Drugi Meetup Data Science Srbije u Novom Sadu

Dragi novosađani i svi koji bi uskoro posetili Novi Sad: 23.04.2018 u 18h održaćemo drugi po redu novosadski Meetup Data Science Srbije. Za prvo predavanje dovodimo gosta sa Ekonomskog Fakulteta u Beogradu, koji će nam govoriti o mašinskom učenju u fintech industriji. U toku drugog predavanja utvrdićemo gradivo sa prethodnog meetup-a o segmentaciji slika uz pomoć neuralnih mreža – ovoga puta u oblasti istraživanja u poljoprivredi.  Read more

Data Science Meetup #26

Na 26. beogradskom Data Science Srbija okupljanju, 18. aprila,  fokus će biti na Apache Hadoop i ElasticSearch tehnologijama. Centralna tema okupljanja će biti poređenje ovih tehnologija na praktičnim primerima iz prakse. Upoznaćemo se detaljno sa primerima implementacije ovih alata na nekoliko projekata, i njihovim prednostima i nedostacima.

Pored toga, imaćemo prilike da ukratko prođemo kroz “Digitalnu istoriju” (od ENIAC-a od 2050.), osvrnemo se na to šta je ostvareno (ili će biti ostvareno) na ovom polju i na “posledice” koje razvoj veštačke inteligencije može doneti čovečanstvu.

Predavač na ovom okupljanju će biti Aleksandar Razmovski, Senior Business Intelligence Analyst u kompaniji Seavus. Aleksandar ima 15+godina profesionalnog iskustva u oblasti računarstva i informacionih tehnologija. Sa nama će podeliti svoja iskustva sa projekata na kojima je radio, a koji se tiču pomenutih alata.

Mesto okupljanja je dobro poznato mesto – ICT Hub Playground (Kralja Milana 10), sa početkom u 18h.

Prijave su dostupne na zvaničnoj Meetup stranici događaja: https://www.meetup.com/Data-Science-Serbia/events/249712056/, a prisustvo je besplatno. 🙂

Vidimo se!

Deep learning meetup u Novom Sadu

Sa zadovoljstvom vas obaveštavamo da će prvi meetup organizacije Data Science Srbija u Novom Sadu biti održan 30-og marta, u prostorijama Startit centra Novi Sad (SCNS), Miroslava Antića 2. Glavna tema će biti deep learning i primena u dva veoma različita domena: psihološkim istraživanjima i image recognition problemima.

I predavanje: Kako neuralne mreže uče?
Svaki sistem može biti utreniran da idelano funkcioniše, ali kada simuliramo ljudsko učenje, cilj nije postići idelno, već optimalno funkcionisanje. Npr. kalkulatori savršeno tačno računaju, ali nam ne nude uvide u to kako mi rešavamo računske operacije. Na predavanju će kroz primer kategorizacije biti pokazano kako se putem neuralnih mreža može simulirati, a istovremeno i razumeti učenje, to jest, kako se mogu proizvesti iste greške i slična postignuća kakva beležimo kod ljudi.

O predavaču:
Dr Vanja Ković, vanredni profesor na Filozofskom fakultetu Univerziteta u Beogradu, Odeljenje: Psihologijа. Oblasti interesovanja i istraživanja: Kognitivna psihologija, Kognitivne neuronauke, Kompjutersko modelovanje kognitivnih procesa.

II predavanje: Detekcija jedra ćelije – Data Science Bowl 2018
Deep learning je ostvario veoma brz napredak u skorije vreme. Boljim hardware-om i novim idejama doprineo je razvoju velikog broja AI aplikacija u svim sferama. Jedna od industrija gde je deep learning pronašao svoje mesto je medicina. U ovoj prezentaciji zaronićemo veoma “duboko” sve do samog jedra ćelije. Zašto tako duboko? Zato što jedro ćelije sadrži najveću količinu genetskog materijala i njegova detekcija predstavlja početnu tačku u većini medicinskih analiza i istraživanja. Uspešna detekcija jedra ćelije dovodi do bržeg istraživanja, bržeg pronalaženje lekova, i slično. U prezentaciji biće opisana jedna od arhitektura neuronskih mreža za segmentaciju medicinskih slika – UNet implementirana u TensorFlow-u. Više informacija o problematici detekciji jedra možete pronaći na: https://www.kaggle.com/c/data-science-bowl-2018

O predavaču:
Stanko Kuveljić, data scientist u SmartCat-u iz Novog Sada. Završio je master studije na Fakultetu Tehničkih Nauka u Novom Sadu sa temom primene deep learning-a. U SmartCat-u najviše koristi Apache Spark i TensorFlow. Kada ne trenira svoje neuronske mreže, istražuje i raid-uje po Azeroth-u i ostalim svetovima.

Za prisustvo na meetup – u možete se prijaviti na linku