21 мая 2019 / время чтения: 2 мин. / всего просмотров: 1
«Техносерв» поделится лучшими практиками использования машинного обучения на Russian Tech Week 2019
Компания «Техносерв», один из крупнейших российских системных интеграторов, примет участие в 3-й специализированной конференции Russian Tech Week 2019, которая пройдет 22-24 мая в Москве, Технопарке Сколково (Большой бул., 42, стр. 1, Западный административный округ, Можайский район, Инновационный центр Сколково, Москва).
Russian Tech Week – 2019 – это трехдневная прикладная конференция и выставка об инновационных технологиях для решения задач бизнеса. Мультиформатная конференция обеспечит погружение в цифровые технологии, кейсы и бизнес-задачи для прогрессивных игроков рынка. Основная часть проходит в 10 параллельных тематических потоках, что позволяет начинающему и профессионалу найти подходящие для себя темы. Основные блоки: цифровая трансформация бизнеса, Russian VR / AR Day, Fintech Day, AI & Big Data, Business Analytics Day, Invest Summit, Blockchain Week, Regtech Day, HR Tech Day и Tech Marketing Summit. Также в рамках мероприятия пройдут выставка технологичных решений для бизнеса, воркшоп по теме внедрения цифровых технологий и мастер-классы.
Доклад Георгия Шатирова, директора центра компетенций Больших Данных компании «Техносерв», на тему «Применение единой платформы машинного обучения для решения задач металлургии, электроэнергетики, финансового сектора, авиа и игровой индустрий» состоится 22 мая в 13.40-14.00 в рамках потока «Системные решения для руководителей» (блок Business Analytics Day). Он расскажет об основных причинах высоких затрат на RND на старте и способах их сокращения. Главная цель – помочь компаниям, только начинающим использовать технологии машинного обучения, снизить затраты на текущие технологические процессы и повысить выручку за счет привлечения новых сегментов клиентов с персонализированными предложениями. На примерах из практики будет показано, как увеличить ROI каналов привлечения, повысить MRR сервисов на 10% и быстро проверять бизнес-гипотезы с применением машинного обучения на больших датасетах.