PRELEKCJE
Łatwo jest zrobić model machine learning (ML), który "na papierze" wygląda dobrze. Trudniej uzyskać to, żeby pomagał podejmować dobre decyzje. Jeszcze trudniej uzyskać istotne korzyści. Na podstawie swojego doświadczenia opowiem o tym, co naprawdę decyduje o sukcesie w projektach korzystających z ML.
Od blisko trzech dekad projektuje i buduje rozwiązania ML, które faktycznie działają na produkcji i mają istotny wpływ na decyzje oraz wyniki biznesowe. Współtworzył ponad setkę projektów ML w finansach, ubezpieczeniach, e-commerce i innych branżach. Matematyk, były wykładowca i współautor książki o prognozowaniu szeregów czasowych. Po godzinach: improwizator komediowy i (współ)opiekun małego stada psów.
Większość projektów LLM kończy się na demo. Wygląda dobrze na spotkaniu - nie dowozi wartości na produkcji. Problem rzadko leży w modelu. Leży w architekturze, kontroli i braku kompetencji systemowych. W wystąpieniu pokażę czym jest Software 3.0 - podejście, w którym LLM jest komponentem systemu, nie całym rozwiązaniem - różni się od wrapperów na GPT. Omówię 7 Poziomów Autonomii AI, framework wypracowany w DataWorkshop Lab po tysiącach godzin testów, i pokażę na którym poziomie rynek traci najwięcej pieniędzy. Realne przykłady, zero hype'u, perspektywa praktyka.
Vladimir Alekseichenko - Founder & CEO DataWorkshop. Od dekady wdraża modele ML na produkcję. Były Architekt w General Electric. W DataWorkshop Lab wypracował frameworki 7 Poziomów Autonomii AI i Software 3.0. Przeszkolił 10 000+ osób z Google, IBM, Lufthansa, Orange, ING. Podcast Biznes Myśli: 500k+ pobrań. Na meetupie pokaże jak przejść od demo do realnej wartości z LLM.
ul. Granitowa 17, 52-235 Wrocław
KRS
0001257086
NIP
8993064563
REGON
545351967
Tam ogłaszamy spotkania.