ODSC西部会议还有不到一个月的时间！准备好参加超过300小时的实践培训课程、研讨会和关于生成式人工智能、LLMs、MLOps、机器学习、深度学习等方面的讲座。我们无法在这里展示所有令人难以置信的课程，但请继续阅读以获取ODSC西部会议将提供的一系列独特选择的代表性列表。
MLOps: 监控和管理漂移
Oliver Zeigermann | 机器学习架构师 | 自由职业者
在这个由两部分组成的研讨会中，您将模拟机器学习模型的生产过程，检测漂移，分析并决定必要的步骤来解决问题。通过这个会议的结束，您将具备在现实世界中管理机器学习模型所需的知识和实用工具。
什么是时间序列数据库，为什么我需要它？
Jeff Tao | 创始人兼首席执行官 | TDengine
随着物联网和云计算的出现，时间序列数据的数量以前所未有的方式呈指数级增长，对关系型和NoSQL等传统数据库管理系统构成了重大挑战。而专为时间序列数据而设计的时间序列数据库则针对时间序列数据的特殊特征进行了优化，使其在数据摄取速率、查询延迟和数据压缩方面更加高效。
人工智能与视频游戏：演变
Jack McCauley | 加州大学伯克利分校董事会信托人 | Oculus VR前联合创始人和工程师 | Jacobs研究所教职员 | RAND Corporation创新药物政策创新主席 | MSRI董事 | Black Lab LLC
深入了解神经网络的历史，探索视频游戏为我们今天拥有的人工智能奠定的基础。您将讨论张量、神经网络、GPU等内容。
Data Morph：摘要统计的警示故事
Stefanie Molin | 软件工程师、数据科学家、首席信息安全官 | Bloomberg | 《Hands-On Data Analysis with Pandas》作者
在本演讲中，您将探索“Data Morph”，这是一个建立在Autodesk以前的研究基础上的开源软件包，它利用模拟退火技术将任意输入数据集扰动成各种形状，并保持平均值、标准差和相关性的多个小数位数。您将了解它的工作原理，讨论开发过程中面临的挑战，并探索这种方法的局限性。
理解大模型的现状
Lukas Biewald | 首席执行官兼联合创始人 | Weights & Biases
加入这个会议，探索从GPT-3到稳定扩散的大模型的当前现状。您还将讨论一些开源项目背后的团队如何利用W&B加速他们的工作。
MLOps与LMOps – 有何不同？
Robert Crowe | 产品经理，MLOps和TF OSS | Google
MLOps领域的出现是为了满足机器学习技术需要严谨方法和生产就绪系统的需求。现在，大型模型的出现也催生了LMOps的出现。在这个会议上，您将探索使用ML管道架构来实现生产级机器学习应用的情况，包括大型模型架构。
用于生产部署的语言模型嵌入/向量漂移的故障排除和测量
Amber Roberts | 数据科学家，增长主管 | Arize AI
在这个演讲中，Arize AI的机器学习工程师Amber Roberts将展示对图像和语言模型的向量/嵌入漂移进行测量的研究结果。通过在数十亿个流和使用案例中测试不同方法（包括欧氏距离和余弦距离），Roberts将深入探讨如何检测两个非结构化语言数据集是否不同，以及如何使用UMAP等技术理解这种差异。
以人为本的人工智能
Peter Norvig | Google工程总监 | 斯坦福人工智能人本研究所（HAI）教育研究员
近年来，我们在人工智能应用方面取得了惊人的技术进展。这个演讲考虑的是人的角度，而不是技术的角度：我们如何确保我们的应用程序对用户、其他利益相关者和整个社会公平、公正、真实、有益且符合需求。
实践中实施Gen AI
Yaron Haviv | 共同创始人和首席技术官 | Iguazio
在本次会议中，您将探索3个Gen AI应用的真实案例，并讨论如何创建可重复的快速开发和部署过程的最佳实践，同时考虑到模块化和安全性问题，而不会耗费大量资金。
图表：GenAI可解释性的下一个前沿
Amy Hodler | 创始人，顾问 | GraphGeeks.org
Michelle Yi | 董事 | Women In Data
本次演讲将探讨将图表纳入生成式AI领域的影响。了解基础概念，如有向丙烯酸图（DAGs），Jedeau Pearl的“do”运算符，以及如何将领域专业知识纳入其中。您将了解可解释性景观的演变，将基于图表的模型与其他方法进行比较，以及我们如何评估不同的公平模型。
加入我们，揭示图表在生成式AI时代对预测建模、可解释性和因果关系的变革潜力。
在此注册！
要参加这些以及我们所有由专家主导的会议，请于2023年10月30日至11月2日加入我们在硅谷的ODSC West 2023活动。立即注册-40％折扣即将结束。