135. spotkanie Data Community Kraków

Zapraszamy na 135. spotkaniem krakowskiej grupy Data Community, w naszym nowym miejscu - HEVRE!

KIEDY

26 listopada (środa) - 18:00 - 21:00

GDZIE

Pub HEVRE - Meiselsa 18, Kraków

ABSTRAKTY

Dane i ich przygotowanie - praktyczne fundamenty - W trakcie tego spotkania przejdziemy przez kluczowy etap każdego projektu AI/ML: przygotowanie danych. Zamiast teoretycznych formułek skupimy się na praktycznych technikach używanych na co dzień - od budowy pipeline'u danych, przez czyszczenie i transformacje, aż po walidację jakości danych z użyciem Great Expectations. Zobaczysz, jak wygląda realny proces przygotowywania danych, który później stanie się fundamentem pod feature engineering, trenowanie modeli i cały MLOps.

Z sesji wyniesiesz:

• Zrozumienie, jak wygląda pełny pipeline danych w projektach ML - od surowych danych do gotowego zbioru pod model.
• Wiedzę, jak skutecznie czyścić, przetwarzać i przygotowywać dane.
• Umiejętność zastosowania narzędzi do walidacji danych, takich jak Great Expectations.
• Praktyczny przykład przygotowania datasetu w Databricks, który od razu można odtworzyć samodzielnie.
• Solidny fundament do budowania kolejnych etapów - feature engineeringu, trenowania modeli i MLOps.

„AI/ML w praktyce - od teorii do wdrożenia” - Seria dziewięciu technicznych spotkań, które krok po kroku przeprowadzą uczestników przez cały proces tworzenia i wdrażania modeli uczenia maszynowego - od przygotowania danych, przez trening i MLOps, po zastosowanie generatywnego AI. Każda sesja to połączenie konkretnej wiedzy, kodu i praktycznych przykładów z realnych projektów. Celem cyklu jest zbudowanie solidnego zrozumienia, jak efektywnie projektować, implementować i utrzymywać rozwiązania ML w środowisku produkcyjnym.

Od zapytań do znaczenia: nowa era przeszukiwania danych - Przez lata przeszukiwanie danych opierało się na filtrach, indeksach i dopasowaniach, gdzie WHERE był królem.

Dziś coraz częściej chcemy, by system rozumiał, czego szukamy, a nie tylko co wpisaliśmy.To właśnie robi vector search i przeszukiwanie semantyczne, nowa metoda wyszukiwania danych, która działa na poziomie znaczenia, a nie kolumn i słów kluczowych. Podczas sesji pokażę, jak wygląda ta zmiana paradygmatu: od tradycyjnego SQL po semantyczne zapytania oparte na embeddingach i przestrzeniach wektorowych.

BIO

Maciej Kępa - Data Architect

Inżynier danych oraz lider techniczny w Datumo. Swoją karierę zadedykował obszarom AI/ML, urządzeniom brzegowym oraz IoT. Zawodowo związany z projektowaniem oraz wdrażaniem rozwiązań opartych głównie na chmurze Azure. Zwolennik sztucznej inteligencji zorientowanej na dane (Data-centric AI). Prywatnie miłośnik zwierząt, gier komputerowych oraz majsterkowania

Krzysztof Burejza - Specjalista w zakresie inżynierii danych, projektowania procesów ETL oraz budowy nowoczesnych platform danych w ekosystemie Microsoft. Posiada szeroką wiedzę z obszarów Azure, Databricks, Synapse Analytics, Microsoft Fabric oraz MS SQL Server, którą wykorzystuje do tworzenia skalowalnych i efektywnych rozwiązań opartych na danych. Aktywnie wspiera społeczność technologiczną jako lider Data Community w Bielsku-Białej