Адрес: Алматы, ул. Желтоксан, 115. Вход со стороны улицы Чайковского. Пространство Tele2 Space (ссылка в 2GIS)
Видео-инструкция о том, как найти площадку
Дата и время: 6 декабря, сбор гостей с 18:30, доклады с 19:00

Программа

18:30 — Открытие площадки для гостей
19:00 — Вступительное слово
19:00 — Аплифт моделирование в машинном обучении
19:30 — Гео-комбинаторная оптимизация (или как сэкономить кабель)
20:00 — Перерыв и нетворкинг
20:15 — Data Science and Deep Learning for Next-Gen Telecom Subscribers’ Behavior Profiling: From Ad Targeting to Anti-Fraud
20:45 — Анатомия RAG: Разбираем по косточкам современных чат-ботов
21:15 — Завершение

Подробности о докладах

1. Аплифт моделирование в машинном обучении
Дмитрий Сорока, Главный дата сайентист, ЗАО Банк Компаньон (Кыргызстан, Бишкек)

Доклад на тему базовых идей и принципов аплифт моделирования. Классическая и альтернативная постановки задачи, базовые алгоритмы и подходы, интерпретация моделей, метрики качества, условия применимости.

2. Гео-комбинаторная оптимизация (или как сэкономить кабель)
Даулет Курмантаев, Data Scientist, Altel Digital

В докладе расскажу о применении алгоритмов комбинаторной оптимизации для решения задачи прокладки сетей связи. Поделюсь практическим опытом использования модификаций алгоритма Штейнера и других методов оптимизации для минимизации общей длины кабельной инфраструктуры с учетом географических ограничений.

3. Data Science and Deep Learning for Next-Gen Telecom Subscribers’ Behavior Profiling: From Ad Targeting to Anti-Fraud
Артем Рычко, Head of Data Science, Netalytix

Доклад расскажет о захватывающем пути, который прошла наша DS-команда, решая сложнейшие задачи в сфере телекома с применением машинного обучения. Вы узнаете, как мы извлекаем данные и инсайты из зашифрованного веб-трафика, покрывающего 99% интернета, как используем OSINT-источники для обогащения данных и применяем LLM для точной категоризации веб-трафика. Я поделюсь опытом выбора и оптимизации архитектур нейронных сетей, которые оказались наиболее эффективными для анализа трафика, а также покажу, как эти решения улучшили результаты таргетированной рекламы и повысили эффективность антифрод-систем.  

4. Анатомия RAG: Разбираем по косточкам современных чат-ботов  
Галымжан Туткушев, Data Scientist (NLP/LLM) at VEON

Расскажу про Retrieval-Augmented Generation (RAG) — технологии, которая превращает обычных чат-ботов в интеллектуальных ассистентов с доступом к точным и актуальным знаниям. В ходе доклада мы пройдем путь от базового понимания RAG до его практического применения: разберем основные компоненты архитектуры, исследуем причины, по которым современные решения не могут обойтись без RAG, и детально рассмотрим механизмы его работы. 

Особое внимание будет уделено практическим аспектам: мы обсудим критически важные метрики оценки эффективности RAG-решений, рассмотрим вопросы безопасности и изучим продвинутые техники улучшения RAG. Доклад будет полезен как начинающим разработчикам, желающим понять основы RAG, так и опытным специалистам, стремящимся улучшить существующие решения с помощью продвинутых техник.