ODNAJDOWANIE, ŁĄCZENIE, ROZWIJANIE
Microsoft Reactor
Dołącz do firmy Microsoft Reactor i angażuj się ze startupami i deweloperami na żywo
Chcesz rozpocząć pracę ze swoją siecią AI? Firma Microsoft Reactor udostępnia wydarzenia, szkolenia i zasoby społeczności, aby pomóc startupom, przedsiębiorcom i deweloperom w budowaniu kolejnej działalności na podstawie technologii AI. Dołącz do nas!
ODNAJDOWANIE, ŁĄCZENIE, ROZWIJANIE
Microsoft Reactor
Dołącz do firmy Microsoft Reactor i angażuj się ze startupami i deweloperami na żywo
Chcesz rozpocząć pracę ze swoją siecią AI? Firma Microsoft Reactor udostępnia wydarzenia, szkolenia i zasoby społeczności, aby pomóc startupom, przedsiębiorcom i deweloperom w budowaniu kolejnej działalności na podstawie technologii AI. Dołącz do nas!
Paradoxes in Data Science
1 grudnia, 2021 | 5:30 PM - 6:30 PM (UTC) Uniwersalny czas koordynowany
Temat: Nauka o danych i Edukacja maszyny
Język: angielski
What is this session about?
In this talk, Pier Paolo Ippolito will walk you through some of the main paradoxes associated with Data Science and how they can be identified. The session will aim to first define what paradoxes are and then provide some examples of when they might occur when solving Data Science tasks.
Who is it aimed at?
Data Scientists, Machine Learning Engineers, Statisticians, Software Engineers.
Why should people attend?
As part of this session, we will be highlighting some of the most common paradoxes associated with Data Science and its statistical foundations
Any Prerequisites?
Statistics, Programming, Mathematics
Speaker Name:
Pier Paolo Ippolito
Pier Paolo Ippolito is a Data Scientist at SAS and MSc in Artificial Intelligence graduate with an interest in research areas such as Data Analytics, Machine Learning, and Cloud Development. Aside from his work activities, he is a freelancer and technical writer for Towards Data Science. LinkedIn: https://www.linkedin.com/in/pierpaolo28/
Web Contacts: https://linktr.ee/pierpaolo28
Learn Module
https://docs.microsoft.com/en-us/learn/paths/understand-machine-learning/