PyData Bydgoszcz – Meetup #16
ORGANIZATOR: PyData Bydgoszcz. 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:
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!
Źródło: Centrum Nauki i Kultury Młyny Rothera
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!
Źródło: Centrum Nauki i Kultury Młyny Rothera