Körmendi György, a Clementine ügyvezetője

A rendezvényt Körmendi György, a Clementine ügyvezetőjének előadása nyitotta. Bevezetőjében átfogó képet adott az adattudományokat érintő jelenlegi trendekről. Szó esett arról, hogy milyen változásokat hoztak az iparágra az elmúlt évek eseményei, mint a pandémia, az orosz-ukrán háború. Beszámolt az utóbbi években elért áttörésekről a transzformer modellek kapcsán, illetve, hogy ezek milyen előnyökkel járhatnak, ám ezek mellett milyen problémákat vethetnek fel a későbbiek során. Végezetül pedig arra adott választ, hogy valóban az elemzők, adattudósok, illetve kódolók aranykorát éljük-e.

Tekintse meg a dataSTREAM 2022 nyitó előadását a Clementine ügyvezetőjétől!

Szépszó Gabriella, Országos Meteorológiai Szolgálat Modellezési Osztály vezetője

Szépszó Gabriella 2003-ban meteorológusként végzett az ELTÉ-n, s azóta dolgozik az Országos Meteorológiai Szolgálatnál a modellezés területén. Doktori értekezését a Magyarországon várható éghajlatváltozás modellekkel való vizsgálatának témájában készítette. Két évet töltött az Európai Középtávú Előrejelző Központnál, az ECMWF-nél, ahol az ECMWF operatív időjárás-előrejelző modelljének oktatásban és kutatásban használható változatának fejlesztéseibe kapcsolódott be. 2019 óta az OMSZ Modellezési Osztályának vezetőjeként koordinálja a rövidtávú előrejelzésekkel, éghajlati modellezéssel és levegőminőség-előrejelzéssel kapcsolatos fejlesztéseket.

Előadás röviden:

Az Országos Meteorológiai Szolgálat naponta több alkalommal készít 2-3 napra szóló számítógépes időjárás-előrejelzéseket, illetve rendszeresen frissíti a következő évtizedekben várható éghajlatváltozás vizsgálatára szolgáló klímaprojekcióit. Ez csak két példa azok közül a rendkívül számításigényes feladatok közül, amelyekhez egy nagyteljesítményű, megbízható számítógépes infrastruktúra folyamatos biztosítása és fejlesztése szükséges. Az előadás betekintést ad az időjárási és éghajlati modellezésbe, valamint a kutatást és az operatív tevékenységet lehetővé tevő informatikai háttérbe.

Schin Lotár, Senior Technical Domain Lead, OTP Bank

Schin Lotár mérnök informatikusként végzett és az elmúlt 17 év során adatalapú megoldásokon dolgozott olajipari, telekommunikációs és pénzintézeti szektorokban Magyarországon és külföldön egyaránt. Az elmúlt 8 évben elosztott rendszerekre történő fejlesztésekben vett részt, kezdetben fejlesztőként, később fejlesztési vezetőként. Az OTP Banknál 2018 óta dolgozik és az adatmenedzsment innovációs területének vezetője.

Előadás röviden:

Az előadás bemutatja, hogy az OTP Bank hogyan fejleszti az ML és AI feladatokat kiszolgáló infrastruktúráját és milyen módon irányítja a belső és külső szakértelemre egyaránt támaszkodó data science innovációs tevékenységét. Az AI fejlesztési stratégia részeként került kiválasztásra és beszerzésre a SambaNova Systems-től származó szuperszámítógép is, amelynek köszönhetően az OTP csoport kiemelkedő lehetőségekkel fog rendelkezni az MI technológiával kapcsolatos kutatás és fejlesztés területén.

Kovács Gyula, data science coach

1997-ben adatbányászati tanácsadással kezdte a karrierjét. Az eltelt időszak alatt több száz adatbányászati projektben vett részt elemzőként, később projektvezetőként. Jelentős szakmai tapasztalatot szerezett ügyfélelvándorlás előrejelzése, szegmentáció, ügyfélérték-számítás, csalás detektálása terén. 2015-2021 között hazai pénzintézetekben töltött be vezető BI és Data Science pozíciókat. Jelenleg Data Science és Data Literacy témában tart kurzusokat, vállalatok számára készít adatstratégiákat, emellett rendszeresen publikál szakmai cikkeket saját tanácsadói oldalán.

Előadás röviden:

Egy friss PWC kutatás szerint a döntéshozóknak csak 35%-a támaszkodik adatokra döntéseinél, 33% inlább az intuíciójában hisz, további 23% külső tanácsadókban. Vajon miért nehéz az adatok megértése? Vagy máshogy feltéve a kérdést: az elemzők eléggé felkészültek arra, hogy eredményeiket hatékonyan kommunikálják a döntéshozókkal? Az előadás néhány példát mutat be arra, hogy az információ áramlás hol és miért szakadhat meg vállalati környezetben.

Hajós Bernadett, őrnagy, szakértő, NAV Bűnügyi Főigazgatósága Bűnügyi Elemző-és Értékelő Osztály

1998-ban a NAV jogelődjénél, a Vám- és Pénzügyőrségnél kezdte a pályáját, és 15 éve foglalkozik adatelemzéssel, ezen belül hálózatkutatással. Szakterülete a büntetőeljárás során keletkezett adatok (adóigazgatási, pénzügyi tranzakciók, hívásforgalmi adatok, stb.) közötti összefüggések feltárása, valamint a büntetőeljárás alá vont személyek, cégek kapcsolati rendszerének feltérképezése. Részt vesz továbbá a NAV Bűnügyi Főigazgatósága elemzői eszközrendszerének fejlesztésében, a XXI. század követelményeinek megfelelő új módszerek kidolgozásában, illetve adatelemzők továbbképzésében.

Előadás röviden:

A pénzügyi gazdasági bűncselekmények nyomozása során elengedhetetlen az elkövetők által használt cégek hátterének és kapcsolati rendszerének feltérképezése, mivel ezáltal kaphatunk valós képet egy adott cég tényleges tevekénységéről és valós tulajdonosairól. A költségvetési csalás bűncselekmények szempontjából potenciával bíró cégek kiszűrése hosszú időn keresztül manuálisan történt, ami nagyobb volumenű büntetőeljárásban rendkívül hosszadalmas és humánerőforrást igénylő feladat volt. Az elmúlt évben beszerzett adatbányászati és adat-vizualizációs eszközökkel a nyomozati munka részét képező cégadatok elemzése hatékonyabbá és egyszerűbbé vált. A prezentációban ez kerül bemutatásra.

Kárpáti Endre, data scientist, Erste Bank

Kárpáti Endre vezető üzleti elemző másfél évtizede foglalkozik adatelemzéssel, telekommunikációs és pénzügyi szektorokban tett szert tapasztalatokra. 2016 óta tagja az Erste Bank data science csapatának.

Előadás röviden:

A nyílt forráskódú megoldások robbanásszerű elterjedése mellett a hagyományos data science megoldások is relevánsak maradhatnak. Erre láthatunk egy példát az Erste Bank Hungary Zrt. gyakorlatából.

Molnár Anna, junior elemző, Clementine

2019-ben szerezett diplomát a Budapesti Műszaki és Gazdaságtudományi Egyetemen matematika szakon. Jelenleg az Eötvös Loránd Tudományegyetem survey statisztika és adatanalitika szakán tanul. 2020. június óta dolgozik a Clementine-nál, ahol elsősorban szöveganalitikai szótárak építése és adattranszformációs folyamatok kialakítása a feladata, valamint programozási ismereteimmel segíti az új projektek megvalósítását.

Előadás röviden:

Ahogy az adatbázisok egyre nagyobbak lesznek, a CPU-n futó algoritmusok lassúvá és nehézkessé válnak. Mint sok más programozási nyelvben, a Pythonban is találhatóak olyan könyvtárakat, amelyek kifejezetten a GPU-n való futtatásra alkalmasak, ezekkel jelentős sebességnövekedések érhetőek el. Látszólag minden adott ahhoz, hogy algoritmusainkat könnyen gyorsabbá tegyük, de vajon tényleg olyan egyszerű a CPU-ról GPU-ra való áttérés. Előadásomban bemutatom, amiről a szakirodalom nem beszél, azaz, hogy milyen kihívásokkal találhatjuk szemben magunkat, ha GPU-t szeretnénk használni.

Huszti Dániel, Data & AI Technical Sales, IBM

Huszti Dániel az IBM közép-kelet európai régiójának adatelemzési szakértője, fő feladata az üzleti, technológiai tanácsadás és az ügyfelek igényeinek megfelelő megoldások tervezése.

Előadás röviden:

Manapság mindenki a mesterséges intelligenciáról (AI) beszél, azonban a legtöbb vállalat bizonytalan milyen területen és miként használja ki a technológia adta lehetőségeket. Ennek legfőbb okai a megkérdőjelezhető adatminőség, a vállalati adatvagyon és a technológiába vetett bizalom hiánya. Az előadásban pár esettanulmányok keresztül szemléltetjük, hogy az IBM Data Fabric koncepciója és AI technológiái miként képesek ezen problémákon segíteni.

Láncreakció élő podcast adás a dataSTREAM 2022-n

Nézze meg a teljes felvételt!