главный по данным" 1:06 - Как развивались отделы 3:38 - Data Driven подход 6:30 - Что такое DBT 9:55 - Как настраиваете ML-Flow 12:35 - Кто готовит датасеты для обучения моделей 16:35 - Data Lake House & Data Warehouse 23:40 - Как аналитики данных взаимодействуют с ЛПР 30:07 - Как работаете с объёмными задачами анализа 34:10 - Не планируем часы работы дата сайнтистов, если задача research 37:20 - Были ли провалы внедрения ML моделей 38:50 - Как справляетесь с разреженностью и неоднородностью данных 40:25 - Меньше нейросеток, больше классического ML 41:55 - Как запустить ML модель на самокате 44:30 - Прогнозирование при помощи временных рядов 46:08 - Data Mining 47:55 - Аномалии в данных и фрод 50:25 - Система alert-инга 51:40 - Перспективы развития инженерии данных - облака или in-house 55:10 - PostgreSQL используется вообще везде 55:35 - Заменят ли нас нейросетками? Как сейчас используется в работе? 59:55 - Шумы в данных и разреженность данных. 01:02:25 - Как оценивать эффект от внедрения ML модели 01:05:15 - Интересный случай, связанный с данными - исчезновение данных из облака 01:12:05 - Графовые базы данных