Interesujące: Historia strony KIE od 1998 roku
Katedra Informatyki Ekonomicznej
Uniwersytet Ekonomiczny w Poznaniu
Studenckie Koło Naukowe „Data Science”. Celem koła naukowego jest propagowanie wśród studentów wiedzy na temat Data Science i analizy danych przy użyciu technologii informacyjnych, nauczanie i doskonalenie umiejętności studentów w zakresie programowania komputerów poprzez realizację projektów badawczych, podejmowanie współpracy z innymi organizacjami studenckimi w celu realizacji przedsięwzięć oraz wzajemnej wymiany doświadczeń. Więcej informacji →
Tym razem warsztaty skupiły się na technikach pozyskiwania danych z dynamicznie ładowanych stron internetowych, poznając m.in. narzędzie Selenium oraz sposoby radzenia sobie z tzw. „leniwym ładowaniem” (z ang. „lazy loading”). Uczestnicy mieli wyjątkową okazję zrozumieć, jak działa automatyzacja pobierania danych w praktyce.
W XXIX edycji konkursu Fundacji UEP na najlepszą pracę licencjacką i inżynierską obronioną na Uniwersytecie Ekonomicznym w Poznaniu w roku akademickim 2023/2024, praca pt. „Wykrywanie ludzkich twarzy wygenerowanych przez modele sztucznej inteligencji” zdobyła pierwsze miejsce. Autor pracy: Patryk Danielewicz, promotor pracy: dr hab. Krzysztof Węcel, prof. UEP.
Warsztaty dla studentów dotyczące eksploracji oraz przetwarzania treści dostępnych w Internecie odbyły się na Uniwersytecie Ekonomicznym w Poznaniu. Spotkanie poprowadził Mateusz Kuczyński, student naszej Uczelni, który łączy studia magisterskie na kierunku informatyka i ekonometria z pracą w obszarze eksploracji danych.
Na Uniwersytecie Ekonomicznym w Poznaniu odbyło się spotkanie inauguracyjne Studenckiego Koła Naukowego „Data Science” w roku akademickim 2024/2025. Podczas spotkania zostały omówione planowane aktywności SKN Data Science oraz propozycje obszarów działań w najbliższe miesiące. Dodatkowo pracownicy naszej Katedry przedstawili możliwości oraz wyzwania związane z analizą danych w różnych obszarach.
Wykład otwarty pt. „BaseModel: wprowadzenie do modelowania behawioralnego” odbył na Uniwersytecie Ekonomicznym w Poznaniu. Wykład poprowadził Ksawery Smoczyński, Machine Learning Engineer w Synerise BaseModel. Warto wspomnieć, że Ksawery jest absolwentem Uniwersytetu Ekonomicznego w Poznaniu oraz jednym z założycieli SKN Data Science.
Czym jest modelowanie behawioralne? Jak można zrozumieć je w kontekście innych problemów machine learningowych? W jaki sposób polski startup jest w stanie stawać na podium w konkursach obok zespołów takich jak Google DeepMind czy NVIDIA? Odpowiedzi na te oraz inne pytania można będzie uzyskać w dniu 13 maja (poniedziałek) o godzinie 18:30 w sali 2.1 D podczas wykładu otwartego, który poprowadzi Ksawery Smoczyński, Machine Learning Engineer w Synerise BaseModel.
Na Uniwersytecie Ekonomicznym w Poznaniu odbył się wykład otwarty pt. „Budowanie Kariery w Data Science: Porady od Zespołu Allegro”, który poprowadzili dr Piotr Kałużny oraz Anna Cielas. Wykład skupił się na praktycznych aspektach pracy jako Data Scientist w jednej z największych platform zakupowych w Europie Środkowo-Wschodniej.
W dniu 8 maja (środa) o godz. 17:30 w sali 1.1 D odbędzie się wykład otwarty pt. „Budowanie Kariery w Data Science: Porady od Zespołu Allegro”, podczas którego przedstawiciele Allegro – dr Piotr Kałużny oraz Anna Cielas – przedstawią jak w największej platformie zakupowej w Polsce postrzega się pracę w Data Science, z jakimi spotykają się wyzwaniami.
W dzisiejszej szybko zmieniającej się gospodarce opartej na danych, zrozumienie nowoczesnych narzędzi analitycznych i umiejętność adaptacji do innowacyjnych technologii, takich jak GenAI (generatywna sztuczna inteligencja), jest kluczowe dla rozwijania kompetencji konkurencyjnych, osiągania przewagi na rynku i dostarczania ważnych informacji decyzyjnych w różnych branżach. W ramach wykładu otwartego, który poprowadził Ihor Muzyka, Head of Analitics w Grupie Żabka, można było dowiedzieć się o tym, jak wybór roli i stanowiska wpływa na … Więcej informacji
Praktyka zawodowa pokazuje, że praca osoby zajmującej się uczeniem maszynowym (ang. machine learning, w skrócie – ML) nie kończy się na stworzeniu modelu. Zatem co należy jeszcze zrobić i o co chodzi z „Opsem”? Na te i wiele innych pytań, podczas spotkania otwartego, odpowiedział Jacek Jankowiak, jeden z założycieli SKN Data Science, obecnie pracujący jako Konsultant Data Science i Engineeringu.