Presentation materials /Letölthető előadásanyagok
May 3, Tuesday / Május 3., kedd
Plenary Session / Plenáris
- Data Science és ML trendek – Arató Bence, BI Consulting
- AI infrastruktúra az OTP Bankban: jelen, múlt, jövő – Schin Lotar, OTP Bank
Track 1
- Egy világszínvonalú MI klaszter kihívásai – Nagy Enikő, Continental
- Közeledik a Komondor, Magyarország szuperszámítógépe – Kiss Zoltán, KIFÜ
- Modern Data Science platform kiválasztása az OTP-nél – Fodor Szabolcs, United Consult
- Magyarázható mesterséges intelligencia a csalás megelőzésben – Utassy Dávid, SEON Technologies
- Mit reggelizik a neurális háló? – Adatmenedzsment és MI – Ridzi Péter, Continental
- MLOps módszerek bevezetési tapasztalatai – Tőzsér Attila
- A biológiai látás által inspirált mesterséges látás – Orbán Gergő
Track 2
- How we use NLP at Barion – Balogh Zoltán, Barion Payment Inc.
- HILANCO-GPTX, egy hétmilliárd paraméteres GPT-3 modell – Dr. Feldmann Ádám, PTE
- Fáradtság és figyelem meghatározása gépi látással – Várhelyi-Tóth Gergely, roboGaze
- Mesterséges intelligencia a benzinkutakon – Hárs Márton, Mol Group
- Machine Learning Kedvcsináló Kezdőknek – Kovács Gyula
Track 3
- AI-based multi-sensor fusion for solving challenging driving scenarios – Kabai Robert-Zsolt, Continental
- Do you have a few minutes for an ImageNet training? – Tilk Bence, Graphcore
- Explore-Exploit algorithms used at IKEA recommendations – Tóth Balázs, IKEA
- Building NLP applications with Transformers – Julien Simon, Hugging Face
May 4, Wednesday/ Május 4., szerda
Plenary Session / Plenáris
- Building Successful Data Science Projects – Ian Ozsvald, Mor Consulting
Track 1
- Idősoros anomáliák szöveges összefoglalása – Zempléni Balázs és Kovács Bálint, Starschema
- Transzfer learning alapok kísérletezőknek és menedzsereknek – Molnár Tamás
- Az interpretálhatóság szerepe a gépi tanulásban – Balogh Nóra
- Gyógyszerfejlesztés ML technológiával: 3D képfeldolgozás – Kelemen Kristóf és Windhager-Pokol Eszter, Richter Gedeon
- AlphaFold 2 – fehérjék 3D struktúrájának predikciója – Kovács Gábor, Turbine
Track 2
- Machine Learning applications in the Online Gambling Industry – Sinkó Máté, Prospect AI – Betting Analytics
- Building a job title predictor – Borbély Gábor, Lensa
- Best Algorithm for Tabular/Business Data: Sorry, it’s not deep learning – Pafka Szilárd, Epoch (USA)
- Deep learning antipatterns – Török Ágoston, Neural Machines
Track 3
- Hogyan fejlesszünk Python csomagot? Tanulságok egy klaszterező csomag létrehozásából – Fülöp Árpád, Rollbar
- Share Python Notebooks as interactive web applications with Mercury – Piotr Płoński, MLJAR
- Building up an AI Center of Excellence in an Energy Utility – Rachel Berryman, 50Hertz
- StickyLand: Breaking the Linear Presentation of Computational Notebooks– Jay Wang, Georgia Institute of Technology