A mesterséges intelligencia és gépi tanulás technológiái már a legtöbb cég számára elérhetőek. Lehet szolgáltatásként igénybe venni és lehet persze saját megoldást fejleszteni attól függően, mit enged meg az üzleti igények – anyagi lehetőségek – kéznél levő szakértelem háromszöge. Legközelebbi meetupunkon több hazai példát is hozunk arra, amikor az algoritmusok „mentették meg a napot”!

Hogy a gépi tanulás algoritmusait hol érdemes használni egy üzleti helyzetben, azt a rendelkezésre álló adatmennyiség dönti el. Miből van elég adatunk, mit tudunk számokkal-adatokkal leírni, amit sokszor kell elvégezni.

• A pénzügyi szektorban életbevágóan fontos, hogy a szolgáltatók ismerjék ügyfeleiket, ne nyújtsanak szolgáltatást szankcionált személynek vagy szervezetnek áttételesen sem, a hálózatok felmérése viszont munkaigényes feladat. Hogyan lehet fárszi, orosz, angol, ukrán és egyéb nyelveken elérhető webes adatokból adatbázist építeni a szankcionált személyek, cégek és kapcsolatainak feltárására? Hogyan lehet a hatalmas adattömegből kiszűrni a rizikós ügyfeleket, ráadásul egy pici adattudományi csapattal házon belül? A jogi szövegek feldolgozásában hogy segít az AI? – erről mesél majd Varjú Zoltán.
• Van-e helye a mesterséges intelligenciának a tőzsdén? Hogy jelezhető előre, hogy mikor érdemes venni és eladni? Portfolió optimalizálás -  haladóknak, Rácz Attila előadásában. Az előadás teljes befogadásához nem árt, ha konyítasz a lineáris algebrához.
• A marketingesek elvileg sokszor használnak AI eszközöket a munkájuk során, de a legtöbbször a nyers adatok a tech óriáscégeknél vannak, és a marketingesnek feldolgozott adatokkal kell dolgoznia. Meetupunkon viszont elhozunk egy olyan példát, amikor a saját adatbázisra és gépi tanulásra építve lehet üzleti sikert elérni. – Ezt a témát Maric Dávid tálalja.
• Az est házigazdája Grad-Gyenge László, aki szintén rengeteg use case-szel készül!