13 października, Warszawa
WIEDZA, NETWORKING, DOŚWIADCZENIE
Eksperci dzielą się wiedzą i doświadczeniem o uczeniu maszynowym
Dni
Godzin
Minut
Sekund
O konferencji
Spotkanie dla ludzi zainteresowanych uczeniem maszynowym. Niezależnie od tego, jaki poziom doświadczenia posiadasz, możesz przyjść i skorzystać. Dla nas najważniejsza jest Twoja chęć do działania w obszarze uczenia maszynowego.

Spotkasz tu wielu ekspertów, absolwentów DataWorkshop i pasjonatów ML lub tak zwanej sztucznej inteligencji.
Dlaczego warto?
Ekspercka wiedza i doświadczenie
Inspirujące historie
Unikalny game networking
Transmisja na żywo
W liczbach
1
dzień
2
ścieżki
18
prelegentów
200+
uczestników
Prelegenci
Vladimir Alekseichenko
CEO & Founder / DataWorkshop
Zaczął programować ponad 10 lat temu. Doświadczenie zawodowe zdobywał pracując w różnych obszarach informatyki, stykając się z różnorodnymi technologiami. Od 2013 zajmuje się tematami związanymi z danymi i uczeniem maszynowym. Prowadzi podcast o sztucznej inteligencji - BiznesMyśli. Uczestnicze w konkursach Kaggle'a. Uwielbiam pomagać innym, analizować dane i podróżować - odwiedziłem około 30 krajów.

LinkedIn
Wojtek Ptak (absolwent kursu DataWorkshop)
CTO / FreshMail
Wielki zwolennik zwinnego podejścia do projektów oraz środowiska pracy. Aktualnie CTO w firmie FreshMail. Przez ponad 10 lat współtworzył firmę Ministry of Ideas, gdzie pracował jako konsultant i architekt przy projektach integracji silosów danych, ich analizy oraz szerzeniu wiedzy opartej o fakty. Współpracował m.in. dla The Coca-Cola Company, American Bankers Association, Macy's, Heineken, Saks 5th Avenue, BP, Boots, Polo Ralph Lauren, Homebase, Porsche oraz wielu innych.

LinkedIn
Łukasz Kuncewicz
Head of Data Science / Enigma Pattern
Programuje od 7-go roku życia, olimpijczyk (informatyka), autor książek z dziedziny matematyki i programowania neurolingwistycznego. W ciągu ostatnich 20 lat pracował przy projektach z dużą ilością danych: Narodowy Fundusz Zdrowia, Casino Orbis (największa sieć kasyn w Polsce), dwie porównywarki cen (miliony klientów przeglądających miliony produktów). Obecnie w Enigma Pattern prowadzi zespoły złożone z Data Scientists i Data Engineers, z różnych dziedzin (przetwarzanie obrazu, dane z firm telekomunikacyjnych, rynki finansowe, itd.)

LinkedIn
Aleksandra Możejko
Machine Learning Engineer / Sigmoidal
Machine Learning Engineer w firmie Sigmoidal, absolwentka matematyki na Uniwersytecie Warszawskim, współorganizator konferencji PL in ML poświęconej Uczeniu Maszynowemu. Posiada 2 lata komercyjnego doświadczenia w Data Science/Uczeniu Maszynowym. Jej główny obszar zainteresowań stanowi przetwarzanie języka naturalnego. W swojej pracy projektuje i wdraża systemy sztucznej inteligencji dla klientów biznesowych z całego świata.

LinkedIn
Bartlomiej Rozkrut
CTO & co-founder / 2040.io
Przygodę z branżą IT zaczął w 1998 roku jako administrator sieci, następnie pracował w roli programisty aplikacji internetowych. Od 2005 r. odpowiadał za rozwój technologiczny firmy Empathy Internet Software House jako CTO, a następnie od 2012 w Zarządzie Grupy Unity oraz jako Dyrektor ds. rozwoju e-commerce za rozwój autorskiej platformy Unity. Obecnie pełni funkcję CTO w firmie 2040, realizując projekty z zakresu sztucznej inteligencji w biznesie.

LinkedIn
Karol Majek
Self Driving Car and Mobile Robotics Engineer, Mentor / Udacity
Inżynier robotyki mobilnej i samochodów autonomicznych. Pracuje w NASK, jest mentorem w Udacity Self-Driving Car Nanodegree. Zajmuje się przetwarzaniem obrazu i zastosowaniem głębokich sieci neuronowych. Szczególnie chętnie wykorzystuje je do wykrywania obiektów na obrazach. Brał udział w wielu zawodach robotycznych: Eurathlon, ELROB, DARPA VRC, Self-Racing Cars. Prowadzi bloga o samochodach autonomicznych i sztucznej inteligencji: DeepDrive.pl.

LinkedIn
dr hab. inż. Bartosz Ziółko
CEO / Techmo
Studiował Elektronikę i Telekomunikację na AGH. Następnie zrobił doktorat z Informatyki na University of York. W 2017 uzyskał habilitację m.in. za ponad 100 prac naukowych, 2 patenty przyznane przez USPTO i 1 przez EPO oraz książkę "Przetwarzanie mowy". Jego zainteresowania badawcze obejmują automatyczne rozpoznawanie mowy, modelowanie języka naturalnego, rozpoznawanie mówców i symulację dźwięku przestrzennego. Brał udział w kilku krajowych i europejskich projektach badawczych. Jego działalność badawczo-rozwojowa zaowocowała kilkoma produktami.

LinkedIn
dr inż. Przemysław Maciołek
VP of R&D / Collective Sense
Kiedy był dzieckiem marzył o zostaniu kosmonautą albo naukowcem. To pierwsze odłożył na później i od kilkunastu lat zajmuje się zawodowo wydobywaniem wartości z danych. W tym czasie pracował przy poszukiwaniach złóż naturalnych, założył startup zajmujący się Web-Scale Text Mining, zbudował kilka zespołów Data Science/Big Data a obecnie pracuje dla Collective Sense gdzie stosuje Deep Learning do wykrywania anomalii bezpieczeństwa w sieciach komputerowych.

LinkedIn
Rafal Cycon
CTO & co-founder / ShelfWise
Swoją przygodę ze sztuczną inteligencją rozpoczął w 2011 roku pisząc bibliotekę operacji macierzowych do uczenia sieci neuronowych. Obecnie w ShelfWise aplikuje rozmaite metody Deep Learning do rozpoznawania produktów na zdjęciach. Za pomocą sztucznej inteligencji m.in. analizował fale mózgowe, optymalizował pracę sondy kosmicznej orbitującej wokół Marsa czy identyfikował turbiny wiatrowe zagrożone przedwczesną awarią. Zwycięzca dwóch konkursów na Kaggle, co uplasowało go na 30. miejscu na świecie wśród kilkudziesięciu tysięcy Data Scientistów.

LinkedIn
dr inż. Ania Wróblewska
Senior Data Scientist / MiNI PW/ Applica.ai
Dr nauk technicznych w zakresie informatyki. Posiada kilkuletnie doświadczenie w projektowaniu inteligentnych systemów analizy i opisu semantycznego danych, nabyte w środowisku komercyjnym i naukowym. Do niedawna pracowała na stanowisku Senior Data Scientist w Allegro. Obecnie pracuje w Applica.ai, gdzie zajmuje się metodami analizy danych: tekstowych i obrazowych. Wykłada na Wydziale Matematyki i Nauk Informacyjnych PW na nowej specjalności Przetwarzanie i Analiza Danych. Jest autorką ponad 35 publikacji. Interesuje się uczeniem maszynowym w praktycznych zastosowaniach, przede wszystkim semantycznym rozumieniem danych: tekstu i obrazu, uczeniem i budowaniem ontologii.

LinkedIn
dr inż. Krzysztof Sopyła
CEO and Data Scientist / Ermlab Software
Naukowiec i przedsiębiorca. Pragnę tworzyć i wdrażać nowe produkty i usługi wykorzystujące uczenie maszynowe. Wierzę, że sztuczna inteligencja pozwoli wzmocnić nasze umiejętności i uwolni nas od monotonnej pracy.
Współtwórca startupu PLON.io (Data Science Sandbox) a obecnie stara się rozwijać mlapi.io oraz GoodWrite.it. Swoimi przemyśleniami dzielę się na blogu: http://ksopyla.com

LinkedIn
dr inż. Tomasz Trzciński
Chief Scientist / Tooploox
Jest (współ)-autorem wielu publikacji, które ukazały się w renomowanych czasopismach (TPAMI, TIP, TMM, PRL) i były prezentowane na międzynarodowych konferencjach (CVPR, ECCV, NIPS). Jest recenzentem prac publikowanych w prestiżowych czasopismach (TPAMI, VISI, CVIU, TCSVT) oraz materiałów konferencyjnych (CVPR, ICCV, ECCV, BMVC). Pracował w Google w 2013 r., Qualcomm w 2012 r. oraz w Telefónice w 2010 r. W 2017 r. odbył staż naukowy na Uniwersytecie Stanforda. W 2016 r. znalazł się na liście New Europe 100 – innowatorów i liderów pozytywnych zmian z krajów Europy Środkowo-Wschodniej. Od 2015 r. objął funkcję Chief Scientist w Tooploox, gdzie kieruje zespołem zajmującym się uczeniem maszynowym.

LinkedIn
Łukasz Siatka
Machine Learning Engineer / Lonsley
Wspiera firmy w adaptacji innowacyjnych rozwiązań z zakresu nowych technologii. Inspiruje i edukuje developerów do budowy projektów bazujących na uczeniu maszynowym i sztucznej inteligencji, wspomaga ich w osiąganiu poziomu Industry Gold Standard. Jest wizjonerem posiadającym plan na każdą ewentualność. Zmienia świat korzystając z swoich umiejętności z zakresu Machine Learningu. Ex-Googler. Pracował dla Facebooka.

LinkedIn
Adam Szymański
CTO / Nethone
Inżynier oprogramowania zafascynowany programowaniem, uczeniem maszynowym oraz działaniem organizacji. Przed dołączeniem do Nethone pracował jako freelancer, twórca gier indie, programista rozgrywki przy Wiedźminie 3 w CD Projekcie RED, inżynier oprogramowania w YouTube i Google Search oraz jako kierownik zespołu AI w G2A. Obecnie jest CTO w Nethone gdzie jest odpowiedzialny za kierunek rozwoju technologii i proces zarządzania projektami.

LinkedIn
Ric Szopa
CTO w AI house'u specjalizującego się w wizji komputerowej, robotyce i przetwarzaniu danych mikroskopowych. Przed MicroscopeIT pracował nad infarastrukturą baz danych YouTube'a w Google (w Mountain View i w Zurychu). Studiował filozofię na Uniwersytecie Warszawskim i Sztuczną Inteligencję na Katholieke Universiteit Leuven. Pasjonat Deep Learningu, historii i gry na ukulele

LinkedIn
Mateusz Opala
Machine Learning Tech Lead / Netguru
Przedsiębiorca, software engineer, praktyk uczenia maszynowego. Pracował jako ML Engineer od kiedy skończył studia na AGH. Początkowo pracował nad multi-modalną segmentacją lewego przedsionka z uczeniem się przestrzeni marginalnej w Siemens Corporate Research w Princeton. W tym czasie zaimplementował moduł do nauki rozłącznego splotu, aby poprawić wydajność wykrywania obiektów w czasie testu. Później współtworzył Craftinity - software house specjalizujący się w ML, w którym rozwijał różnorodne projekty, włącznie z opartymi na Deep Learning rozwiązaniami w obszaru rozpoznawania obrazów i NLP. Niedawno dołączył do Netguru, by budować zespół specjalistów ML.

LinkedIn
Kamil Krzyk (absolwent kursu DataWorkshop)
Data Scientist / Azimo
Studiował Mechatronikę i Systemy Inteligentne na AGH. W swojej 5-letniej karierze w branży IT dotknął wielu obszarów specjalizacji: Android Dev (SureCase), Lab Researcher (NTT Communication Science Laboratories, multimodalny system komunikacji analizujący ludzkie zachowania), Full Stack Engineer (Azimo, obowiązki z zakresu Android Dev, DevOps, QA Automation, Data Engineering). Dwa lata temu odnalazł swoją pasję i aktywnie rozwija się w dziedzinie Machine Learning. Aktualnie pracuje na pozycji Data Scientist w firmie Azimo, gdzie buduje system dostarczający użytkownikom wiedzę na temat czasu trwania ich tranzakcji.Miłośnik open-source, doradca, speaker na wydarzeniach IT, trener, bloger.

LinkedIn
.
Monika Koprowska (absolwent kursu DataWorkshop)
Business Development Manager
Entuzjastka Data Science z pasją do poszukiwania ciekawych opowieści i zastosowań w świecie napędzanym danymi. Wiedzę uważa za dobro, którym warto się dzielić. Współzałożycielka pierwszego polskiego chapter'u Woman in Machine Learning and Data Science. Hobbystycznie tworzy podcast i blog dataevangelists.ai dla entuzjastów danych oraz popularno-naukowy vlog Jako Rzecze Maszyna. Doświadczenie zawodowe na styku IT i biznesu zdobywała jako konsultantka w firmie Accenture oraz IT manager w P&G. Aktualnie wspiera rozwój startupów wykorzystujących rozwiązania sztucznej inteligencji.

LinkedIn
Program konferencji
07:55 – 09:00
07:55 – 09:00
Rejestracja, śniadanie, networking
09:00 – 09:15
09:00 – 09:15
Oficjalne otwarcie
09:15 – 09:45
09:15 – 09:45
Najlepszy moment, żeby zająć się uczeniem maszynowym jest teraz
Vladimir Alekseichenko (CEO & Founder / DataWorkshop) LinkedIn
Świat zmienia się szybciej, niż myślisz. Szykuje się kolejna fala zmian. Masz do wyboru być obserwatorem i pewnie utonąć albo być na fali, a może nawet ją sterować. Dotychczas przeszkoliłem prawie 500 osób, w tym 130 osób na autorskim kursie online DataWorkshop, gdzie staram się przekazywać praktyczną wiedzę, ale również uczę zadawać właściwe pytania. Na pewne rzeczy masz wpływ. Opowiem Ci moją hisorię o rozwoju, popełnianych błędach, życiowych wyzwaniach i drodze od programisty do specjalisty ML, trenera, podcastera, CEO... Dowiesz się też, jak przekułem prawo Moore'a na prawo Vladimira i jak pukładałem swoje myślenie, by co drugi rok podwajać moje przychody, ale cały czas traktować to jako skutek, a nie przyczynę moich działań.
09:45 – 10:15
09:45 – 10:15
PL in CV - Polish View on Computer Vision
Tomasz Trzciński (Chief Scientist / Tooploox) LinkedIn
Moja przygoda z Computer Vision zaczęła się od niewinnego stażu w Telefonice, gdzie w 2009 pracowałem nad jednym z pierwszych komercyjnych silników wyszukiwania wizualnego. W tych czasach hasło 'computer vision' nie mówiło zbyt wielu osobom prawie nic. Od tego czasu sporo się zmieniło - pojawiły się głębokie sieci neuronowe, metody wizji komputerowej zaczęły działać na produkcji, tysiące młodych i żądnych wiedzy ludzi zaczęło uczyć się czym jest OpenCV, Keras czy pyTorch. Mimo tych gigantycznych postępów dziedzinowych Polska wciąż pozostaje mocno niedoreprezentowana na branżowych konferencjach naukowych takich jak CVPR czy ICCV. Dlaczego? Co możemy zrobić, żeby to zmienić? Na co zwracać uwagę budując swoją karierę w computer vision? O tym wszystkim opowiem podczas mojej prezentacji.
10:15 – 10:45
10:15 – 10:45
My fuckup way - czyli jak iść przez życie i nie popełniać błędów?
Krzysztof Sopyła (CEO and Data Scientist / Ermlab Software) LinkedIn
Przez prawie 10 lat żyłem jak pączek w maśle na uczelni, ale tak dosłownie w maśle. W umysłowym opóźnieniu i zastoju, wypełniając dokumenty i uczestnicząc w spotkaniach z których nic nie wynikało. W owym czasie wydawało się, że jestem ustawiony, tylko od czasu do czasu coś w duszy drapało, coś się nie zgadzało. Od zawsze mnie ciągnęło aby coś zrobić, wyobraźcie sobie że nawet na doktoracie chciałem zrobić coś przydatnego, sic!
Zaczynałem przeglądać na oczy bardzo powoli, nadal jeszcze wszystkiego nie widzę. W prezentacji chciałbym opowiedzieć o swoich błędach i dokąd mnie one zaprowadziły. Jak z przyjacielem z uczelni założyliśmy Ermlab Software, jak zaczeliśmy PLON.io i dlaczego zamknęliśmy. Gdzie jestem teraz i dlaczego próbuję.
10:45 - 11:00
10:45 - 11:00
Przerwa kawowa
11:00 – 11:30
11:00 – 11:30
5 lekcji które nauczyły mnie jak pracować z danymi
Przemek Maciołek (VP of R&D / Collective Sense) LinkedIn
Kiedy miałem 16 lat zetknąłem się z problemem kalibracji instrumentów w laboratorium, w którym pracował mój ojciec. Udało mi się go rozwiązać za pomocą podejścia, które nazwalibyśmy dziś Data Science. Była to pierwsza z wielu lekcji, która pokazała mi, jak wielką wartością dodaną może być połączenie programowania, statystyki i wiedzy domenowej. W mojej prezentacji chciałbym przedstawić kilka anegdotycznych historii, również porażek, które mogą dać szersze spojrzenie na to, co i jak możemy uzyskać wykorzystując Data Science/Big Data/ML/dowolny inny buzzword w praktyce.
12:00 – 12:30
12:00 – 12:30
Dlaczego uczenie maszynowe nie działa w prawdziwym życiu?
Bartosz Ziółko (CEO / Techmo) LinkedIn
Wiele osób uważa, że uczenie maszynowe rozwiąże dowolny problem tego świata.Ten sam pęd do magicznej mocy sieci neuronowych obserwowano już ponad 20 lat temu w trakcie pierwszej fali ich popularności. Porównywanie sieci neuronowych z pracą mózgu czy nazywanie ich sztuczną inteligencją sprowadziło wiele osób na manowce. O części z nich świat zapomniał, niektórzy po roku lub dwóch dalej tracili pieniądze na projekt, który miał oryginalnie trwać 2 miesiące. Świat nie jest aż tak prosty. Niestety lub na szczęście.
12:30 - 12:45
12:30 - 12:45
Przerwa kawowa
12:45 – 14:00
12:45 – 14:00
Game networking
Efektywny sposób poznać ludzi z którym wspólnie możesz zrobić zadanie, projekt lub nawet biznes.
14:00 – 15:00
14:00 – 15:00
Obiad
15:00 – 15:15
15:00 – 15:15
Data Science oczami programisty
(Sala A)
Kamil Krzyk (Data Scientist / Azimo) LinkedIn
Dziś Machine Learning, Deep Learning, AI, Data Science to jedne z najczęściej pojawiających się buzzword'ów. Coraz więcej osób zaczyna zdawać sobie sprawę, że w przyszłości Machine Learning będzie częścią większości produktów dostępnych na rynku. Jednak nie każdy ma pojęcie, jak zacząć. Jedną z takich osób byłem ja. Na prelekcji chciałbym przedstawić moją historię, która opowiada o drodze, jaką musi przebyć programista, aby uzyskać pracę w branży Data Science. Chcę opowiedzieć o tym jakie działania podjąłem, by przybliżyć się do tego celu, a między innymi dlaczego kurs "Praktyczne uczenie maszynowe dla programistów" był bardzo ważnym momentem w mojej karierze.Pragnę podzielić się refleksjami, które wyniosłem z moich porażek, sukcesów, rozmów z poznanymi ludźmi oraz ich historii.
15:00 – 15:15
15:00 – 15:15
Dane, technologia i biznes
(Sala B)
Monika Koprowska (Business Development Manager) LinkedIn
Znajomość technologii, jej możliwości i ograniczeń jest ważna, jednak to jej odpowiednie wykorzystanie uwzględniające biznes i jego potrzeby jest najważniejsze. Opowiem o zapotrzebowaniu na osoby będące mostem pomiędzy technicznymi specjalistami budującymi rozwiązania oraz światem biznesu, a także o tym jak rozmawiać i nie rozmawiać z tym światem o technologiach. Powiem również o rozwijaniu start-up'u wykorzystującego rozwiązania AI.
15:15 – 15:45
15:15 – 15:45
Jak rozumiem R&D - perspektywa wykładowcy, data scientist, kobiety, mamy
(Sala A)
Ania Wróblewska (Senior Data Scientist / MiNI PW/ Applica.ai) LinkedIn
Przedstawię kilka ciekawych projektów R&D, sposobów na współpracę uczelni z biznesem, a także moje wnioski życiowe tzw. lessons learned. Omawiane projekty będą dotyczyły tematów przetwarzania / rozumienia tekstu i obrazu, metod uczenia głębokiego.
15:15 – 15:45
15:15 – 15:45
Debugging Machine Learning - 5 największych pułapek, z którymi musiałem się zmierzyć
(Sala B)
Matuesz Opala (Machine Learning Tech Lead / Netguru) LinkedIn
Debugowanie algorytmów uczenia maszynowego jest trudnym zadaniem. Pomimo tego, że jest potrzebną umiejętnością w codziennej pracy, wydaje się być przesłonięte przez pogoń za aktualnym stanem wiedzy lub nowe interesujące zastosowania ML. Podczas prelekcji omówię najpopularniejsze pułapki, które spotkały mnie podczas mojej pracy jako ML Engineer.
15:45 – 16:15
15:45 – 16:15
Kurs AI skończony, no ale co dalej?
(Sala A)
Łukasz Kuncewicz (Head of Data Science / Enigma Pattern) LinkedIn
Praktyczny 25-minutowy przewodnik po tym, jak wejść w AI w Polsce i na świecie. Co działa, co nie działa, a co jest konieczne. Prowadzony przez Łukasza, który przeprowadził kilkadziesiąt procesów rekrutacyjnych dla Data Scientists.
16:15 - 16:30
16:15 - 16:30
Przerwa kawowa
16:30 - 17:00
16:30 - 17:00
Od firmy Software Development do Start-upu AI, czyli jak tworzyć i sprzedawać produkty AI?
(Sala A)
Bartek Rozkrut (CTO & co-founder / 2040.io) LinkedIn
Krótka opowieść o tym, jak z firmy tworzącej oprogramowanie na zamówienie przejść do świata start-upów, produktów i AI. Na przykładzie Edwarda – inteligentnego asystenta sprzedaży - opowiem o pułapce projektów realizowanych na zamówienie, o tym jak dobrze zidentyfikować rodzaje problemów, którymi warto się zajmować (horizontal vs vertical AI), o praktycznych problemach z pozyskaniem danych do trenowania (problem jajka i kury), wyzwaniach z modelami pracującymi na urządzeniach mobilnych (TensorFlow Lite), a także o tym, czy „hype" na AI pomaga czy przeszkadza sprzedawać produkt.
17:00 – 17:30
17:00 – 17:30
Moja droga do wykrywania obiektów na obrazach
(Sala A)
Karol Majek (Self Driving Car Engineer, Mentor / Udacity) LinkedIn
Obecnie na co dzień trenuję i wykorzystuję sieci neuronowe w Tensorflow. W tej prezentacji pokażę Ci moją drogę, która doprowadziła mnie do tego miejsca. Od czego zacząłem, jakie napotkałem problemy i jakie techniki stosuję obecnie.Jak zacząłem moją przygodę z przetwarzaniem obrazu kilka lat temu. Z jakich narzędzi wtedy korzystałem i jakie spotkałem problemy. W jaki sposób usłyszałem o wykorzystaniu sieci neuronowych do przetwarzania obrazu. Jakie kroki podjąłem, aby nauczyć się wykorzystywać sieci neuronowe na co dzień. Z czego obecnie korzystam, by wykrywać obiekty. Jakich zasobów potrzebuję i jakie problemy spotykam.
17:00 – 17:30
17:00 – 17:30
Kierunek największego gradientu, czyli nauka na własnych błędach
(Sala B)
Rafał Cycon (CTO & co-founder / ShelfWise) LinkedIn
Przekażę najistotniejszą dla mnie wiedzę wyniesioną z obszaru Machine Learning i Deep Learning, którą zdobyłem na własnych błędach. Opowiem m.in. o tym, czym grozi przeuczenie, dobór nieodpowiedniej metryki czy brak kontroli jakości danych.
17:30 – 18:00
17:30 – 18:00
Znaczenie projektów hobbystycznych w rozwoju zawodowym
(Sala A)
Adam Szymański (CTO / Nethone) LinkedIn
Odkąd zacząłem programować 16 lat temu, nieustannie programuję hobbystycznie wieczorami kolejne projekty. Te projekty umożliwiły mi zdobycie pierwszej pracy, a potem nadawały kierunek mojej dalszej karierze. Postaram się opisać Wam, w jaki sposób hobby może pomóc w rozwoju umiejętności, a może nawet w założeniu własnej firmy.
18:00 – 18:15
18:00 – 18:15
Zakończenie konferencji
Bilety
1100 zł
275 zł + VAT(23%)
Dla osób, które wykupili kurs "Praktyczne uczenie maszynowe" w terminie 16.06 - 17.08.2018r.
Kupuj
1100zł
275 zł + VAT(23%)
Dla absolwentów kursu "Praktyczne uczenie maszynowe".
Kupuj
1100 zł
330/440 zł* + VAT(23%)
Dla uczestników DataWorkshop Tour.
* Cena zależy od kupionego biletu.
Dla wygenerowania kodu promocyjnego, prosimy o kontakt mailowy na conf@dataworkshop.eu
1100 zł
550 zł + VAT(23%)
Bilet normalny.
Kupuj
Lokalizacja i dojazd
Lokalizacja:
Digital Knowledge Village
Puławska 457,
02-844 Warszawa
Dojazd komunikacją miejską:
Bezpośredni dojazd do kompleksu jest możliwy autobusami 209, 709, 715, 727, 739 i 809 do przystanku Żołny.

Dojazd samochodem*:
Kompleks zlokalizowany jest przy zjeździe z węzła S2 i zapewnia dobry dostęp obwodnicą z różnych dzielnic Warszawy, a także autostradami A2 i A1 z Łodzi czy Poznania.

*Bezpośrednio na miejscu dostępnych jest ponad 100 wolnych od opłat miejsc parkingowych.

Mapa dojazdu
Przed i po konferencji
Kontakt
również możesz pisać na:
conf@dataworkshop.eu

Grodzka 42/1, 31-044
Kraków, Polska
Wysyłając wiadomość, wyrażam zgodę na przetwarzanie moich danych w ramach projektu DataWorkshop. Powyższej zgody udzielam w stosunku do Biznes Myśli – Uladzimir Aliakseichanka, ul. Grodzka 42/1, 31-044 Kraków, NIP: 6751364881. W każdej chwili będziesz mógł wycofać zgodę.
Chcesz zostać sponsorem lub partnerem?

A może chcesz zostać wolontariuszem DW Club Conf?

To bardzo zachęcamy do kontaktu na conf@dataworkshop.eu