PyData Bydgoszcz – Meetup #16

Informacje od Organizatora:

Plan wydarzenia:

18:00-18:10 Wstęp
18:10-18:55 Dominika Szulc: “Zastosowanie frameworka LangChain w budowie personalizowanego chatbota”
18:55-19:10 Przerwa
19:10-19:55 Andrzej Pyskir: “Szybkie testy, dobre dane treningowe – wybierz jedno”
19:55-20:05 Konkurs

O prelegentach:

Dominika Szulc – pracuje w Future Processing na stanowisku Machine Learning Engineer. Swoją przygodę z Data Science i Machine Learningiem zaczęła 3 lata temu, zmieniając swoją ścieżkę kariery z branży optycznej na informatyczną. W „wolnych” chwilach urlopu macierzyńskiego szlifowała swoje umiejętności w ramach kursu Data Science na Turing College (jednocześnie będąc tam najpierw Junior Team Leaderem, a od niedawna Senior Team Leaderem – odpowiedzialną za code review oraz doraźną pomoc uczestnikom kolejnych edycji kursu) a także studiach podyplomowych z zakresu Data Science na Politechnice Warszawskiej. Obecnie bada różne możliwości zastosowań dużych modeli językowych w praktycznych aplikacjach.

Andrzej Pyskir – droga zaczynająca się na inżynierii fotonicznej przez fizykę laserów i fizykę cząstek elementarnych doprowadziła  do uczenia maszynowego, które obecnie praktykuje jako senior data scientist w Digital Turbine, gdzie nadzoruje i rozwija modele wykonujące dziesiątki tysięcy predykcji na sekundę, a wszystko po to, żeby pokazać Wam kolejną denerwującą reklamę gierki na komórkę.

O wykładach:

Dominika Szulc: “Zastosowanie frameworka LangChain w budowie personalizowanego chatbota”

Pokażę Wam jak możecie stworzyć własne generatywne AI wykorzystując framework LangChain i Pythona. Nawet jeżeli nigdy nie bawiliście się z LangChain lub innymi generatywnymi AI, to idąc za przygotowaną przeze mnie checklistą osiągniecie sukces. Pokażę Wam, jak napisać coś takiego od zera, jak usprawnić jakość wyników i to wszystko na konkretnym przykładzie – asystenta do konferencji PyData w różnych krajach.

Andrzej Pyskir: “Szybkie testy, dobre dane treningowe – wybierz jedno”

W Digital Turbine mamy do wyboru: zapisać cechy modelu w momencie predykcji i potem użyć ich do treningu, albo w momencie treningu (np. tydzień później) odtworzyć je na podstawie danych historycznych. Oba podejścia mają swoje wady i zalety, pierwsze z nich zapewnia pełną zgodność danych na treningu i inferencji (cechy są liczone raz), drugie z kolei niesie ryzyko błędnego odtworzenia cech, ale pozwala szybciej testować nowe pomysły na cechy oraz szybciej wdrażać poprawki. Wybór podejścia jest nieoczywisty, o czym najlepiej świadczy fakt, że 2 niezależne zespoły w Digital Turbine wybrały różnie.

O konkursie:

Chętni uczestnicy naszego spotkania będą mogli wziąć udział w kahoocie. Nagrodami będą:

• wejściówka na konferencję bITconf
• pakiet gadżetów od Future Processing
• dwie licencje na dowolny produkt JetBrains

Uwaga: konkurs będą mogły wygrać tylko osoby, które zapiszą się na nasze spotkanie na meetup.com. Zależy nam na tym dlatego, że od liczby zapisanych będzie zależała liczba licencji, jakie będziemy w stanie zdobyć dla Was w przyszłości.

Więcej informacji: kliknij TUTAJ!