SmartData会议与会者是喜欢使用数据的人。 必须假设他们在去年的会议之后非常认真地对报告进行了评估。
现在，根据这些估算，我们已经整理了前10个视频。 同时，为了取悦数据发烧友，他们指出了十个报告中每个报告的所有相关数字：排在首位，准确的收视率，收视率。
一般而言，最高排名的收视率通常不会有显着差异。 因此，也许您不应该太重视“谁跟随谁”-更重要的是，所有这些报告都获得很高的评价。 但是，另一方面，当它是如此令人兴奋时，又怎么不能太关注数字呢！
Neurona：我们为什么要以Kurt Cobain的精神教神经网络写诗？
演讲者：
伊万·雅姆希科夫（Ivan Yamshchikov）位置：1
等级：4.51±0.08
观众人数：〜200
报告简报会议的明确负责人是神经防御和Neurona项目创建者的闭幕主题演讲。 这是一种可访问的性能，不需要查看者的大量准备-但同时，这不仅仅是“神经网络如何工作”的十分之一的解释。 这似乎是一种“有趣的”格式（立即听到的声音不太可能影响您的工作项目）-但从长远来看，所有这些不仅非常有趣，而且很有用。 总的来说，我们邀请Ivan参加即将到来的SmartData 2018不足为奇。
从单击到预测，反之亦然：Odnoklassniki中的数据科学管道
演讲者：
德米特里·布加钦科（Dmitry Bugaychenko）地点：2
等级：4.36±0.08
观众人数：〜140
报告简报而这是相反的。 首先，这不是一般的“机器学习可以给我们带来什么”，而是“确切地说我们如何实现一切”的细节。 而且该报告本身并不是关于ML（以新闻订阅源的个性化为例），而是与之相关的一切：“要做所有这些ML-beauty工作需要做什么。” 一般而言，如果Yamshchikov的演讲甚至可能引起广泛的听众的兴趣，那么仅与机器学习相关的人会感到很有趣，但是他们可以为自己承担很多责任。
CatBoost-下一代梯度提升
演讲者：
安娜·维罗妮卡·多罗古什位置：3
等级：4.32±0.12
观众人数：〜100
报告简报如果梯度增强不是您的专长，并且报告的主题引起了这样的感觉：“对于那些已经已经用威武和主要力量做到这一点的人来说，可能会有细微差别”，消除了这种担忧。 该报告对初学者很友好，并且不会立即浮出水面，而是首先说明基本内容。 考虑到在过去的一年中，Yandex CatBoost库比上一年变得更加美丽和流行，即使您现在不必处理它，对它有所了解也很有用，并且该报告可以作为一个很好的介绍。
回到现代银行系统的未来
演讲者：
弗拉基米尔·克拉西希奇克（Vladimir Krasilshchik）位置：4
等级：4.31±0.17
观众人数：〜80
报告简报如果由于最终的一致性，您的季度报告数据与每月报告不一致，并且审计师和监管者有疑问，该怎么办？ 弗拉基米尔·克拉西尔希克（Vladimir Krasilshchik）解释说，比特时代成为关键概念：存在“事件何时发生”，以及“何时系统被发现”，您需要同时使用这两个尺度并将其演示给第三方测试人员。 该报告不仅仅限于此，还有很多-例如，您是否认为在IT会议上您会听到“没有正义，您不应该尝试创建它”的说法？
名称是功能
演讲者：
Vitaly Khudobakhshov位置：5
评分：4.28±0.08
观众人数：〜280
报告简报会议最矛盾的陈述，迫使您困惑不解。 一方面，对于任何有理智的人来说，这是完全显而易见的：没有明显的理由可以使一个人的名字与之相关（如果我们谈论的是俄罗斯流行的名字）以及该人是否会与人建立关系。 另一方面，Vitaly呈现相反的数据。 他本人没有确切的解释，但没有人真正找到令人信服的反对意见。 您可以尝试搜索自己。
没有数据？ 没问题！ CGI的深度学习
演讲者：
伊万·德罗金（Ivan Drokin）位置：6
评分：4.26±0.18
观众人数：〜40
报告简报如您所知，算法不足以进行深度学习-我们需要用于学习的初始数据。 结果，好的数据集已成为宝贵的资源。 但是，如果您现在还没有它，并且您不是Google并且无法投资巨大的资源，该怎么办？ 事实证明，并非总是需要从现实世界中获取“真实”数据，并且在某些条件下可以从字面上生成它们。 该报告涉及这种特定情况。
用于对象检测和图像分割的深度卷积网络
演讲者：
谢尔盖·尼古连科地点：7
评分：4.24±0.17
观众人数：〜80
报告简报如果您仍然距离机器/深度学习还差得远，那么本报告的前20分钟可能就很好了：从1950年代开始的一次历史考察就对该主题进行了详尽的介绍。 而且，如果您从整体上了解了所有内容，但您不了解深度卷积网络的子主题，那么您可以立即跳过该介绍，并关注报告的下半部分，该部分将介绍卷积神经网络。
Hadoop高可用性：Badoo体验
演讲者：
亚历山大·克拉申尼科夫地点：8
等级：4.22±0.14
观众人数：〜100
报告简报看来，除了“大数据”的概念外，“增长数据”也将是有用的，因为增长决定了它自己的特性。 一旦Badoo将数据量级减小了一个数量级并采用了一种方法，那么数据量就会增加并且需要进行更改-应该牢记的是，明天一切都会变得更加强大，“无所不能”地完成所有工作。
即使他们通常在这两个词之间写“不兼容”，这两家公司也开始对“ Hadoop”和“实时”的结合产生了兴趣，现在他们谈论了他们在Hadoop方面的经验并提供了高可用性。 奖励：幻灯片上的Vasily Lozhkin有点创造力。
我们每天实时细分6亿用户
演讲者：
Artyom Marinov地点：9
等级：4.21±0.09
观众人数：〜120
报告简报在这里，该项目与Badoo截然不同：不是约会，而是DMP（数据管理平台），您要在其中突出显示受众群体中的细分受众群，例如“车龄超过5年的家庭主妇”。 但是，首先，它的规模也很大（每秒约十万个事件）。 其次，在这里您需要为增长做更多的准备：“在数据源中-像素安装，如果明天超级流行的网站将您的像素置于自身之中-将需要处理大量的数据流。” 他们处理什么技术？使用得如何？ 报告中的答案。
大数据分布式机器学习：在ivi中构建推荐系统的经验
演讲者：
Boris Schminke位置：10
等级：4.21±0.09
观众人数：〜100
报告简报最后，上一份报告也是“关于基础结构，而不是算法”，并且也是基于大型产品的经验。 曾几何时，ivi开始使用提供“建议即服务”的第三方服务来实施建议。 然后他们从中“成长”起来，开始创建自己的系统。 该公司早在2014年就在哈布雷（Habré）上
发表过相关文章，从报告中您可以了解当前的情况。
如果您对这些报告感兴趣，请注意： SmartData 2018将于今年秋天举行。 与前10名不同的演讲者将返回新报告，其中将有全新的名字。 有关该程序的最新信息始终可以在网站上看到，您也可以在该网站上购买门票-并且它们的价格正在逐渐上涨，因此，您应该立即考虑。