Workshop

Masa Nekic

Bouvet, Data Scientist

Introduksjon til Maskinlæring

Datavitenskap og maskinlæring er blitt en viktig drivkraft bak mange forretningsbeslutninger. Men fortsatt er det mange som er usikre på hva disse begrepene innebærer og hvilke muligheter som åpnes opp med denne teknologien.

Denne workshoppen gir deg en grunnleggende forståelse for maskinlæring, oversikt over mulighetene og utfordringene som ligger i maskinlæring og hvordan maskinlæring kan brukes i praksis. (Mer konkret ønsker vi å svare på: Hvordan kan vi få kunnskap ut fra dataene dine? Hvor og hvordan skal du bruke maskinlæring? Nøyaktig hvilke oppgaver kan maskinlæring utføre og hva er dens begrensninger? Og ikke minst, hvordan skal man komme i gang?)

I den praktiske delen av workshopen kommer du til å lære hvordan du bygger en maskinlæringsmodell ved bruk av Microsoft Azure ML Studio. Dette er et enkelt verktøy du kan bruke til å bygge og teste maskinlæringsmodeller uten å måtte skrive noe kode.

Forkunnskaper: Ingen. Denne workshopen er tilpasset til dem som ikke har noe forkunnskap eller erfaring med maskinlæring. Den er rettet mot de som er interesserte i temaet og som vil gjerne lære mer om hvordan virksomheten kan bruke datadrevne beslutninger i hverdagen.

Ta med egen PC/Mac! I den praktiske delen av workshopen skal vi bruke gratis versjon av Microsoft Azure ML studio (https://studio.azureml.net). Du trenger ikke å installere noe på forhånd.

NB! Workshoppen holdes på engelsk.

Om Masa Nekic

Maša Nekić er konsulent innen fagområdet Data Science i Bouvet, og er utdannet matematiker ved Universitet i Zagreb med fordypning i statistikk og maskinlæring. Fra sin akademiske bakgrunn har hun et svært solid og teoretisk grunnlag med bred erfaring innenfor områder som statistikk, matematisk analyse, algoritmer, programmering og numeriske beregninger.

Maša har stor lidenskap for å grave dypt etter sammenhenger i data og benytte matematiske forståelser av avanserte analyser og maskinlæring algoritmer til å løse reelle forretningsutfordringer. Hun har jobbet med de fleste kjente verktøyene innen avansert analyse og Big Data og hun trives best med å løse problemer innenfor matematisk modellering, statistisk analyse og visualisering av store datamengder fra mange ulike kilder.