Modern Data Science practice: Machine Learning - the only expertise you need

WOE 11:15 - 11:45

Zaal 5

Over time various business problems ignited creation of the entire zoo of libraries, tools, solutions aimed to offer a help. It becomes a norm to place "Random Forest, SVM, XGBoost, R, NumPy, Pandas, MatLab, Java, C++, Scala, ..." in the job description for a role of Data Scientist. Does the modern Data Science practice in a large multidisciplenry organisation really need them all? I would like to share how Expondo is building Data Science practice around Deep Learning without a loss of speed, performance and transparency applying Deep Learning for many "classic" problems: demand forecasting, dynamic pricing, personalisation and others.

  • Thema
    Artificial Intelligence

    Aan de basis van AI staat uiteraard een enorme hoeveelheid data. Met behulp van een goede IT-infrastructuur en algoritmes is daarmee tot kunstmatige intelligentie te komen die beslissingen neemt. Tijdens de opkomst van AI, een aantal jaar geleden, rezen al de nodige vragen of de ontwikkeling niet voor vervelende situaties zou kunnen zorgen in de toekomst. De angst dat ‘apparaten’ een eigen wil krijgen lijkt ongegrond, maar het is wel belangrijk om de focus juist te houden.