Πλήθος στελεχών παρευρέθηκαν στο φετινό Data Conference 2019 που πραγματοποιήθηκε την Πέμπτη 14 Μαρτίου στο Αμφιθέατρο Maroussi Plaza από την BOUSSIAS και το περιοδικό netweek. Εστιάζοντας στα Machine & Deep Learning και την πτυχή του data science στο επιχειρηματικό περιβάλλον, το συνέδριο ανέλυσε την αξία των δεδομένων για μια επιχείρηση σήμερα.

Με ένα μοναδικό παλμαρέ διεθνούς φήμης ομιλητών πραγματοποιήθηκε την Πέμπτη 14 Μαρτίου το Data Conference 2019, επιμορφώνοντας τους data scientist σχετικά με τα εργαλεία που τους προσφέρει η τεχνολογία στη διεκπεραίωση του έργου τους και εμφυσώντας τους μια κουλτούρα που θα τους βοηθήσει να εναρμονιστούν  με το επιχειρηματικό περιβάλλον στο οποίο εργάζονται.

«Οι επιχειρήσεις που υιοθετούν από σήμερα την τεχνητή νοημοσύνη (ΑΙ) αποκτούν καλύτερα εφόδια για να μετασχηματίσουν τις ίδιες και τους πελάτες τους» επισήμανε ο ο Tarry Singh, Ιδρυτής και CEO της deepkapha.ai, ο οποίος παρουσίασε στο κοινό πρακτικές εφαρμογές αξιοποίησης του AI για την επίτευξη του πολυπόθητου ψηφιακού μετασχηματισμού.

Επισήμανε, επίσης, την ανάγκη καλύτερης κατανόησης των τεχνολογιών ώστε να γίνεται ομαλότερα η ενσωμάτωσή τους στην εκάστοτε επιχείρηση, όπως, επίσης, τη σπουδαιότητα της υγιούς επικοινωνίας και της συνεργασίας μεταξύ των managers και των data scientists για την υλοποίηση των βέλτιστων αποτελεσμάτων.

Οι τρεις βασικοί πυλώνες της επιτυχίας του AI εντός της επιχείρησης εστιάζουν, σύμφωνα με τον Τ. Singh, στον εντοπισμό του επιπέδου ωριμότητας μιας επιχείρησης όσον αφορά την τεχνητή νοημοσύνη, στην ύπαρξη ικανών διαχειριστών της και στη δημιουργία projects με ξεκάθαρα ROI. Ακολούθως,  με τη χρήση παραδειγμάτων αναλύθηκαν στρατηγικές επίτευξης αυτών των στόχων.

Από το deep learning στο reinforcement learning
Στο αντικείμενο του deep learning επικεντρώθηκε ο Leonardo De Marchi (Head of Data Scientist and Analytics, Badoo), ξεκινώντας με μια αναφορά στην ταχύτατη εξέλιξη αυτών των τεχνολογιών. Στη συνέχεια,  φέρνοντας παραδείγματα από το χώρο του online dating, έδειξε πως η τεχνητή νοημοσύνη μπορεί να προσφέρει λύσεις σε μια ευρεία γκάμα ζητημάτων.

Μέσα από συγκεκριμένες ιστορίες ο Sergi Sergiev, Data Science Society Leader,  παρουσίασε τόσο τους κινδύνους της σύγχρονης εποχής (όπως τα deepafake), όσο και τις ευκαιρίες. Καθώς το ακροατήριο απαρτιζόταν από γνώστες του αντικειμένου, πραγματοποιήθηκαν και παρουσιάσεις που έδωσαν περισσότερη έμφαση στα τεχνικά χαρακτηριστικά νέων τεχνολογιών.

Στην ομιλία του ο Julien Simon (Amazon’s Global Artificial Intelligence & Machine Learning Evangelist) έδωσε μια  περιγραφική ανάλυση της τεχνικής του reinforcement learning. Η δημιουργία κατάλληλων βάσεων δεδομένων μέσω των τεχνικών supervised και unsupervised learning, δεν καθίσταται δυνατή σε μεγαλύτερα και πιο περίπλοκα προβλήματα.

Ιδιαίτερη δυσκολία παρουσιάζεται στις μεγάλες εφοδιαστικές αλυσίδες, στα συστήματα ενεργειακής διαχείρισης, στη ρομποτική, στα αυτόνομα οχήματα, όπως και στις κινήσεις του χρηματιστηρίου. Εκεί γίνεται εμφανής ο ρόλος του reinforcement learning μέσω του οποίου τα συστήματα εκπαιδεύονται χωρίς την ανάγκη ύπαρξης data sets.

Τα συστήματα μαθαίνουν να αλληλοεπιδρούν με το περιβάλλον τους και για κάθε δράση που λαμβάνουν δέχονται θετική ή αρνητική ανατροφοδότηση. Μέσω λοιπόν αυτής της διαδικασίας αναπτύσσεται η βέλτιστη στρατηγική επίτευξης του εκάστοτε στόχου. Εμβαθύνοντας στο τεχνικό σκέλος ο Χριστόφορος Αναγνωστόπουλος, (Hon Assoc. Professor Imperial College London, Head of Research στην Improbable) παρουσίασε σύγχρονες μεθόδους για την αυτοματοποίησης της διαδικασίας labeling.

Εκσυγχρονίζοντας την έκφραση “data is the new oil” ο Χ. Αναγνωστόπουλος τόνισε πως “labeled data is the new new oil”, καθώς αυτό το είδος δεδομένων αποτελεί πλέον αναπόσπαστο και απαραίτητο κομμάτι  για τα προγράμματα αυτόματης μάθησης. Πραγματοποιήθηκε, λοιπόν, μια εις βάθος ανάλυση της χρήσης των labeling functions για την αυτοματοποίηση του labeling των δεδομένων. Με αυτόν τον τρόπο επιτυγχάνεται η ραγδαία αύξηση της παραγωγικότητας με την ταυτόχρονη μείωση του κόστους.

Σύνδεση με το επιχειρηματικό περιβάλλον
Το δεύτερο μέρος του συνεδρίου επικεντρώθηκε στη διασύνδεση του data scientist και του data analyst με το επιχειρηματικό περιβάλλον, ξεκινώντας με μια ιδιαίτερα διαδραστική συνέντευξη που πραγματοποίησε ο Γιάννης Μουρατίδης, Content Manager του συνεδρίου, με τον Βαγγέλη Ανδρικόπουλο, Forbes 30 under 30, Analyst στην Outlier Ventures.

Αρχικά ο Β. Ανδρικόπουλος μίλησε για την πορεία του και πως έφτασε εκεί που βρίσκεται σήμερα μέσα από μια σειρά επιμορφωτικών εμπειριών. Στη συνέχεια συζητήθηκαν τα στοιχεία που αναζητάει ένα επενδυτικό fund (VC) σε μια startup, καθώς και η κατάσταση που επικρατεί στην παγκόσμια σκηνή, παρέχοντας χρήσιμες πληροφορίες για όσους startuppers ενδιαφέρονται να δραστηριοποιηθούν επιχειρηματικά εκτός Ελλάδας.

Χάρη στη έντονη συμμετοχή του κοινού, παρουσιάστηκαν θέματα όπως το brain drain μέσα από τη ματιά των νέων που συμμετείχαν στο ακροατήριο. Επίσης συζητήθηκαν αναλυτικά οι προβληματισμοί σχετικά με την αξία των δεδομένων και την ισχύ των νέων τεχνολογιών όπως το blockchain και το machine learning. Βεβαίως όλες αυτές οι νέες τεχνολογίες αποκτούν αξία μόνο αν εφαρμοστούν πρακτικά και με επιτυχία ώστε να αυξήσουν την επιχειρηματική αξία του οργανισμού, επισήμανε ο  Στέφανος Τσολακίδης, Sales & Alliance Director της WITSIDE, κάνοντας μια live παρουσίαση των λύσεων που παρέχει η εταιρεία του.

Στην αξία του data governance στην ψηφιακή εποχή επικεντρώθηκε ο Γιώργος Βαγενάς, Senior Manager στην ΕΥ, ενώ ο Κωνσταντίνος Μπαχάς ( Pre-Sales Manager, στην Ελλάδα και την Ανατολική Ευρώπη για την SAS) ανάλυσε τους τρόπους με τους οποίους η τεχνητή νοημοσύνη μπορεί να βγει στην παραγωγή. Η Σοφία Αργίτη (Data Science & AI Technical Sales Specialist, IBM Greece) τόνισε για άλλη μια φορά στους συνέδρους την αξία του ΑΙ, μέσα από τις λύσεις που προσφέρει η πλατφόρμα Watson της IBM. Για να κατανοηθούν, ωστόσο, οι επιθυμίες του καταναλωτή ιδιαίτερα χρήσιμο εργαλείο αποτελεί το sentiment analysis, όπως επισήμανε ο Άγης Ανδρέου, Chief Data Scientist της Paloservices.

Στο πλαίσιο της διασύνδεσης του κόσμου του data science με την επιχειρηματική πραγματικότητα εστίασε με την ομιλία ο Sasa Radovanovic (Data Science & CLM Team Leader, B2B στην Telenor), τονίζοντας τα πιο κομβικά σημεία για το επιτυχές γεφύρωμα αυτών των δύο κόσμων μέσω μιας σειράς παραδειγμάτων.
Κλείνοντας το συνέδριο ο Γεώργιος Πιερρής, Quantitative Researcher, Developer στην ING έδωσε πολύτιμες συμβουλές επιβίωσης για τους data scientist στον επιχειρηματικό κόσμο χρησιμοποιώντας παραδείγματα και ιστορίες από την ίδια τη ζωή.

Χορηγοί του συνεδρίου ήταν οι ΙΒΜ,  Paloservices, SAS και Witside. Χορηγοί επικοινωνίας ήταν το Αθηναικό – Μακεδονικό Πρακτορείο Ειδήσεων, το Capital.gr, το CNN Greece και το Έθνος. Υποστηρικτής Διερμηνείας υπήρξε η Eltranslations.

Τέλος Conference Experience Sponsor ήταν το Conferience.