PyData Bydgoszcz - Meetup #10

Zapraszamy na dziesiąte spotkanie grupy PyData Bydgoszcz!

Kiedy: czwartek 1.12.2022, 18:00-20:15.

Gdzie: Młyny Rothera (Spichrz Zbożowy, 2. piętro), Mennica 10, Bydgoszcz (UWAGA: ZMIANA MIEJSCA!).

Cena: zupełnie za darmo! i do tego konkurs z cennymi nagrodami!

O prelegentach:

• Piotr Rybak

Piotr Rybak zajmuje się uczeniem maszynowym od ponad 10 lat. Doświadczenie zdobywał zarówno w nauce, jak również start-upach i większych firmach. Na co dzień skupia się na przetwarzaniu języka naturalnego, aktualnie badając jak budować lepsze systemy do odpowiadania na pytania. Jest aktywny w polskim środowisku NLP będąc współautorem takich prac jak benchmark KLEJ oraz modeli HerBERT i plT5. W wolnych chwilach buduje z klocków Lego, gra w planszówki i trenuje wspinaczkę.

• Łukasz Langa

CPython Developer in Residence, Python 3.8 and 3.9 release manager, creator of Black, pianist, dad. ambv on Github

O wykładach:

• Piotr Rybak: “Rozpoznawanie klocków Lego - sukcesy, porażki i dobra zabawa”

Klocki Lego na dobre zadomowiły się w naszej kulturze, mają fanów na całym świecie i chyba każdy z nas je dobrze zna. Ale czy wiecie, że indywidualnych klocków jest ponad 70 tysięcy? I występują w ponad 200 różnych kolorach? Nawet najbardziej hardcorowi fani nie znają ich wszystkich, a tym bardziej nie potrafią ich od ręki rozpoznać. Podczas tej prezentacji opowiem o mojej przygodzie polegającej na budowie aplikacji do rozpoznawania klocków Lego. Zaczniemy od rzeczy podstawowej, czyli danych. Opowiem o kilku różnych podejściach na zebranie danych treningowych. O tym co zadziałało, a co niekoniecznie. A przy okazji opowiem trochę o samej specyfice klocków Lego. Następnie zastanowimy się jak właściwie zbudować klasyfikator klocków i dlaczego metric learning nam w tym pomoże. Oczywiście pierwsze podejście nie skończy się sukcesem i będziemy musieli zrobić jeszcze parę iteracji, żeby uzyskać finalny model.

• Łukasz Langa: “Working Around the GIL with asyncio”

You've heard it many times: the GIL is a problem for using all your CPU cores in one program. Among the generally accepted solutions there's multiprocessing, a way to orchestrate a group of worker processes to spread CPU load over many cores. This solves the problem for many use cases but if you have a lot of data to pass around there and back again, it's much less efficient.

In this short talk we'll go through two examples of data processing with Python 3.11 and how asyncio with shared memory helps speed things up. To cover all bases, one example will run on macOS, the other on Windows Subsystem for Linux. You'll see how the built-in building blocks of Python allow to compose scalable systems. Our focus is on the base programming language. We won't be reimplementing data pipelines or covering any MLops best practices.

Bonus: PLUM

Uczenie maszynowe nie jest trudne; pod warunkiem, że rozumie się, co się robi. Dla wszystkich, którzy chcą zrozumieć, mamy propozycję: Pięciominutowe Lekcje Uczenia Maszynowego - PLUM! Formuła jest prosta:

- jedno spotkanie PyData Bydgoszcz - jedno wystąpienie

- jedno wystąpienie - pięć minut

- jedno wystąpienie - jedna idea tłumaczona tak, żeby została w głowie na zawsze

- jedno wystąpienie - zero kodu, nie trzeba znać żadnego języka (nawet Pythona!)

Zapraszamy!

O konkursie:

Chętni uczestnicy naszego spotkania będą mogli wziąć udział w kahoocie. Nagrodami będą cztery licencje na dowolny produkt JetBrains!

Uwaga: konkurs będą mogły wygrać tylko osoby, które zapiszą się na nasze spotkanie na meetup.com. Zależy nam na tym dlatego, że od liczby zapisanych będzie zależała liczba licencji, jakie będziemy w stanie zdobyć dla Was w przyszłości.

O sali:

Tym razem dla odmiany spotykamy się w bydgoskich Młynach Rothera (Spichrz Zbożowy, 2. piętro).

Serdecznie zapraszamy!