látogató számláló
HU | EN

Konferenciánkról

A Budapest ML Fórum a hazai és nemzetközi data science, ML és AI technológiai trendeket és alkalmazási gyakorlatot bemutató, hibrid formában megrendezésre kerülő szakmai konferencia.

A rendezvény főtámogatója és kiemelt szakmai partnere a Continental budapesti Mesterséges Intelligencia Fejlesztési Központja.

Helyszínünk

A konferencia keddi napjának (május 3.) helyszíne
a Hotel Danubius Helia.  A szálloda címe: 1133 Budapest, Kárpát utca 62-64. A regisztráció reggel 8 órakor nyit.

Akadémiai Partner Program

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

Nyílt este

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

Témáink

Computer Vision

Képfeldolgozási algoritmusok az önvezetéstől az orvosi diagnosztikáig

A Data Science eszköztára

Programnyelvek (Python, R, Julia), notebookok és keretrendszerek, algoritmusok és validációs módszerek.

NLP

Szövegértés és -generálás mesterséges intelligenciával

Üzlet és AI

AI stratégia, alkalmazási területek, szervezet kialakítása, képességek fejlesztése

AI infrastruktúra

GPU-k, AI chipek, adatmenedzsment, szoftverkörnyezetek

ML Esettanulmányok

Hazai és nemzetközi Machine learning alkalmazási példák üzleti, ipari, kutatási és egyéb területekről

A részletes témák itt érhetőek el. A program összeállítását a Program Advisory Board és a Programbizottság segít.

Napirend / Schedule

KEDD / TUESDAY (05.03.) - Helyszíni nap / In-person Day

9:00 -9:15Megnyitó / Opening Session (in Hungarian only)
9:15 -9:45ML és AI trendek 2022-ben

Arató Bence, BI Consulting

keynote
9:45 -10:15AI infrastruktúra az OTP Bankban: jelen, múlt, jövő

Schin Lotar, OTP Bank

Keynote ML Infra
10:15-10:45Kávészünet / Coffee break

Track 1

10:45-11:15 Egy világszínvonalú MI klaszter kihívásai

Nagy Enikő, Continental

ML Infra Case Study
11:20-11:50Közeledik a Komondor, Magyarország szuperszámítógépe

Kiss Zoltán, KIFÜ

ML Infra Case Study

Track 2

10:45-11:15Machine Learning
Kedvcsináló Kezdőknek I.

Kovács Gyula

Tutorial
11:20-11:50Machine Learning
Kedvcsináló Kezdőknek II.

Kovács Gyula

Tutorial

Track 3

10:45-11:15Building NLP applications with Transformers

Julien Simon, Hugging Face

NLP ML Core
11:20-11:50SpanCat: Named Entity Recognition in spaCy and beyond

Kádár Ákos, Explosion.AI

NLP ML Core
12:00-13:30Ebédszünet / Lunch break

Track 1

13:30-14:00Mit reggelizik a neurális háló? – Adatmenedzsment és MI

Ridzi Péter, Continental

ML Infra
14:05-14:35Magyarázható mesterséges intelligencia a csalás megelőzésben

Utassy Dávid, SEON Technologies

ML Core Case Study
14:40-15:10Modern Data Science platform kiválasztása az OTP-nél

Fodor Szabolcs, United Consult

Case Study ML Infra

Track 2

13:30-14:00How we use
NLP at Barion

Balogh Zoltán, Barion Payment Inc.

NLP Case Study
14:05-14:35Telekom Vanda: Voice és Chat alapú Virtuális Asszisztens a gyakorlatban

Kovács Lóránt, Magyar Telekom

NLP Case Study
14:40-15:10HILANCO-GPTX, egy hétmilliárd paraméteres GPT-3 modell

Dr. Feldmann Ádám, PTE

NLP Case Study

Track 3

13:30-14:00Making roads safer
through Machine Learning

Barra István és Nagyfi Richárd, Cambridge Mobile Telematics

ML Infra Case Study
14:05-14:35AI-based multi-sensor fusion for solving challenging driving scenarios

Kabai Robert-Zsolt, Continental

Computer Vision Case Study
14:40-15:10Do you have a few minutes for an ImageNet training?

Tilk Bence, Graphcore

Computer Vision ML Core
15:10-15:40Kávészünet / Coffee break

Track 1

15:40-16:10MLOps módszerek bevezetési tapasztalatai

Tőzsér Attila

ML Infra Case Study
16:15-16:45Az MLOPS kihívásai

kerekasztal beszélgetés

MLOPS MLINFRA

Track 2

15:40-16:10Mesterséges intelligencia a benzinkutakon

Hárs Márton, Mol Group

Case Study
16:15-16:30 Fáradtság és figyelem meghatározása gépi látással

Várhelyi-Tóth Gergely, roboGaze

Computer Vision Case Study
16:30-16:45 Magyar híroldalak gazdasági szövegeinek szentiment elemzése

Ónozó Lívia, Central Bank of Hungary

NLP Case Study

Track 3

15:40-16:10Explore-Exploit algorithms used at IKEA recommendations

Tóth Balázs, IKEA

Case Study ML Core
16:45-17:45Állófogadás / Welcome Reception
18:00- 20:00 Nyílt este és Data Karrier Fórum / Open Session & Data Career Forum
A nyílt estén a részvétel ingyenes, elég egy előzetes regisztráció

SZERDA / WEDNESDAY (05.04.) - Online day

9:00-9:15Megnyitó / Opening session
9:15-9:45Building Successful Data Science Projects

Ian Ozsvald, Mor Consulting

Keynote PyData
10:00-10:30Kávészünet / Coffee break

Track 1

10:30-11:00Idősoros anomáliák
szöveges összefoglalása

Zempléni Balázs és Kovács Bálint, Starschema

Business & AI NLP

Track 2

10:30-11:00Machine Learning applications in the Online Gambling Industry

Sinkó Máté, Prospect AI - Betting Analytics

Business & AI Case Study
11:05-11:35Deep learning
antipatterns

Török Ágoston, Neural Machines

Case Study
11:40-12:10Building a job title predictor

Borbély Gábor, Lensa

NLP PyData

Track 3

10:30-11:00Data Science technológiák
kezdőknek

Arató Bence, BI Consulting

Tutorial
11:05-11:35Data Science technológiák
kezdőknek

Arató Bence, BI Consulting

Tutorial
12:10-13:30Ebédszünet / Lunch break
15:10-15:40Kávészünet / Coffee break
15:40-16:40Záró plenáris / Closing plenary
Konferenciazárás / Closing session

Előadók

Kiemelt előadások

Ian Ozsvald

 

Ian Ozsvald

Principal Data Scientist, Mor Consulting

Building Successful Data Science Projects
Arató Bence

 

Arató Bence

Ügyvezető, BI Consulting

ML és AI trendek 2022-ben
Schin Lotar

 

Schin Lotar

Senior Technical Domain Lead, OTP Bank

AI infrastruktúra az OTP Bankban: jelen, múlt, jövő
Bill Franks

 

Bill Franks

Director, Center for Statistics and Analytical Research, Kennesaw State University

Winning The Room: Creating And Delivering An Effective Data-Driven Presentation

Tutorial és workshop

Kovács Gyula

 

Kovács Gyula

Data Science coach

Machine Learning Kedvcsináló Kezdőknek
Arató Bence

 

Esettanulmányok

Fodor Szabolcs

 

Fodor Szabolcs

Lead Data Scientist, United Consult

Modern Data Science platform kiválasztása az OTP-nél
Utassy Dávid

 

Utassy Dávid

Data Scientist, Machine Learning Guild Leader, SEON Technologies

Magyarázható mesterséges intelligencia a csalás megelőzésben
Hárs Márton

 

Hárs Márton

Group Data Analytics Lead for Retail and Consumer Services, MOL Group

Mesterséges intelligencia a benzinkutakon
Kovács Lóránt

 

Rachel Berryman

 

Rachel Berryman

Deputy Head of AI Center of Excellence, 50Hertz Transmission

Building up an AI Center of Excellence in an Energy Utility
Sinkó Máté

 

Sinkó Máté

Director, Prospect AI - Betting Analytics

Machine Learning applications in the Online Gambling Industry
Barra István

 

Barra István

Principal Data Scientist II, ML Guild Leader, Cambridge Mobile Telematics

Making roads safer through Machine Learning
Tóth Balázs

 

Tóth Balázs

Senior Data Scientist, IKEA

Explore-Exploit algorithms used at IKEA recommendations

NLP

Ónozó Lívia

 

Ónozó Lívia

Head of Digitalization Technology Department, Central Bank of Hungary

Magyar híroldalak gazdasági szövegeinek szentiment elemzése mélytanuló hálózat segítségével
Dr. Feldmann Ádám

 

Dr. Feldmann Ádám

Egyetemi adjunktus, PTE

HILANCO-GPTX, egy hétmilliárd paraméteres GPT-3 modell
Zempléni Balázs

 

Zempléni Balázs

Data Scientist, Starschema

Idősoros anomáliák szöveges összefoglalása
Borbély Gábor

 

Borbély Gábor

Data Scientist, Lensa

Building a job title predictor
Julien Simon

 

Julien Simon

Chief Evangelist, Hugging Face

Building NLP applications with Transformers
Balogh Zoltán

 

Balogh Zoltán

Senior Data Scientist, Barion Payment Inc.

How we use NLP at Barion
Kádár Ákos

 

Kádár Ákos

ML Engineer, spaCy Core Developer, Explosion.AI

SpanCat: Named Entity Recognition in spaCy and beyond

Computer Vision

Kabai Robert-Zsolt

 

Kabai Robert-Zsolt

Deep Learning for Point Cloud Team Lead Continental

AI-based multi-sensor fusion for solving challenging driving scenarios
Kelemen Kristóf

 

Kelemen Kristóf

Biostatistician, Richter Gedeon

Gyógyszerfejlesztés ML technológiával: 3D képfeldolgozás
Orbán Gergő

 

Orbán Gergő

Group Leader, Wigner Research Centre for Physics

A biológiai látás által inspirált mesterséges látás
Tilk Bence

 

Tilk Bence

Artificial Intelligence Engineer, Graphcore

Do you have a few minutes for an ImageNet training?
Várhelyi-Tóth Gergely

 

Várhelyi-Tóth Gergely

CTO & Co-Founder, roboGaze

Fáradtság és figyelem meghatározása gépi látással

ML infrastruktúra

Tőzsér Attila

 

Tőzsér Attila

Big Data and Data Science Consultant

MLOps módszerek bevezetési tapasztalatai
Kiss Zoltán

 

Kiss Zoltán

HPC fejlesztési vezető, KIFÜ

Közeledik a Komondor, Magyarország szuperszámítógépe
Ridzi Péter

 

Ridzi Péter

Head of Data Platform, Continental

Mit reggelizik a neurális háló? – Adatmenedzsment és MI

ML módszerek és eszközök

Kovács Gábor

 

Kovács Gábor

Researcher / Engineer, Turbine.AI

AlphaFold 2 – fehérjék 3D struktúrájának predikciója
JAY WANG

 

JAY WANG

Graduate Student Researcher, Georgia Institute of Technology

StickyLand: Breaking the Linear Presentation of Computational Notebooks
Pafka Szilárd, PhD

 

Török Ágoston

 

Török Ágoston

Data Scientist and ML advisor, Neural Machines

Deep learning antipatterns
Alejandro Herrera

 

Alejandro Herrera

Solution Architect, Ponder

Effortlessly scale your pandas workflows with Modin

Jegyek

A regisztrációt megnyitottuk!

A gyakran ismételt kérdések itt érhetőek el.

A konferencia első napja személyes részvétellel kerül megrendezésre, de online is követhető lesz,
a második nap teljes egészében online lesz.

Nap First Minute árak
március 20-ig
Early Bird árak
április 10-ig
Standard árak
Workshop jegy (személyes) 64 000 Ft 64 000 Ft 80 000 Ft
2 napos hibrid konferenciajegy (1. nap személyes, 2. nap online részvétel) 70 000 Ft 80 000 Ft 100 000 Ft
2 napos csak online konferenciajegy (mindkét nap online részvétel) 56 000 Ft 64 000 Ft 80 000 Ft
A megadott árak személyenként értendők és nem tartalmazzák a 27% ÁFA-t.
A workshopok (Python, Deep Learning) a konferenciát megelőző héten lesznek, az időpontjuk később kerül véglegesítésre.
További információ a workshopokról ezen a linken érhető el.
A regisztrációt megnyitottuk! Részletek és jegyvásárlás: regisztrációs oldalunkon.

Rólunk mondták

"Nagyon örülök, hogy amíg korábban csak külföldi előadók és projektek keretében lehetett éles ML kihívásokkal, tapasztalatokkal és megoldásokkal találkozni, addig a Budapest ML Fórum megmutatta, hogy már hazai tapasztalatokkal is meg lehet ismerkedni közelről."
- Gozlán Illés, Head of Data Science and Customer Value Optimization

"Igényesen összeválogatott előadások jól megszervezett körülmények között." - Kis Anett, Branch Manager

"Nagyon érdekesek voltak az előadások, különösen tetszett az alkalmazások és megközelítések sokszínűsége (pl. üzleti, technikai, humán kihívások). A rövid (15-30 perces) előadások pörgőssé, élvezhetővé tették az előadásokat..."  - Zaupper Bence, Szenior aktuárius

"Nagyon jól szervezett volt, az előadások többsége érdekes volt, a szekció választásnál többször éreztem, hogy egyszerre két előadást is meghallgatnék, amit abszolút a szervezés érdemének tartok." - Móra Krisztina, ügyvezető

Támogatóink

Gyémánt támogatónk

Arany támogatóink

Ezüst 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


ELTE
Természettudományi Kar
Matematikai Intézet

Média Partnerek


Adatépítész podcast
Spotify • Apple

Láncreakció podcast
Spotify • Apple