Провалы в решении задач по анализу данных

В машинном обучении совершается всё больше прорывов, постоянно появляются новые методы, решаются новые задачи, запускаются новые продукты и сервисы. Создаётся ощущение, что задачи решаются сами — достаточно собрать данные и обучить модель, а дальше всё будет замечательно. Мы бы хотели напомнить нашим мини-воркшопом, что всё не так просто! Существует огромное количество способов провалить проект, связанный с анализом данных — и мы постараемся рассказать о некоторых из них. – Валерий Бабушкин, X5 Retail Group: “Как мы не сделали рекомендательную систему в банке“ Как собрать команду профессионалов, потратить милионы и ничего не сделать. Рекомендательные системы — одно из важных применений машинного обучения, и многие компании, которые работают с клиентами, заинтересованы в их внедрении. В докладе речь пойдёт об истории такого внедрения — как собрали команду профессионалов, потратили миллионы рублей, но всё пошло не так. – Илья Поляковский, JetBrains: “Python-notebook для воспроизводимого анализа: что нам не н