ODSC West距离现在只有几个月了，我们非常兴奋地宣布我们的前50个会议！在这篇博客中，我们没有足够的空间来讨论所有的会议，但我们在下面列出了一些重点。您可以在这里找到前50个会议的完整列表。
通过集成堆叠算法的半监督异常检测系统
Chuying Ma | 高级数据科学家 | 沃尔玛
为了解决客户活动中的异常检测问题，以防止库存损失和缩水，本研究提出了一种系统性、灵活性、可扩展性和整体性的异常检测架构，以增强现有的标签并以低成本检测异常。
本次会议将探讨这个新系统如何灵活地结合基于深度学习的异常检测模型或任何其他传统机器学习模型，并通过集成堆叠算法生成统一的异常得分，同时解决不同类型的异常。
使用特征存储个性化LLMs
Jim Dowling | 首席执行官 | Hopsworks
本次会议将向您展示如何使用特征存储和提示工程个性化LLMs。您将学习如何使用Hopsworks构建一个示例免费的无服务器个性化LLM应用程序，Hopsworks是一个带有内置向量数据库的开源特征存储，并了解如何构建提示模板，如何使用实时上下文数据填充提示模板，并如何通过结合用户输入和特征存储中的历史用户数据在提示中结合向量数据库中的文档。
什么是时间序列数据库，为什么我需要一个？
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，这对于关系型和NoSQL数据库等通用数据库管理系统来说是一个重大挑战。而专为时间序列数据而构建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，使其在数据摄取率、查询延迟和数据压缩方面更加高效。
大型语言模型的评估技术
Rajiv Shah, 博士 | 机器学习工程师 | Hugging Face
选择适合您需求的合适的LLM变得越来越复杂。在本教程中，您将了解实际工具和评估和选择LLMs的最佳实践。
您将探索关于LLMs与传统小型ML模型的能力的现有研究，以及包括EleutherAI Harness等评估套件、面对面竞争方法以及使用LLMs评估其他LLMs的几种技术。最后，您还将涉及影响评估的细微因素，包括提示的作用、标记化、对事实准确性的要求以及模型偏见和伦理道德。
了解大型模型的现状
Lukas Biewald | 首席执行官兼联合创始人 | Weights & Biases
加入本次会议，探索从GPT-3到稳定扩散的大型模型的当前现状。您还将讨论一些开源项目背后的团队如何使用W&B加速他们的工作。
通过更改一行代码来扩展您的数据科学工作流程
Doris Lee | 首席执行官兼联合创始人 | Ponder
像pandas和NumPy这样的工具使各个级别的从业人员能够高效地处理数据，但随着从业人员将其工作流程扩展到生产环境，这些工具也带来了一些挑战。本次会议将探讨这些工具的局限性和数据科学家在处理大规模数据时遇到的痛点。您还将了解开源项目Modin（已下载超过1000万次）如何通过只需更改一行代码来无缝扩展您的pandas代码来解决这个问题。
故障排除和测量生产部署的嵌入/向量漂移问题
Amber Roberts | 数据科学家、增长负责人 | Arize AI
在本演示中，Arize AI的机器学习工程师Amber Roberts将介绍有关测量图像和语言模型向量/嵌入漂移的方法的研究结果。通过在数十亿个流和用例上测试不同方法（包括欧几里得距离和余弦距离），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等技术来理解这种差异。
通过联合系统优化实现开源大型模型的细调民主化
Kabir Nagrecha | 博士研究生 | 加利福尼亚大学圣地亚哥分校
本次会议将概述Saturn的核心理念，以及它在技术层面上如何降低运行时间和成本，以及使用Saturn进行大型模型细调的过程。您将探索Saturn如何能够在几行代码中加速和优化大型模型工作负载，并描述一些来自工业界和学术界的高价值实际用例。
机器学习已变成亡灵魔法
Mark Saroufim | PyTorch工程师 | Meta
关于突破性的成果已经说了很多，但关于突破性成果是如何丧失的却没有太多探讨。本讲演探讨了亡灵魔法的进化和毁灭，并将其与最近在机器学习中提出的监管措施进行对比。
在这里注册
加入我们，于10月30日至11月2日参加ODSC West活动，有机会参加这些以及更多的实践培训课程，研讨会和演讲。此外，立即注册，您将享受任何线下或线上通行证的50%折扣。