Az előadásról

Expozé

Számos kompetenciához, legyen az szoftverfejlesztés, üzemeltetés, vagy akár az IT-biztonság, nagyon sokat hozzá tud tenni az adatok elemzése, a machine vagy akár deep learning praktikák ismerete, vagy akár a komplexebb AI tooling. A mostani esemény erre a fontos másodlagos vagy kiegészítő kompetenciára fókuszál, túlmutatva az autocoding megoldásokon, egyszerűbb tooling-on.

A kötetlen beszélgetésben az alábbi témákat érintjük:

- Miért fontos ez a téma, milyen változások voltak az elmúlt időszakban? Mekkora robbanásban vannak a szolgáltatásként igénybe vehető AI megoldások?

- Tisztázzuk a fogalmakat avagy utazás a szolgáltatásként igénybe vehető AI tooloktól a machine learningen át, egészen a deep learningig. Ezenkívül átnézzük az ezzel kapcsolatos pozícióneveket, mit is jelent a data engineer vagy akár az ML engineer?

- Szükségem van nekem machine vagy akár deep learning praktikák ismeretére ahhoz, hogy egyáltalán felismerjek egy olyan műszaki problémát, melyre megoldást nyújthatnak, vagy elég ha a szolgáltatásként elérhető megoldásokat világában eligazodom?

- Mennyire kell elmerülnöd ebben az egészben, hogy piacképes legyél? A hype driven developmenten túl, kis demisztifikálás, mit is jelet a T-shaped knowledge, miért fontos a T lába és a generalista hozzáállás. (Mottó: abban gyúrd magad, ami a napi munkádhoz szükséges)

- Mekkora energia és idő egy értelmezhető machine vagy akár deep learning tudást felszedni?

- Mekkora energia és idő egy komplexebb AI tooling tudást felszedni, illetve a szolgáltatásként elérhető megoldások világában eligazodni? Hol tartanak a szolgáltatásként elérhető AI megoldások?

- Mekkora előrelépést jelenthetnek ezek a kompetenciák a bérezésben?

- Mekkora a kereslet ezekre a kompetenciákra itthon és külföldön?

- Jövőbenézés: hova juthat el középtávon az AI-alapú technológiák felhasználása?

A beszélgetés résztvevői:

A beszélgetés résztvevőit igyekszünk úgy összeválogatni, hogy minél szélesebben le tudjuk fogni a témát mind a kompetenciák, mind a cégek tekintetében, és természetesen Zero és Gyuri is velünk lesz.

Dr. Takács Gábor - Gábor gépi tanulási és a mesterséges intelligencia szakértő, a Gravity R&D hazai startup egykori alapítója, a CUJO AI korábbi vezető adattudósa. Gábor korábban a Kaggle gépi tanulási közösség világranglistáján 7. volt, a kiberbiztonsággal foglalkozó, amerikai CUJO AI miatta nyitott magyar irodát, amiről anno cikket is írtunk "Kaggle mint országimázs" címmel. Jelenleg tanácsadó egy blokklánc biztonsági startupnál, és tanít a győri Széchenyi István Egyetemen docensként.

Dévényi Gergely - Gergely pályaelhagyó közgazdász, informatikai karrierjét adattárház és BI fejlesztőként kezdte. Azóta számos tapasztalatot gyűjtött big data és elosztott rendszerek fejlesztési és tesztelési vezetőjeként. A Hortonworks, Cloudera, majd a Blackrock fejlesztői központjait vezette az elmúlt években. Idén október óta vezeti a Scale AI budapesti irodáját. A 7,3 milliárd dollárra értékelt Scale AI az egyik legmenőbb feltörekvő startup, akik AI alkalmazás- és modell fejlesztésekkel támogatják ügyfeleiket.

Kovács István aka Perez - István egy garázscégnek dolgozva kezdett fejlesztőként, aztán főleg pénzügyi és e-commerce cégeknek épített szoftvert. Egy internetes poszt a Recarthoz vezette, ahol most CTO-ént dolgozik. Jelenleg LLM és más machine learning megközelítések alkalmazásának lehetőséget kutatják és építik be a termékükbe.

Batiz Péter aka zero - Péter Java-fejlesztőként kezdte karrierjét, majd ezután közel 10 évig dolgozott az IseeQ-nál IT fejvadászként belföldön és külföldön is. Az egyik legjobb hazai szakember, aki nem csak a HR-t, de az IT-t is érti. Jelenleg szabadúszó fejvadász, és a kraftie események egyik házigazdája.

Bőle György - Gyuri a HWSW alapítója, alapvetően IT-s médiaszakember. Zero mellett a kraftie események másik házigazdája. A beszélgetésben moderátorként vesz rész, de ezen picit túl is kíván terjeszkedni, hiszen kedves neki a téma. Aktívan foglalkozik IT employer brandinggel, szinte az összes nagy hazai munkáltatóval dolgozott már a kampányaikon.