데이터 과학 회의?


20

이것은 CrossValidated통계 회의 질문 과 비슷한 질문입니다.

가장 중요한 연례 데이터 과학 컨퍼런스는 무엇입니까?

규칙 :

  • 회의에 대한 링크 포함
  • 대화에 대한 링크를 포함하십시오 (youtube, 회의 사이트 또는 기타 비디오 스트리밍 사이트).

1
좋은 질문이지만 현재 공식에서는 단일 답변을 수락 할 수 없으므로 스택 교환 형식에 도움이되지 않습니다. 답변별로 단일 회의를 제거하는 것이 좋습니다.
jamesmf

답변:


9

PyData-Python 데이터 도구에 대한 이야기
링크 : http://pydata.org/events/

매년 동해안과 서해안에서 PyData 회의가 하나씩 있습니다.


NIPS-신경 정보 처리 시스템 (NIPS)
링크 : https://nips.cc/

이것은 초록 / 포스터를받는 가장 어려운 / 가장 유명한 학술 머신 러닝 컨퍼런스 중 하나입니다.


대규모 기계 학습 및 빅 데이터 분석을위한 병렬 및 분산 컴퓨팅에 관한 제 5 차 국제 워크샵 (IEEE IPDPS 2016)
링크 : http://parlearning.ecs.fullerton.edu/

이것은 또한 논문 제출과 함께 학술 회의입니다.


참고 : 학술 또는 학술 회의를 원하는지 확실하지 않습니다 (회의 관련 회의 / 서류를 준비하십시오). 일부 회의는 새로운 데이터 과학 방법론이 아니라 기존 방법론을 구현하는 도구 및 라이브러리 (예 : PyData)에 관한 것입니다. 또한 데이터 과학은 매우 광범위하며 통계, 머신 러닝 및 데이터웨어 하우징 / 마이닝 등이 있습니다.


4

지난주에이 사이트 (Open Data Science Conference)로갔습니다 : http://odsc.com/

정말 즐거웠습니다. 오픈 소스 기술에 중점을 둡니다. (커뮤니티 내에서) 높은 프로파일의 연사들. 그리고 그들도 많은 비디오를 올렸습니다.

토크 비디오의 재생 목록 .


고맙습니다. 답변에 동영상 링크를 포함시킬 수 있습니까?
Dawny33

여기에 YouTube 재생 목록이 있습니다. youtube.com/playlist?list=PLB2SCq-tZtVl2qWH4CjizIb-IrkT_RA1f 모든 비디오가 있다고 생각하지는 않지만 대부분 워크샵이 포함되어 있습니다.
아드리안 lange

고맙습니다. 링크로 답변을 편집했습니다.
Dawny33

4

데이터 과학은 여전히 ​​인접한 분야에서 빌리는 융합의 영역입니다.

최근 흥미로운 경쟁자는 DSAA (IEEE International Conference on Data Science and Advanced Analytics)입니다. 상하이에서 열린 첫 번째 판 ( DSAA 2014 ). 두 번째 DSAA 2015 는 파리에서 , 2016 년 10 월 17-19 일 캐나다 몬트리올에서 DSAA 2016 버전이 발표되었습니다.

Nuit Blanche는 최근 미국 유타 주 미드웨이에서 2016 년 6 월에서 7 월까지 PCMI Summer School " 데이터의 수학 "을 발표했습니다.

다른 관련 컨퍼런스 및 워크샵은 다음과 같습니다.


3

연간 UseR! 회의:

데이터 리더는 연례 회의를 갖습니다. 작년 미국, 올해는 파리에서 :

H2O는 컨퍼런스 H2O 세계가 있습니다

데이터 과학은 매우 광범위한 주제이므로

R 언어의 효과적인 응용 :

스트라타 + 하둡 월드 :

공동 통계 회의 :

물론 현지 모임도


2

내가 가장 좋아하는 것은 Wrangle, Spark Summit 및 ampcamp입니다.

  1. Wrangle은 여러 데이터가 풍부한 여러 산업에서 데이터 과학의 원칙, 실습 및 적용에 관한 새로운 일일 단일 트랙 산업 이벤트입니다. 여기에는 Salesforce, Pinterest, Facebook 및 Uber와 같은 회사의 데이터 과학자가 직면 한 가장 어려운 문제와 해결 방법에 대한 대화가 포함됩니다. 실무 데이터 과학자라면 Wrangle이 적합합니다!

  2. 스파크 서밋. 스케일에서의 데이터 과학 및 엔지니어링

  3. AMP Camp는 UC Berkeley AMPLab에서 AMPLab이 제작 한 빅 데이터 분석, 머신 러닝 및 인기있는 오픈 소스 소프트웨어 프로젝트에 대해 조직 한 빅 데이터 교육 이벤트입니다. 모든 AMP 캠프 커리큘럼 및 AMP 캠프에서 진행되는 강의 토크 비디오가 여기에 게시되어 무료로 제공됩니다.

  1. http://www.wrangleconf.com/

  2. https://spark-summit.org/

  3. http://ampcamp.berkeley.edu/


우리의 모드 @Seanowen은 WrangleConf의 스피커입니다 :)
Dawny33


2

DataSciCon.Tech

http://datascicon.tech/

이 행사는 11 월 / 12 월 미국 애틀랜타에서 열리는 3 일 간의 개발자 중심 컨퍼런스입니다.

하루 종일 진행되는 워크샵 : R 워크샵을 통한 발견, 혁신 및 가치 창출을위한 데이터 과학 워크샵을 통한 데이터 과학 Python을 사용한 기계 학습 및 Tableau를 사용한 TensorFlow 데이터 분석

데이터 과학, 데이터 분석, 인공 지능, 머신 러닝, 딥 러닝, 빅 데이터, 데이터 시각화 및 딥 러닝과 같은 주제에 대한 4 개의 트랙으로 딥 다이빙 콘텐츠와 함께 2 일이 이어졌습니다.


귀하의 소속을 언급하십시오.
Sean Owen



1

기존 답변에서 이미 언급 한 멋진 회의가 많이 있습니다. 다음은 최고의 컨퍼런스 목록에서 볼만한 가치가있는 것입니다.

  • MLConf : 이름에서 알 수 있듯이 : 머신 러닝 컨퍼런스 .

회의의 목적 :

MLconf는 커뮤니티를 모아 최근에 알고리즘, 도구 및 플랫폼의 연구 및 적용에 대해 논의하여 방대하고 시끄러운 데이터 세트를 구성하고 분석하는 데 존재하는 어려운 문제를 해결합니다.

비디오 링크

  • Baylearn : Bay Area Machine Learning 심포지엄.

목적:

BayLearn 심포지엄은 샌프란시스코 베이 지역에서 기계 학습에 과학자를 모으는 것을 목표로합니다. 학술 및 산업 기관의 현지 연구원들 사이의 커뮤니티 구축을 촉진하는 동시에 방문객들을 환영합니다. 이 1 일 이벤트는 초대 된 대화와 포스터를 결합하여 아이디어 교환을 촉진합니다.

비디오 링크

다섯 번째 코끼리는 빅 데이터 생태계에 대한 커뮤니티 기반 회의로, 다양한 산업 분야의 기술과 응용 프로그램을 다루고 있습니다.

비디오 링크


1
지난주에 MLConf에 갔었습니다. 나는 각 스피커에 20 분만 주어 졌다는 사실에 매우 실망했습니다. 각각 말할 수 있습니다. 따라서이 회담은 심도 깊은 기술 회담이 아닌 수준 높은 대화였습니다. 솔직히 많은 지역 모임이 꽤 좋으며 흥미로운 주제가 다양합니다.

@ init-random 참석자로서 좌절해야합니다. Quora의 Xavier 이야기 만 보았습니다.
Dawny33

1

PASS Analytics -SQL Server Professional Association에는 분석 중심 회의가 있습니다. 컨퍼런스 트랙 중 일부는 자격을 갖춘 데이터 과학자에게는 적합하지 않지만 Microsoft가 Hadoop을 계속 지원하고 R을 SQL Server에 통합 할 때 특히 중요합니다.

PASS Business Analytics Conference는 데이터 분석 분야에서 막 시작하거나, 스킬 셋을 확장하는 데있어 가치를 보거나, 노련한 비즈니스 분석 전문가 인 데이터 전문가입니다.


1

Startup.ml 회의에는 몇 가지 좋은 회의가있었습니다. 대화는 해당 분야의 전문가가 수행하며 다른 회의보다 기술적이고 실용적입니다.

http://conf.startup.ml


1

공개 :이 메시지는 Data Science Conference® 팀이 게시합니다.

스폰서, 벤더, 리크루터가없는 데이터 과학 컨퍼런스의 아이디어가 당신에게 호소력이 있다면, Data Science Conference®가 좋은 선택 일 것입니다.

링크 : http://www.thedatascienceconference.com/


당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.