JS Lab2017_Алексей Заславский_React Fiber

•

1 j'aime•252 vues

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса React Fiber Алексей Заславский (Front-End developer at WebbyLab) В докладе будет рассмотрен новый экспериментальный алгоритм построения и сравнения Virtual DOM, который появится в новой версии React. Рассмотрим основные проблемы текущей реализации и как React Fiber позволяет их решить. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

JS Lab2017_Алексей Заславский_React Fiber

Contenu connexe

En vedette

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

GeeksLab Odessa

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

GeeksLab Odessa

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Виталий Лебедев (Software Developer at DataArt) Практические сложности при разработке на node.js В этом докладе я расскажу, с какими непосредственными практическими сложностями можно встретиться при разработке на node.js, в силу тех или иных ограничений самого node.js, и какие для этих задач существуют возможные решения. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Алексей Зеленюк (Application Architect at Eleks Software) Сбалансированное окружение для вашей продуктивности Для построения больших веб-приложений необходим хороший фундамент: процесс сборки, тестирования и интеграции, анализа качества кода и отладки. Новые технологии и безнес-требования создают новые требования к окружению, усложняя его. Как построить надежное окружение, сохранив при этом его гибкость и простоту?

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

GeeksLab Odessa

16.4.16 Java/Scala Lab Upcoming events: goo.gl/I2gJ4H Рассказ о сравнительно простых техниках программирования в scala, редко применяющихся за пределами широкоизвестных библиотек из-за ореола таинственности вокруг них, вызванных чрезмерным употреблением математической терминологии при их первоначальном описании.

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Сергей Селецкий (Senior Frontend Engineer at Lohika) System.js и jspm. Что они могут дать для вашего проекта. Преимущества и недостатки. Как это работает с ES6. Примеры сборки проекта. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Сергей Селецкий_System.js и jspm

JS Lab2017_Сергей Селецкий_System.js и jspm

JS Lab2017_Сергей Селецкий_System.js и jspm

GeeksLab Odessa

WebCamp 2016: Python.Максим Климишин.Типизированный Python

WebCamp 2016: Python.Максим Климишин.Типизированный Python

WebCamp 2016: Python.Максим Климишин.Типизированный Python

Walking the tightrope between mediocracy and bankruptcy

Walking the tightrope between mediocracy and bankruptcy

Walking the tightrope between mediocracy and bankruptcy

En vedette (9)

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

Frontendlab: Cравнить Несравнимое - Юлия Пучнина

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

JS Lab2017_Виталий Лебедев_Практические сложности при разработке на node.js

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

JS Lab2017_Алексей Зеленюк_Сбалансированное окружение для вашей продуктивности

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

Java/Scala Lab 2016. Руслан Шевченко: Несколько трюков scala-разработки, приг...

JS Lab2017_Сергей Селецкий_System.js и jspm

JS Lab2017_Сергей Селецкий_System.js и jspm

JS Lab2017_Сергей Селецкий_System.js и jspm

WebCamp 2016: Python.Максим Климишин.Типизированный Python

WebCamp 2016: Python.Максим Климишин.Типизированный Python

WebCamp 2016: Python.Максим Климишин.Типизированный Python

Walking the tightrope between mediocracy and bankruptcy

Walking the tightrope between mediocracy and bankruptcy

Walking the tightrope between mediocracy and bankruptcy

Plus de GeeksLab Odessa

DataScience Lab, 13 мая 2017 Коррекция геометрических искажений оптических спутниковых снимков Алексей Кравченко (Senior Data Scientist at Zoral Labs) Мы рассмотрим разнообразие существующих спутниковых данных и способов их применения в сельском и лесном хозяйстве, картографировании земной поверхности. Далее сфокусируемся на задаче геометрической коррекции снимков как первом шаге процесса обработки спутниковых данных, включая геопривязку снимков, регистрацию изображений, субпиксельную идентификацию контрольных точек, совмещение каналов. Также расскажем о некоторых интересных и неожиданных подходах к определению ориентации и jitter спутников и построению маски облачности. Все материалы: http://datascience.in.ua/report2017

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Kappa Architecture: How to implement a real-time streaming data analytics engine Juantomás García (Data Solutions Manager at OpenSistemas, Madrid, Spain) We will have an introduction of what is the kappa architecture vs lambda architecture. We will see how kappa architecture is a good solution to implement solutions in (almost) real time when we need to analyze data in streaming. We will show in a case of real use: how architecture is designed, how pipelines are organized and how data scientists use it. We will review the most used technologies to implement it from apache Kafka + spark using Scala to new tools like apache beam / google dataflow. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

GeeksLab Odessa

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Обзор методов детекции лиц на изображение Юрий Пащенко ( Research Engineer, Ring Labs) В данном докладе мы предлагаем обзор наиболее новых и популярных методов обнаружения лиц, таких как Viola-Jones, Faster-RCNN, MTCCN и прочих. Мы обсудим основные критерии оценки качества алгоритма а также базы, включая FDDB, WIDER, IJB-A. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Сходство пациентов: вычистка дубликатов и предсказание пропущенных диагнозов Виктор Сарапин (CEO at V.I.Tech) Как эффективно определять дубликаты на десятках миллионов пациентов, и как определять пропущенные диагнозы и лечебные действия. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Recent deep learning approaches for speech generation Дмитрий Белевцов (Techlead at IBDI) В последние пол года появилось несколько важных моделей на базе глубоких нейронных сетей, способных успешно синтезировать человеческую речь на уровне отдельных сэмплов. Это позволило обойти многие недостатки классических спектральных подходов. В этом докладе я сделаю небольшой обзор архитектур наиболее популярных сетей, таких как Wavenet и SampleRNN. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Распределенные вычисления: использование BOINC в Data Science Виталий Кошура (Software Developer at Lohika) BOINC - это открытое программное обеспечение для распределенных вычислений. Данный доклад освещает использование приложения BOINC в различных областях науки, которые связаны с обработкой огромных массивов данных, на примере текущих активных исследовательских проектов. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Магистерская программа "Data Science" в УКУ Орест Купин(Master's Student at UCU) В этом докладе я расскажу вам о магистерской программе со специализацией в анализе данных в Украинском Католическом Университете. Я расскажу про структуру программы, основные курсы, а также опишу свой опыт как студента УКУ и поговорю об вызовах с которыми мы столкнулись в этом году. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Cервинг моделей, построенных на больших данных с помощью Apache Spark Степан Пушкарев (GM (Kazan) at Provectus / CTO at Hydrosphere.io) После подготовки данных и обучения моделей на больших данных с использованием Apache Spark встает вопрос о том, как использовать обученные модели в реальных приложениях. Помимо модели важно не забывать про весь пайплайн пре-процессинга данных, который должен попасть в продакшн в том виде, в котором его спроектировал и реализовал дата саентист. Такие решения, как PMML/PFA, основанные на экспорте/импорте модели и алгоритма имеют очевидные недостатки и ограничения. В данном докладе мы предложим альтернативное решение, которое упрощает процесс использования моделей и пайплайнов в реальных боевых приложениях. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 BioVec: Word2Vec в задачах анализа геномных данных и биоинформатики Дмитрий Новицкий (Старший научный сотрудник в ИПММС НАНУ) Этот доклад посвящен bioVec: применению технологии word2vec в задачах биоинфоматики. Сначала мы напомним как работает Word2vec и аналогичные ему методы Word Embedding. Затем расскажем об особенностях Word2vec в применении к геномным последовательностям-- основному виду данных в биоинформатике. Как обучать bioVec, и применять эту технологию к задачам классификации белков, предсказания их функции и др. В заключении мы продемонстрируем примеры кода для обучения и использования bioVec. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Data Sciences и Big Data в Телекоме Александр Саенко (Software Engineer at SoftServe/CISCO) Александр расскажет о некоторых интересных примерах использования Big Data и Data Science в Телекоме: оптимизация сотовой сети, улучшение клиентского опыта, модели прогнозирования местоположения мобильных устройств, предотвращения оттока абонентов, обнаружение фрода и других. Рассмотрит основные современные подходы к их решению на основе алгоритмов машинного обучения. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Высокопроизводительные вычислительные возможности для систем анализа данных Михаил Федосеев ( Архитектор инфраструктурных решений, LanTec) В докладе мы поговорим о hardware стороне систем анализа данных для случаев построения приватных облаков или локальных высокопроизводительных вычислительных кластеров. Рассмотрим какие технологии и комплексные решения от компании Hewlett Packard Enterprise позволяют ускорить процесс анализа данных. Это не только зарекомендовавшие в своей области лучшие в своем сегменте сервера линейки HPE Apollo, а так же высокоскоростные сетевые коммутаторы HPE, но и дополнительные вспомогательные элементы решения, такие как мощные графические карты NVIDIA и хост-процессоры Xeon Phi. Так же будет рассмотрен стек HPE Core HPC Software Stack, который позволяет администраторам контролировать использование ресурсов системы. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Мониторинг модных трендов с помощью глубокого обучения и TensorFlow, Ольга Романюк (Data Scientist at Eleks) В течении последних 8 месяцев мы в Eleks работали над системой отслеживания модных трендов, основанной на глубинной остаточной нейронной сети с тождественным отображением. При тренировке сети мы использовали онлайн увеличение объема данных, а также распараллеливание данных по двум картам GPU. Мы создали эту систему с нуля при помощи TensorFlow. В презентации я расскажу о практической стороне проекта, нюансах реализации и подводных камнях, с которыми мы столкнулись во время работы. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Кто здесь? Автоматическая разметка спикеров на телефонных разговорах Юрий Гуц (Machine Learning Engineer, DataRobot) Автоматическая аннотация спикеров — интересная задача в обработке мультимедиа-данных. Нам нужно ответить на вопрос "Кто говорит когда?", не зная ничего о количестве и личности спикеров, присутствующих на записи. В этом докладе мы рассмотрим работающие методы для аннотации спикеров на телефонных разговорах. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

GeeksLab Odessa

From bag of texts to bag of clusters Терпиль Евгений / Павел Худан (Data Scientists / NLP Engineer at YouScan) Мы рассмотрим современные подходы к кластеризации текстов и их визуализации. Начиная от классического K-means на TF-IDF и заканчивая Deep Learning репрезентациями текстов. В качестве практического примера, мы проанализируем набор сообщений из соц. сетей и попробуем найти основные темы обсуждения. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

GeeksLab Odessa

Графические вероятностные модели для принятия решений в проектном управлении Ольга Татаринцева (Data Scientist at Eleks) Как часто вам приходится принимать решения, используя знания в определенной предметной области? На сколько хороши такие решения? А теперь представьте, что вы собрали знания лучших экспертов в предметной области. Похоже, что ваши решения, основанные на этих знаниях, будут куда более взвешенными, не так ли? Мы будем говорить о системе ProjectHealth, которая была построена на основе опыта лучших экспертов в проектном управлении в компании Eleks. Для реализации поставленной задачи была использована графовая вероятностная модель, а именно байесовская сеть, имплементированная на Python. За время работы над проектом мы прошли шаги от извлечения требований, поиска данных и построения модели с нуля до реализации BI дашборда с возможностью углубиться в детали, доходя до сырых данных. Сейчас ProjectHealth экономит большое количество времени для топ менеджмента и ресурсов компании, так как мониторит состояние бизнеса в малейших деталях ежедневно и делает это как настоящий эксперт. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Оптимизация гиперпараметров машинного обучения при помощи Байесовской оптимизации Максим Бевза (Research Engineer at Grammarly) Все алгоритмы машинного обучения нуждаются в настройке (тьюнинге). Часто мы используем Grid Search или Randomized Search или нашу интуицию для подбора гиперпараметров. Байесовская оптимизация поможет нам направить Randomized Search в те места, которые наиболее перспективны, так, чтобы тот же (или лучший) результат мы получили за меньшее количество итераций. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Как знать всё о покупателях (или почти всё)? Дарина Перемот (ML Engineer at SynergyOne) Раскроем собственный ответ на вопрос "Чего же хочет покупатель?". Поделимся результатами исследований транзакций и расскажем, есть ли у вас домашний питомец. А так же, продемонстрируем, как машинное обучение уже сейчас помогает узнавать вас ближе. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

GeeksLab Odessa

JS Lab 2017, 25 марта Mapbox GL: как работают современные интерактивные карты Владимир Агафонкин (Lead JavaScript Engineer at MapBox) Mapbox GL JS — открытая JS-библиотека для создания современных интерактивных карт на основе WebGL. В разработке более трех лет, она сочетает в себе множество удивительных технологий, сложных алгоритмов и идей для достижения плавной отрисовки тысяч векторных объектов с миллионами точек в реальном времени. В этом докладе вы узнаете, как работает библиотека внутри, и с какими сложностями сталкиваются разработчики современных WebGL-приложений. В докладе: отрисовка шрифтов, триангуляция линий и полигонов, пространственные индексы, определение коллизий, расстановка надписей, кластеризация точек, обрезка фигур, упрощение линий, упаковка спрайтов, компактные бинарные форматы, параллельная обработка данных в браузере, тестирование отрисовки и другие сложности. Все материалы: http://jslab.in.ua/2017

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

GeeksLab Odessa

Plus de GeeksLab Odessa (19)

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Блиц-доклад_Турский Виктор

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScience Lab 2017_Обзор методов детекции лиц на изображение

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...