LeanDS

2021-06-28 10:13:45 DS проекты, которые не попали в прод, Павел Филонов, Data Science Manager, Kaspersky

В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.

Видео:


Презентация: https://disk.yandex.ru/i/LVv-3po-xRyVAA Открыть/Комментировать

2021-06-24 19:08:27 Заходите https://us02web.zoom.us/j/85839773435?pwd=aFFONFNVMlNGbUZuWndkV2x4QTlpQT09 Открыть/Комментировать

2021-06-24 17:45:39 LeanDS pinned «LeanDS@DataFest — Проваленные DS проекты и управление проектами c QUEST Официально DataFest закончен. Сроки все вышли, но секция управления проектами полностью выйти в прод не успела. Мы объявляем финальный митап LeanDS@DataFest. Поговорим о природе “проваленных”…» Открыть/Комментировать

2021-06-24 17:45:16 LeanDS@DataFest — Проваленные DS проекты и управление проектами c QUEST Официально DataFest закончен. Сроки все вышли, но секция управления проектами полностью выйти в прод не успела. Мы объявляем финальный митап LeanDS@DataFest. Поговорим о природе “проваленных”… Открыть/Комментировать

2021-06-23 16:16:38 Статья о том, как меняется профессия Data Scientist, распадаясь на несколько отдельных профессий.

Отмечается, что все сильно запуталось, и пока индустрия не понимает как кого называть.

При этом за термином Data Scientist в крупных компаниях (FAANG) подразумевается скорее продвинутый аналитик (дашборды, метрики, KPI вот это все), в то время как в небольших это все еще специалист широкого профиля, который и модель построит и в прод ее накатит.

Там же в статье про ЗП, карьерный выбор и т.д.

https://towardsdatascience.com/mlevsds-3c89425baabb Открыть/Комментировать

2021-06-23 10:57:52 ВИДЕО Как запустить продажи технологического b2b продукта с нуля: три обязательных составляющих, Александр Дмитриев, Директор по продажам ADV LaunchPad.
20+ лет в построении отделов продаж, международном продвижении технологических компаний, в том числе Retail Rocket.
Если выручка в компании растет, часто, на департамент продаж не обращают внимание. А когда выручка в компании выходит на плато или падает, часто причину ищут именно в продажах. Что примечательно, и в первом и во втором случае в организации продаж может быть как всё очень плохо, так и наоборот, точки роста могут лежать за пределами функции продаж. Давайте разбираться, как правильно организовать продажи сложных решений с нуля.

ВИДЕО:

Открыть/Комментировать

2021-06-23 10:57:19 ВИДЕО Конфликт исследователя и бизнеса, Роман Зыков, Автор книги “Роман с Data Science”, сооснователь Retail Rocket

Исследователи хотят развиваться и делать крутые вещи (самореализация по пирамиде Маслоу). Бизнес хочет зарабатывать деньги - это написано в уставе любой коммерческой организации.
Можно ли подружить эти два интереса? В случае положительного исхода - бизнес получит лояльных талантливых сотрудников и потенциальный возврат из инвестиций R&D, а сотрудники получат возможность творить. В случае негативного исхода - таланты уходят, бизнес добивается краткосрочных целей, а в долгосрочной перспективе - ухудшение позиций относительно конкурентов.
Автор был в обеих ролях: и со стороны бизнеса, когда нужно было добиваться прямого влияния на продажи через R&D; и со стороны сотрудника, который хочет реализоваться.

ВИДЕО:

Открыть/Комментировать

2021-06-22 07:53:19 LeanDS@DataFest — Проваленные DS проекты и управление проектами c QUEST

Официально DataFest закончен. Сроки все вышли, но секция управления проектами полностью выйти в прод не успела. Мы объявляем финальный митап LeanDS@DataFest. Поговорим о природе “проваленных” ML проектов и как с этим жить на примере подхода QUEST.

DS проекты, которые не попали в прод, Павел Филонов, Data Science Manager, Kaspersky

В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.

QUEST framework: менеджмент data science команд 60-го уровня, Артемий Малков, PhD. МФТИ, Data Monsters

• Как выяснить что нужно бизнес-заказчику?
• Что делать с неопределенностями?
• Как оценить сроки и бюджеты data science проекта?
• Как проводить exploratory research?
• Как планировать и приоритезировать эксперименты? (не ICE)
• Что делать когда затягиваются сроки?
• Как сдавать этап проекта боссу, чтобы продлили финансирование?

Четверг в 19-00 по Москве:
Онлайн
Регистрация: https://leands.timepad.ru/event/1683485/ Открыть/Комментировать

2021-06-22 07:53:16 Открыть/Комментировать

2021-06-17 19:09:59 https://us02web.zoom.us/j/85487794711?pwd=bUY0Z2luTWhDNlNXN0ZIeXJHVXZPUT09 Открыть/Комментировать