Andmeteaduse seminarid

Image

Seminaril kõnelevad:

• Taavi Tillmann, Tartu Ülikool, Integrating big health and social data, to better predict heart attacks, and reduce its socioeconomic inequality.
• Abdulrahman Azab, Oslo Ülikool
• Liina Kamm, Cybernetica AS, Is usable privacy-preserving data analysis an oxymoron?
• Raivo Kolde, Tartu Ülikool, Adopting common data model for Estonian health data
• Stefan Negru, CSC, Soome, Developing Technologies And Standards for Enabling Sensitive Data Archiving, Sharing and Reuse

Seminar toimub Delta keskuse ruumis 1021. Täpsemad detailid (k.a ettekannete pealkirjad) selguvad varsti!

Registreeri end seminarile!

Seminar toimub koostöös Swedbankiga.

2021/22 õppeaasta viimane seminar võttis aset 30. mail. Seminari teemaks oli "Semantic Segmentation In The Wild" ning toimus koostöös KappaZeta ekspertidega. Kõnelejateks olid

• Dmytro Fishman, Tartu Ülikool - Biomedical segmentation: holy grail and remaining mysteries
• Tanya Shtym, KappaZeta - KappaMask: AI-Based Cloud Mask Processor for Sentinel 2
• Markus Kängsepp, Tartu Ülikool - Calibration of Bird's-Eye-View Semantic Segmentation
• Kaupo Voormansik, KappaZeta, CEO - Data Science and Machine Learning in KappaZeta

Seminarilindistust saad järele vaadata siin.

Tehisintellektist (AI) tulenev kasu ennustustäpsuse, automatiseerimise, uute toodete ja teenuste või kulude vähendamise osas on märkimisväärne. Ettevõtted peavad aga suurendama tehisintellektisüsteemides kasutatavate andmete ja algoritmide usaldust ja läbipaistvust. Vaikimisi toodavad AI-süsteemid nagu masinõpe või süvaõpe väljundeid ilma selgituste või kontekstita. Kuna prognoositud tulemused muutuvad soovitusteks, otsusteks või otsesteks tegevusteks, kipuvad inimesed otsima õigustust. Enamik valdkonna eksperte nõustub, et AI-süsteemid peaksid olema lõppkasutajate ja algoritmiliste otsuste subjektide jaoks vähem mitmetähenduslikud. Seminaril arutlevad neli esinejat Tartu Ülikoolist ja Wise’ist tehisintellekti seletatavuse ja läbipaistvuse ning masinõppesüsteemi ehitamise nõuete ja väljakutsete üle.

Esinejad ja ettekanded:

• Meelis Kull, masinõppe kaasprofessor, UniTartuCS: Understanding the decisions of an AI system
• Radwa El Shawi, suurandmete kaasprofessor, UniTartuCS: Towards automatic concept-based explanations
• Luca Traverso, vanemandmeteadlane, Wise: Building robust and defensible machine learning systems in Fincrime
• Rain Vagel, andmeteadlane, Wise: Why did the model decide X?

Seminari salvestist saab järele vaadata siit.

Moderaatorid:

• Ahmed Awad, Professor of Data Systems @ University of Tartu, Estonia
• Feras M. Awaysheh, Assistant Professor of Data Analytics @ University of Tartu, Estonia

Esinejad:

• Andreas Hellander (Uppsala Ülikool): Scalable Federated Machine Learning with FEDn
• Peter Richtarik (KAUST): EF21: A new, simpler, theoretically better, and practically faster error feedback
• Aaron Ardiri (RIoT Secure): The Internet of Disconnected Things
• Essam Mansour (Concordia Ülikool): A Data Discovery Platform Empowered by Knowledge Graph Technologies: Challenges and Opportunities

Seminari salvestist saab järele vaadata siit.

Moderaator: Mark Fišel (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Anna Mischenko (AI_NORN): AI_NORN – programming robots as an art
• Eduard Barbu (UniTartuCS): Devices to compute human creativity
• Anna Aljanaki (UniTartuCS): Let there be music: when AI learns to compose
• Jaanus Jaggo (UniTartuCS): The secret of making an endless world for a video game

Seminari salvestist saab järele vaadata siit.

Moderaator: Riccardo Tommasini (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Emanuele Della Valle (Politecnico di Milano; Quantia Consulting): Taming velocity: A tale of four streams
• Matteo Ferroni (Bottega52): Fight data gravity with event-driven architectures
• Niccolò Raspa (SIGHUP): Accelerating data science with MLOps and cloud native technologies

Seminari salvestist saab järele vaadata siit.

Moderaator: Ülar Allas (Tartu Ülikooli teadusarvutuste keskus)

Esinejad ja ettekanded:

• Ott Oopkaup (TÜ teadusarvutuste keskus): High performance computing: A look into how large-scale data storage and processing is done
• Reedik Mägi (TÜ Geenivaramu): Computational challenges in genomics: association studies, genetic risk scores and AI
• Kaur Alasoo (TÜ arvutiteaduse instituut): Automating the processing of terabyte-scale data with software containers and workflow engines
• Velle Toll (TÜ füüsikainstituut): HPC for weather, climate and Earth system prediction
• Pekka Manninen (LUMI superarvuti): LUMI: the European flagship supercomputer of the North

Seminari salvestist saab järele vaadata siit.

Moderaator: Elena Sügis (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Markus Lippus (MindTitan): Delivering on 85% of your AI projects
• Kalev Koppel (STACC): Hired or fired by AI
• Marlon Dumas (TÜ arvutiteaduse instituut): Process mining in action
• Jaak Vilo (TÜ arvutiteaduse instituut): Supply chain for data scientists
• Elena Sügis (TÜ arvutiteaduse instituut): Data science 101 for your business

Seminari salvestist saab järele vaadata siit.

Sissejuhatus teemasse: Kaur Alasoo & Riccardo Tommasini (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Łukasz Grądzki (Bolt): Data Platform at Bolt: Lessons from scaling data infrastructure in a hyper growth company
• Kristjan Eljand (Eesti Energia): Labelling the labelled
• Rao Pärnpuu (Starship Technologies): Using datasets to develop and globally operate self-driving robots
• Taivo Pungas: Datasets: the source code of Software 2.0.

Seminari salvestist saab järele vaadata siit.

Moderaator: Jaak Vilo (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Krista Fischer (TÜ, Geenivaramu): Nowcasting and forecasting of COVID-19 in Estonia: experiences from spring 2020
• Hedi Peterson (TÜ arvutiteaduse instituut): COVID-19 and us. Let the data speak.
• Raivo Kolde (TÜ arvutiteaduse instituut): Creating (inter)national COVID-19 evidence base through health data standardisation
• Dan Bogdanov (Cybernetica, HOIA.me): COVID-19 contact tracing apps in Estonia and abroad

Seminari salvestist saab järele vaadata siit.

Moderaator: Tambet Matiisen (TÜ isejuhtivate sõidukite labor)

Esinejad ja ettekanded:

• Naveed Muhammad (TÜ arvutiteaduse instituut): Autonomous driving – past, present and future
• Martin Appo (Cleveron): Cleveron’s journey towards driverless delivery vehicle
• Sergey Kharagorgiev (Starship Technologies): Computer vision for obstacle avoidance in the wild
• Alex Kendall (Wayve): Creating an artificial driving intelligence

Moderaator: Alexander Nolte (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Marlon Dumas (TÜ arvutiteaduse instituut): Data science and AI for business process improvement
• Markus Lippus (MindTitan): The unexpected use cases for a machine that can listen
• Sven Laur (STACC): Health insurance analytics: A case study at the Estonian Health Insurance Fund
• Lauri Antalainen (CoreGrow): Optimizing production processes: how can data science help?

Seminari salvestist saab järele vaadata siit.

Moderaator: Meelis Kull (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Lauri Sokk (Tark Tartu): Smart City Tartu – why we do what we do?
• Hans Leis (Bercman Technologies): The Smart Pedestrian Crosswalk
• Anti Gruno (Datel): Metallica concert through SAR eye, using Datel’s Early Warning system SILLE
• Roman Meeksa (Tartu Linnavalitsus): Tartu Smart Bike Share – how and what do we see?

Seminari salvestist saab järele vaadata siit.

Moderaator: Meelis Kull (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Ando Saabas (Taxify/Bolt): Interpreting tree-based models
• Anna Aljanaki (Mooncascade): What music information retrieval can tell us about Eurovision?
• Kairit Sirts (Tartu Ülikool): Understanding neural models for text analysis
• Markus Lippus (MindTitan): Trust the machine, or do you really need to know what your algorithm is doing?

Seminari salvestist saab järele vaadata siit.

Moderaator: Sherif Sakr (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Mohamed Maher (TÜ): SmartML: Towards Optimized Automated Machine Learning Pipelines in the Big Data Era
• Felix Mohr (Paderborni Ülikool): ML-Plan: Automated machine learning via hierarchical planning
• Martin Strohbach: IoTCrawler – Building a Search Engine for the Internet of Things
• Mihkel Solvak (TÜ): Anonymized i-voting log data: how can it be used or abused to understand voter behavior?
• Lauri Sokk (Tartu Linnavalitsus): Smart City since 1632

Seminari salvestist saab järele vaadata siit.

Moderaator: Amnir Hadachi (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Margus Tiru (Positium): Mobile Positioning Data for Human Spatio-Temporal Behavioural Analysis
• Toivo Vajakas (Reach-U): Some thoughts on making use of passive mobile positioning data
• Kalev Koppel (KappaZeta): Deep learning for satellites based grasslands monitoring. Lessons learned
• Mikhail Iljin (Taxify): Real-time rebalancing of demand and supply at Taxify

Seminari salvestist saab järele vaadata siit.

Moderaator: Leopold Parts (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Krista Fischer (TÜ, Geenivaramu): Disentangling causes and effects - how can genetics help?
• Taavi Tamkivi (dataminer.ee): Being a good cop of the data world - how to find criminals behind the lakes of data
• Maris Alver (TÜ, Geenivaramu): Implications of big data for clinical management of cardiovascular disease
• Andrei Tsõmbaljuk (Transferwise): Machine Learning at TransferWise
• Andres Võrk (Tni Tartu, CITIS): Examples of data-driven policy impact evaluation in Estonia

 Seminari salvestist saab järele vaadata siit.

Moderaator: Mark Fišel (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Tanel Alumäe (TTÜ): Speech Recognition
• Silver Traat (TEXTA): Use cases from TEXTA
• Sven Laur (STACC, TÜ arvutiteaduse instituut): EstNLTK libraries for NLP
• Risto Hinno (FeelingStream): Daily challenges with text mining
• Kairit Sirts (TÜ arvutiteaduse instituut): Clinical text Classification

Seminari salvestist saab järele vaadata siit.

Moderaator: Leopold Parts (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Marek Rei (Cambridge'i Ülikool): Human Interpretability of Machine Learning Models
• Mihkel Solvak (TÜ): Real-Time Predictive Economics
• Toomas Kirt (Eesti Statistikaamet): Big Data in Statistics
• Kaspar Märtens (Oxfordi Ülikool): Modern Frameworks for Automated Inference
• Krista Fischer (TÜ): Disentangling Correlation and Causality in the Big Data Era
• Alex Graves (DeepMind): Associative Compression Networks For Representation Learning

Seminari salvestist saab järele vaadata siit. 

Moderaator: Tambet Matiisen (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Raivo Sell (TalTech): ISEAUTO - the first Estonian self-driving car project with Silberauto
• Lindsay Roberts (Starship Technologies): Visual Localisation in Urban Environments
• Lauri Tammeveski (Milrem Robotics): How to recognize different types of trees from quite a long way away
• Allan Aksiim (Foundation for Future Technologies): Laws, Regulations and Ignorance
• Andrej Karpathy (Tesla): The Challenges of Applying Machine Learning for Autonomous Vehicles (videoülekanne)

Seminari salvestist saab järele vaadata siit.

Moderaator: Dmytro Fishman (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Kaupo Palo (PerkinElmer): Microcopy image analysis
• Karl Kruusamäe (TÜ): Opening Machine's Eyes: Why We Need Image Analysis on Robotics?
• Kaupo Voormansik (KappaZeta): Satellite Imagery Time Series Processing
• Gholamreza Abarjafari (TÜ): DeepVision for Human Behaviour Analysis

Seminari salvestist saab järele vaadata siit. 

Moderaator: Raul Vicente (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Jaan Aru (TÜ arvutiteaduse instituut): Deep Learning and the Brain 
• Robert Roosalu (MindTitan): Enterprise Deep Learning 
• Tambet Matiisen (TÜ arvutiteaduse instituut): Keras Advanced Tips & Tricks 
• Hendrik Luuk (AlphaBlues): Automating customer service chat with AI 

Seminari salvestist saab järele vaadata siit.

Moderaator: Meelis Kull (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Kaur Alasoo (TÜ arvutiteaduse instituut): Uncovering Hidden Biases in Data with Visualisation
• Tormi Reinson (Pipedrive): Communicating Data with D3.js
• Anto Aasa (TÜ): Visualizing Data: Space & Time
• Mirko Känd (IxD.ma): Everyone is a Data Scientist

Seminari salvestist saab järele vaadata siit.

Moderaator: Leopold Parts (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Ilya Kuzovkin (TÜ arvutiteaduse instituut): Deep Learning Zoo
• Mark Fišel (TÜ arvutiteaduse instituut): Neural Machine Translation
• Tanel Pärnamaa (Fits.me): A Neural Knowledge Language Model
• Tambet Matiisen (TÜ arvutiteaduse instituut): Life in OpenAI

Moderaator: Leopold Parts (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Jaak Vilo (TÜ arvutiteaduse instituut): Data for Health
• Eneli Oitmaa (Asper Biotech): Applying Bioinformatics Analysis in the Genetic Laboratory Settings
• Dmytro Fishman (TÜ arvutiteaduse instituut): Deep Learning in Health Care
• Lili Milani (Eesti Geenivaramu): Electronic Health Records and Genomes for Research

Seminari salvestist saab järele vaadata siit.

Moderaator: Kristjan Eljand (STACC)

Esinejad ja ettekanded:

• Fredrik Milani (TÜ arvutiteaduse instituut): Business Process Mining
• Martin Märss (Swedbank): BI Concept in a Bank
• Marlon Dumas (TÜ arvutiteaduse instituut): Predictive Business Process Monitoring
• Ester Eggert (TransferWise): Applying ML to Create Money without Borders
• Nicola Vitucci (Open Data Day): Linked Data: A Quick Introduction

Seminari salvestist saab järele vaadata siit. 

Moderaator: Leopold Parts (TÜ arvutiteaduse instituut)

Esinejad ja ettekanded:

• Leopold Parts (TÜ arvutiteaduse instituut): Sissejuhatus
• Raul Vicente (TÜ arvutiteaduse instituut): Machine Learning in the Lab
• André Karpištšenko (Proekspert, PlanetOS): Machine Learning in Production
• Vladimir Šor (Plumbr): Java Performance Monitoring at Plumbr
• Mark Fišel (TÜ arvutiteaduse instituut): Natural language Processing
• Taavi Tammiste (Mooncascade): Finding Real World Use-cases for Data Science
• Amnir Hadachi (TÜ arvutiteaduse instituut): Urban Sensing: From Mobility to Localization