látogató számláló
HU | ENG

Konferenciánkról

A hazai Data Science, Machine Learning és AI alkalmazási tapasztalatokra és technológiai megoldásokra fókuszáló konferencia 2022. áprilisában ismét várja az érdeklődőket. Bővebben a 2021. évi konferenciáról

Budapest ML Fórum Survey

Vegyen részt felmérésünkben! A kitöltők ingyenes belépőt nyerhetnek a konferenciára.

Akadémiai Partner Program

Partnerintézményeink hallgatói és oktatói kedvezményes akadémiai jeggyel vehetnek részt a konferencián.

Nyílt este

A konferencia zárásaként egy nyílt estét szervezünk, ahol szívesen látunk minden érdeklődőt.
Részletes program és regisztráció

Napirend

8:30-9:00Technikai felkészülés, gyakorlási lehetőség
9:00-9:10Konferencia megnyitó

Arató Bence, BI Consulting

9:10-9:40Data Science és ML trendek

Arató Bence, BI Consulting

Keynote
9:40-10:10Vezetői kihívások és megoldások a mesterséges intelligencia fejlesztésekben

Dr. Lóránd Balázs, Continental Automotive Hungary

Keynote Case Study
10:10-10:30Kávészünet
10:30-11:00ML alkalmazása a lakossági kockázatkezelésben

Hideg Szabolcs, Santander Consumer Bank - Nordic

Case Study
11:00-11:30Egy adatvezérelt, innovatív bank & biztosító
AI kihívásai

Dévényi Edit, K&H Bank

Case Study
11:30-12:00Adatillúzió
és kritikus gondolkodás

Kovács Gyula

Best Practices
10:30-11:00Bag of, not words, but tricks

Vincent Warmerdam, Rasa

Tools/Methods NLP
11:00-11:30Deploying Machine Learning Models
Successfully into Production

Chris Royles, Cloudera

Best Practices MLOps
11:30-12:00Magyar chatbot fejlesztése
deep learning alapokon

Babud Bence, Purgai Patrik, Talk–A–Bot

Case Study Deep Learning NLP
12:00-13:00Ebédszünet
13:00-13:30Data Science kihívások a UPC akvizíciója után

Tamás László, Vodafone

Case Study
13:30-14:00Hatékony szolgáltatásajánlás ML alapokon

Erdélyi Balázs (Telekom HU), Palotay Réka (United Consult)

Case Study
14:00-14:30Üzleti szempontok alapján módosított
gépi tanulási módszerek

Gáspár Csaba, dmlab

Best Practices
13:00-13:30AI a gyógyszerfejlesztésben

Kovács Gábor, Turbine.AI

Case Study Deep Learning
13:30-14:00Hatékony önvezetés szenzorfúzióval

Kabai Robert-Zsolt
Continental

Case Study Deep Learning
14:00-14:30Alkalmazott
ML prototípusok 101

Purger Norbert, Cloudera

Tools/Methods
14:30 - 15:00Szünet
15:00-15:15Egy ML algoritmus életciklusa az OTP Bankban *

Kuslits Lukács, OTP Bank

Case Study MLOps
15:15-15:30Churn prevenció ML
eszközökkel a Rossmann-nál *

Biró Szabolcs, Biró Márton, Hiflylabs

Case Study
15:30-15:45Hálózatos adattudomány alkalmazásai *

Janosov Milán, PhD
Datapolis

Tools/Methods
15:45-16:00Miként növelhető a szervezet bizalma
az ML megoldásokkal kapcsolatban? *

Bakonyi Zoltán, IFUA Horváth & Partners

Best Practices
16:00-16:15Hogyan kerüljünk a legjobb tíz közé
egy Kaggle versenyen? *

Tóth Benedek, Zempléni Balázs, Starschema

Case Study
15:00-15:30ML tervezési minták

Török Ágoston, Neural Machines

Best Practices


15:30-15:45Deep Reinforcement Learning
az iparban és kereskedelemben *

Moni Róbert, BME Villamosmérnöki Doktori Iskola

Deep Learning Tools/Methods
15:45-16:00Matematika,
láthatatlanná tévő köpenyben *

Urbán Ida Mária, Vodafone

Deep Learning Case Study
16:00-16:15Predictive Power Score Pythonban *

Szabó Dóra
Spicy Analytics

Tools/Methods
17:00 - 18:00Szünet
18:00-20:00Budapest ML Fórum nyílt este
Szakmai előadások, Állásbörze, Mentorsarok, Special Interest Groups


Részletek és ingyenes regisztráció

A standard előadások 25 percesek, a * csillaggal jelölt rövid előadások 15 percesek.
A programváltozás jogát fenntartjuk.

Előadók

Keynote

Arató Bence

 

Arató Bence

Ügyvezető, BI Consulting

Data Science és ML trendek
Dr. Lóránd Balázs

 

Dr. Lóránd Balázs

Fejlesztési központ vezető, Continental Automotive Hungary

Vezetői kihívások és megoldások a mesterséges intelligencia fejlesztésekben

Esettanulmányok

Tamás László

 

Tamás László

Senior Big Data & AI Manager, Vodafone

Data Science kihívások
a UPC akvizíciója után
Hideg Szabolcs

 

Hideg Szabolcs

Nordic Advanced Analytics and Risk Models Manager, Santander Consumer Bank - Nordic

ML alkalmazása a lakossági kockázatkezelésben
Palotay Réka

 

Palotay Réka

Data Scientist, United Consult K2

Hatékony szolgáltatásajánlás
ML alapokon
Biró Szabolcs

 

Biró Szabolcs

Head of Advanced Analytics, Hiflylabs

Churn prevenció ML eszközökkel
a Rossmann-nál
Dévényi Edit

 

Dévényi Edit

Head of CXM Department and Data Science Competence Center, K&H Bank

Egy adatvezérelt, innovatív
bank & biztosító AI kihívásai
Kuslits Lukács

 

Kuslits Lukács

Data Science tanácsadó, OTP Bank

Egy ML algoritmus életciklusa az OTP Bankban
Erdélyi Balázs

 

Erdélyi Balázs

Center of Expertise (CoE) Lead, Telekom HU

Hatékony szolgáltatásajánlás
ML alapokon
Biró Márton

 

Biró Márton

Data Scientist, Hiflylabs

Churn prevenció ML eszközökkel
a Rossmann-nál
Zempléni Balázs

 

Zempléni Balázs

Data Scientist, Starschema

Hogyan kerüljünk a legjobb tíz közé egy Kaggle versenyen?

Deep Learning

Kovács Gábor

 

Kovács Gábor

ML Engineer/Researcher, Turbine.AI

AI a gyógyszerfejlesztésben
Moni Róbert

 

Moni Róbert

BME Villamosmérnöki Doktori Iskola,
PhD-hallgató

Deep Reinforcement Learning az iparban és kereskedelemben
Babud Bence

 

Babud Bence

Delivery Manager, Talk–A–Bot

Magyar chatbot fejlesztése deep learning alapokon
Urbán Ida Mária

 

Urbán Ida Mária

Data Scientist, Vodafone

Matematika, láthatatlanná tévő köpenyben
Kabai Robert-Zsolt

 

Kabai Robert-Zsolt

Team Lead, Deep Learning for Point Cloud and Fusion, Continental

Hatékony önvezetés szenzorfúzióval
Purgai Patrik

 

Purgai Patrik

Machine Learning Specialist, Talk–A–Bot

Magyar chatbot fejlesztése deep learning alapokon

Módszerek és eszközök

Szabó Dóra

 

Szabó Dóra

Data Scientist, Spicy Analytics

Predictive Power Score Pythonban
Janosov Milán, PhD

 

Janosov Milán, PhD

Chief Data Scientist, Datapolis

Hálózatos adattudomány alkalmazásai
Vincent Warmerdam

 

Vincent Warmerdam

Research Advocate, Rasa

Bag of, not words, but tricks
Purger Norbert

 

Purger Norbert

Product Owner, Cloudera

Alkalmazott ML prototípusok 101

Best Practices

Chris Royles

 

Chris Royles

Field CTO for EMEA, Cloudera

Deploying Machine Learning Models Successfully into Production
Kovács Gyula

 

Kovács Gyula

Data Science coach

Adatillúzió és kritikus gondolkodás
Bakonyi Zoltán

 

Bakonyi Zoltán

Vezető tanácsadó
IFUA Horváth & Partners

Miként növelhető a szervezet bizalma az ML megoldásokkal kapcsolatban?
Török Ágoston

 

Török Ágoston

Advisor, Neural Machines

ML tervezési minták
Gáspár Csaba

 

Gáspár Csaba

Data Scientist, vezető partner, dmlab

Üzleti szempontok alapján módosított gépi tanulási módszerek

Jegyek

Konferencia

First Minutemárcius 16-ig28 000 HUF + ÁFA
Early bird április 2-ig32 000 HUF + ÁFA
Standard jegy 40 000 HUF + ÁFA

Részvétel az április 15-i (csütörtök) online konferencianapon. Minél korábban jelentkezik, annál kedvezőbb árat fizet!

Workshopok

Data Science bevezető 60 000 HUF + ÁFA
Deep Learning alapozó60 000 HUF + ÁFA
Statisztikai elemzés R-ben60 000 HUF + ÁFA

Az online workshopok kétszer félnapos formában, április 13-án és 14-én kerülnek megrendezésre.

Megnyitottuk a regisztrációt a konferenciára!
További információ és a részvételi feltételek itt olvashatóak.

Támogatóink

Platina támogatónk

Arany támogatónk

Akadémiai partnerek


Budapest Corvinus Egyetem
Informatikai Intézet

BME
Villamosmérnöki és Informatikai Kar
Távközlési és Médiainformatikai Tanszék

ELTE
Társadalomtudományi Kar
Statisztika Tanszék

Pécsi Tudományegyetem
Alkalmazott Adattudományi-és Mesterséges Intelligencia Csoport

Média partnerek


Adatépítész podcast
Spotify • Apple

Machine Learning Cafe podcast
Spotify • Apple

Machine Learning Budapest
Spotify • Apple• Youtube 

MI Stúdió
Spotify • Apple