Vietos seminare — ribotos ir konkrečios
Kiekvienas DI sprendimų priėmimo seminaras vyksta mažose grupėse. Tai sąmoninga pasirinkimas: diskusija veikia tik tada, kai kiekvienas dalyvis turi erdvę kalbėti, klausti ir ginčytis su idėjomis, o ne tik klausytis.
Artimiausių sesijų tvarkaraštis
Sesijos vyksta nuotoliniu būdu. Laikas nurodytas pagal Vidurio Europos laiko juostą (EET/EEST). Dalyviai iš kitų regionų gauna prisijungimo nuorodą su savo zonos laiku.
Formatas: 3 dienos, po 4 val.
Laikas: 10:00–14:00 EET
Kalba: Lietuvių
Grupės dydis: iki 14 dalyvių
Liko 5 vietosFormatas: 3 dienos, po 4 val.
Laikas: 17:00–21:00 EET
Kalba: Lietuvių
Grupės dydis: iki 14 dalyvių
Registracija atidarytaFormatas: 3 dienos, po 4 val.
Laikas: 10:00–14:00 EET
Kalba: Lietuvių / Anglų
Grupės dydis: iki 14 dalyvių
Liko 2 vietosFormatas: 3 dienos, po 4 val.
Laikas: 10:00–14:00 EET
Kalba: Lietuvių
Grupės dydis: 14 dalyvių
Sesija uždaryta
Kas lemia, ar seminaras jums tinka
Dalyviai dažnai klausia: ar reikia turėti techninį pagrindą? Atsakymas nėra paprastas. Seminaras skirtas žmonėms, kurie jau priima sprendimus — vadovams, analitikams, produktų kūrėjams — ir nori suprasti, kaip DI įrankiai keičia tų sprendimų logiką. Gilių programavimo žinių nereikia, tačiau gebėjimas kritiškai vertinti duomenis yra būtinas.
Kiekviena sesija apima konkrečius atvejus: kaip organizacijos naudoja mašininio mokymosi modelius prognozavimui, kur šie modeliai klysta ir kaip tai paveikia realius sprendimus. Diskusijų dalis sudaro apie pusę viso laiko — tai nėra paskaita, kurią galima tiesiog stebėti.
Pagrindinės sąvokos, kuriomis operuojame
- Sprendimų palaikymo sistema Programinė aplinka, kuri pateikia analizę ir rekomendacijas, tačiau galutinį sprendimą palieka žmogui. Seminare nagrinėjame, kada tokia sistema padeda ir kada ji klaidina.
- Modelio paklaida Skirtumas tarp to, ką DI modelis prognozuoja, ir to, kas iš tikrųjų nutinka. Supratimas apie paklaidos tipą — sisteminė ar atsitiktinė — keičia, kaip interpretuojate modelio išvestį.
- Duomenų šališkumas Situacija, kai treniravimo duomenys atspindi tik dalį realybės, ir modelis perima tas spragas. Tai viena dažniausių priežasčių, kodėl DI sprendimai gali būti neteisingi net esant aukštam tikslumui.
- Paaiškinamumas Gebėjimas suprasti, kodėl modelis pateikė konkrečią rekomendaciją. Seminare aptariame, kada paaiškinamumas yra būtinas ir kada pakanka pasitikėti rezultatu be detalių.
