P1050716Το Technopolis Cluster διοργάνωσε εκδήλωση με θέμα: «Machine learning» τη Δευτέρα 8 Μαΐου, ώρα 20.00  Η εκδήλωση πραγματοποιήθηκε στην αίθουσα πολλαπλών χρήσεων της Τεχνόπολης Θεσσαλονίκης (Κτίριο Γ2).

Στόχος της εκδήλωσης ήταν η συζήτηση θεμάτων που αφορούν στο πέρασμα της ανάλυσης δεδομένων από τη θεωρία στην πράξη, τη μηχανική μάθηση στην ομαδοποίηση πελατών και τις προωθητικές ενέργειες, τις εφαρμογές μηχανικής μάθησης στο μάρκετινγκ αλλά και τα machine learning trends and applications.

Πρόγραμμα εκδήλωσης

Ομιλητές 

Ανάλυση δεδομένων Από την Θεωρία στην Πράξη

Ιωάννης Βλαχάβας, καθηγητής ΑΠΘ

ΒιοΜηχανική Μάθηση

Γρηγόρης Τσουμάκας, επικ. καθηγητής, ΑΠΘ

Η Μηχανική Μάθηση στην Ομαδοποίηση Πελατών και τις Στοχευμένες Προωθητικές Ενέργειες

Ανέστης Φαχαντίδης, Διδάκτωρ Πληροφορικής

Εφαρμογές Μηχανικής Μάθησης στο μάρκετινγκ 

Κώστας Διαμαντάρας, καθηγητής, Τμήμα Πληροφορικής ΑΤΕΙ Θεσσαλονίκης

Machine learning trends and applications

Δρ Σαρηγιαννίδης Γεώργιος, Πρόεδρος & Διευθύνων Σύμβουλος MSensis AE

 

Ανάλυση θεμάτων

Α. Ανάλυση δεδομένων Από την Θεωρία στην Πράξη

Η Μηχανική Μάθηση χρονολογείται ταυτόχρονα με την Τεχνητή Νοημοσύνη εδώ και τουλάχιστον 60 χρόνια. Γνώρισε τεράστια ώθηση την τελευταία δεκαετία λόγω της αύξησης της υπολογιστικής ισχύος, της παραγωγής και διάθεσης τεράστιων ποσοτήτων δεδομένων και της ανάπτυξης νέων τεχνικών και αλγορίθμων. Στην ομιλία θα γίνει μια σύντομη αναφορά στα είδη Μηχανικής Μάθησης και επιγραμματική αναφορά στις εφαρμογές της.

Β. ΒιοΜηχανική Μάθηση

Η μηχανική μάθηση βρίσκεται στο επίκεντρο των τεχνολογικών εξελίξεων, καθώς πέρα από τις επιχειρήσεις κολοσσούς, αξιοποιείται πλέον και από νεοφυείς επιχειρήσεις για την δημιουργία καινοτόμων υπηρεσιών και προϊόντων. Στην ομιλία θα γίνει αρχικά μια επισκόπηση του αντικειμένου της μηχανικής μάθησης και στη συνέχεια θα αναφερθούν παραδείγματα βιομηχανικών εφαρμογών μηχανικής μάθησης στους κλάδους της ενέργειας και των εκδόσεων.

Γ. Η Μηχανική Μάθηση στην Ομαδοποίηση Πελατών και τις Στοχευμένες Προωθητικές Ενέργειες

Η ομαδοποίηση πελατών (customer segmentation) και οι στοχευμένες προωθητικές ενέργειες (campaign personalization) είναι δυο σύγχρονες εφαρμογές της Μηχανικής Μάθησης στο Μάρκετινγκ με στόχο την αποδοτικότερη διαχείριση της πελατειακής σχέσης και την βελτίωση της ικανοποίησης του πελάτη. Στην ομιλία θα συζητηθούν αρχικά τα κύρια ζητούμενα των συγκεκριμένων εφαρμογών αλλά και η σημασία τους για το σύνολο της αλυσίδας αξίας της επιχείρησης. Στη συνέχεια, η ομιλία θα επικεντρωθεί στις μεθόδους Μηχανικής Μάθησης που χρησιμοποιούνται στις συγκεκριμένες εφαρμογές, θα περιγραφούν τα κύρια χαρακτηριστικά τους αλλά και οι διαφορές τους σε σχέση με άλλες παραδοσιακές προσεγγίσεις, όπως οι δοκιμές Α/Β (Α/Β testing). Τέλος, θα παρουσιαστεί μια εφαρμογή ομαδοποίησης πελατών που έχει αναπτυχθεί από το εργαστήριο Ευφυών Συστημάτων (ΑΠΘ).

Δ. Εφαρμογές Μηχανικής Μάθησης στο μάρκετινγκ

Στην ομιλία θα παρουσιαστούν δύο τεχνολογίες με άμεση εφαρμογή στην εμπορία, διαφήμιση και προώθηση προϊόντων: (α) τα συστήματα συστάσεων (recommendation systems) και (β) η εξόρυξη συναισθήματος από ελεύθερο κείμενο (sentiment analysis). Θα γίνει συνοπτική περιγραφή των αλγορίθμων μηχανικής μάθησης οι οποίοι παίζουν κεντρικό ρόλο στα πεδία αυτά. Επίσης θα περιγραφεί η συνεργασία του ΤΕΙ Θεσσαλονίκης με εταιρίες της Τεχνόπολης πάνω σε αυτές τις τεχνολογίες αιχμής.

Ε. Machine learning trends and applications

Η Μηχανική Μάθηση είναι μία από πιο επίκαιρες τάσεις στην ανάπτυξη λογισμικού και εφαρμογών. Χρησιμοποιείται από τις πιο καινοτόμες εταιρίες του χώρου για να προσθέσουν ευφυΐα ή αυτοματοποίηση στις υπηρεσίες τους σε ένα περιβάλλον που μεταβάλλεται συνεχώς. Γιατί και πώς μπορεί να χρησιμοποιηθεί αποτελεσματικά? Είναι μία τεχνολογία που μπορεί να εφαρμοστεί σε πολλούς τομείς η αφορά συγκεκριμένους? Πώς από την βασική, βιομηχανική έρευνα και την πειραματική ανάπτυξη μπορούμε να οδηγηθούμε στην εμπορική εκμετάλλευση?

P1050715
P1050718
P1050723
P1050724
P1050735
0
0
0
s2smodern