Привет! Хотим рассказать вам про трек LeanDS по управлению проектами и продуктами в Data Science.

На этот DataFest мы запланировали много всего:

• 19 сентября мы поговорим про планирование DS продуктов
• 20 сентября мы расскажет про канбан как метод управление DS и даже попробуем его в небольшой онлайн игре

На этом мы не остановимся ?

• 24 сентября 19:00. Митап «Управление проектами в DS»
• 1 октября 19:00. Митап «Эффективное взаимодействие в DS»
• 8 октября 19:00. Митап «Управление продуктами в DS»

ПРОГРАММА

24 сентября

Дважды тимлид, в двое больше проблем, вдвое больше опыта.,

Станислав Гафаров, DS Team lead, X5 retail group

Расскажу об опыте работы в двух различных организациях, с двумя различными системами управления процессами.

Мы год пилили DL-модельки по Scrum and THIS is what happened,

Евгений Никитин, Head of AI, АО Калуга Астрал

Год назад при создании AI-отдела мы выбрали Scrum в качестве методологии разработки. За это время мы испытали кучу позитивных и негативных эмоций, успешно запустили в прод более пяти проектов, выпили много пива и потратили кучу нервов на планерках, и в целом набрались опыта в организации процесса DS-разработки. В этом докладе мы этим опытом хотим поделиться и высказать наше мнение по поводу совместимости Скрама и ML/DL.

Как порадовать заказчика: 5 новых фреймворков для успешного управления проектами в DS: QUEST, RAID, DRAGONS, TREASURE, APPLAUSE,

Артемий Малков, Founder Data Monsters / центр ИИ МФТИ, PhD

За 15 лет я руководил более 50 MLDSAI проектами в 8 странах разного масштаба — от академических проектов до многомиллионных ($) проектов внедрения ИИ. Почти всегда сложности одни и те же: данные «кривые», заказчик не знает чего хочет, но ждет чудес, исполнители делают что-то свое неведомое, молодые специалисты требуют микро (а иногда нано)- менеджмента, сроки плывут, метрики не сходятся, и когда в проекте явно не достигнуты цели, возникает вопрос как объяснить боссузаказчикуспонсоруинвесторугрантодателю чем это мы таким столько времени занимались и почему все так плохо с результатами. Добро пожаловать в мир исследовательских проектов. Да они такие, и в этом нет ничего плохого. Просто надо уметь из готовить, и мы поговорим о том как наладить четкую работу discovery команды и какие новые agile/product фишки использовать для таких проектов.

1 октября

Как построить Data Mesh в организации,

Дмитрий Шостко, CDO Leroy Merlin

Рассказ о том, как мы не знали что такое data mesh, но руководствуясь здравой логикой и рационализмом пришли к нему, ставя во главе угла T2M развития data driven культуры. Как мы наломали дров, изменили организационную структуру компании, обнаружили что data mesh не только про организацию, процессы и ответственность команд, но и про технологический стек. Также о том какие боли есть у Data Mesh и что он не решает — и про то, что в конце концов Data Mesh — это про русских людей: долго запрягаешь, да быстро едешь.

Мета-валидация: как произвести комплексную офлайн оценку качества моделей?,

Даниил Дранга, Expert Data Scientist @ Raiffeisenbank

Оценка качества моделей машинного обучения является неотъемлемой фазой любого Data Science проекта. Но что должна включать качественная валидация? О чем стоит позаботиться до внедрения? Почему недостаточно просто измерить метрики на тестовой выборке (и как это сделать правильно)? Обсудим эти вопросы, полезные практики и частые ошибки в процессе офлайн валидации моделей.

Карта miro одного DS проекта,

Юлия Рубцова

Опыт внедрения инструментов гибкой разработки в научном коллективе Data Scientists. Если вы работали с умными и творческими людьми, вы знаете как тяжело удерживать фокус их внимания. Очень хочется попробовать новые алгоритмы SOTA, а не доводить до финала исследование, запланированное 2-4 недели назад. Часто над проектом работает коллектив ученых из разных лабораторий, проекту уделяется часть рабочего времени (иногда не более 5-10 часов в неделю), у проекта нет жестких дедлайнов и отсутствует финансово-заинтересованный заказчик. В условиях карантина нельзя было собираться пить чай обсуждать и накидывать гипотезы! Я расскажу как мы преодолеваем эти ограничения и покажу технические возможности miro для ведения DS проекта.

8 октября

Финансовое моделирование и экономика AI-продуктов. Управление добавленной стоимостью для бизнеса.,

Игорь Пакин, R&D Innovation Product Manager

ML проектах профит (экономический эффект) и метрики если и считают, то ad-hoc — применительно к конкретно выбранной бизнес-задаче. Выбор самой бизнес-задачи происходит без анализа полной системы бизнеса и обоснованного выявления ее узких мест. При этом, для привлечения финансирования и управления большими сложными длительными проектами и развитием продуктов, качество расчетов, с точки зрения финансовых законов, требует уровня полноценного финансового и процессного моделирования. Предлагается через адаптированный фреймворк бизнес моделирования и финансового моделирования делать выбор задачи обоснованно и финансово доказуемо, в привязке ко всей модели бизнеса. На базе этого делать качественный CustDev и выводить глубину понимания задач бизнеса и качество взаимодействия с бизнесом на новый системный уровень. То есть понимать потребности своих заказчиков лучше, чем они сами. И добиваться максимальной удовлетворенности и на базе этого взаимодействия, получать не разовые проекты, а наладить системную поставку решений под потребности клиента. Это уже совсем другой уровень синергии с клиентом и совсем другие деньги.

Как найти реальные возможности для внедрения ИИ и правильно оценить ROI?,

Dr. Nik Spirin, Founder and CEO at Neuroinfra

На данный момент ИИ — это самая мощная технология и инструмент цифровой трансформации. Однако, несмотря на это 87% проектов по ИИ не доходят до ввода в промышленную эксплуатацию. Причина кроется в самом ИИ, а именно, в отличие от типичного SaaS, ИИ характеризуется более сложной структурой переменных затрат, которые могут негативно влиять на экономику бизнес-кейса при масштабировании. Руководителям и менеджерам продуктов нужно понимать, где внедрение ИИ возможно и экономически обоснованно, а где экономика проекта “не сойдется”. В докладе я расскажу как найти правильные возможности для внедрения ИИ, используя авторские фреймворки AI Taxonomy Canvas, AI Process Mapping, AI ROI Calculator, а также покажу как применять эти фреймворки на примере двух реальных кейсов: (1) NeuroRetouch — продукт по ретуши товарных фотографий на базе ИИ для ритейла, производителей и D2C брендов; (2) клиентский кейс компании Neuroinfra по мониторингу сотрудников на производстве с помощью компьютерного зрения.

Как мы научились не волноваться и полюбили приоритизацию бэклога,

Даниил Павлюченко, product manager @X5retail

Расскажу про подходы к приоритизации, какой из них и почему выбираем уже в нескольких продуктах подряд и какие полезные сайд-эффекты можно получить от приоритизации.

Как сделать роадмап AI продукта,

Никита Филппов, Head of Product, Lead product of Chat/AI Assistance experience @ AnnaMoney

Сообщество ODS.ai проводит грандиозный МЕСЯЧНЫЙ DataFest ???.

Фест начнется с 2 дней онлайн-конференции (доклады+нетворкинг) 19 и 20 сентября, затем в течении месяца до 25 октября каждый трек устраивает митапы, выкладывает видео и материалы. Все они получат просто нереальное паблисити! По опыту взаимодействия с ODS могу сказать, что это сотни слушателей и тысячи просмотров.

LeanDS — один из треков DataFest.

В связи с этим LeanDS объявляет call for papers! Нам нужны желающие выступить с ПРАКТИЧЕСКИМИ кейсами — как вы решаете ту или иную проблему в области управления процессами или продуктами в DS.

Я точно знаю, что как минимум ОДНУ проблему вы решили в своей компании очень круто. Почему бы этим не поделится?

Зачем вам это нужно? Так вы поможете коллегам. Кроме того, лучший способ экспертно разобраться в теме — сделать по ней доклад ?

Перечень тем охватывает, но не ограничивается следующими направлениями:

• ✅ Продуктовые гипотезы и управление продуктом
• ✅ Планирование DS проектов, создание и оценка баклога
• ✅ Управление работами, канбан / скрам
• ✅ Мотивация и вовлечение сотрудников
• ✅ Управление знаниями (knowledge management)
• ✅ Старт проектов, структура команд и взаимодействие с организацией

⏰ Длительность доклада может быть  15, 30 и 45 минут. Дату, время и формат мы согласуем отдельно.

Выступить можно на английском и русском языке. Если вы не никогда не выступали — мы будем проводить ревью, поможем подготовится и вместе потренируемся. Сколько раз вы себе говорили — надо выступать на конференциях? ? Это хороший шанс начать.

Подаваться сюда: Call For Papers LeanDS Data Fest 2020

8 мая в 18-00 МСК сообщество  LeanDS  совместно с  ML-Repa  проводит онлайн митап по управлению DS проектами и продуктами.

Обсудим:

• канбан для управления DS проектами, 
• как увязывать продуктовые метрики и DS метрики,
• как эффективно описывать и декомпозировать гипотезы
• кейс практического использования подхода.

Описание и регистрация по ссылке