Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Physicists in Data Science (talk in Hungarian l...

Avatar for szilard szilard
October 09, 2018
0
81

Physicists in Data Science (talk in Hungarian language) - AtomCsill (from the atoms to the stars) lecture series for high-school students - Eotvos University, Budapest, Oct 2018

Avatar for szilard

szilard

October 09, 2018
Tweet

More Decks by szilard

See All by szilard
Gradient Boosting Machines (GBM): From Zero to Hero (with R and Python Code) - Data Con LA - Oct 2020
Avatar for szilard szilard
0
210
Make Machine Learning Boring Again: Best Practices for Using Machine Learning in Businesses - Albuquerque Machine Learning Meetup (Online) - Aug 2020
Avatar for szilard szilard
0
160
Better than Deep Learning: Gradient Boosting Machines (GBM) - eRum conference - invited talk - June 2020
Avatar for szilard szilard
0
140
Gradient Boosting Machines (GBM): From Zero to Hero (with R and Python Code) - LA Data Science Meetup - February 2020
Avatar for szilard szilard
0
130
A Random Walk in Data Science and Machine Learning in Practice - CEU, Business Analytics Masters - Budapest, Febr 2020
Avatar for szilard szilard
0
320
Better than My Meetup/Conference Talks: Going Deeper in Various GBM Topics - GBM Advanced Workshop - Budapest, Nov 2019
Avatar for szilard szilard
0
97
Gradient Boosting Machines (GBM): From Zero to Hero (with R and Python Code) - Budapest BI Forum, Budapest, Nov 2019
Avatar for szilard szilard
0
150
Make Machine Learning Boring Again: Best Practices for Using Machine Learning in Businesses - LA Data Science Meetup - Playa Vista, August 2019
Avatar for szilard szilard
0
140
Better than Deep Learning: Gradient Boosting Machines (GBM) / 2019 edition - Budapest R and Data Science Meetups - Budapest, June 2019
Avatar for szilard szilard
0
120

Featured

See All Featured
Conquering PDFs: document understanding beyond plain text
Avatar for Ines Montani inesmontani
PRO
4
2.3k
DBのスキルで生き残る技術 - AI時代におけるテーブル設計の勘所
Avatar for soudai sone soudai
PRO
62
49k
How to Grow Your eCommerce with AI & Automation
Avatar for Katarina Dahlin katarinadahlin
PRO
0
110
Practical Tips for Bootstrapping Information Extraction Pipelines
Avatar for Matthew Honnibal honnibal
25
1.7k
The innovator’s Mindset - 
Leading Through an Era of Exponential Change - McGill University 2025
Avatar for Jean-Marc De Jonghe jdejongh
PRO
1
90
Digital Ethics as a Driver of Design Innovation
Avatar for Per Axbom axbom
PRO
1
180
JavaScript: Past, Present, and Future - NDC Porto 2020
Avatar for David Neal reverentgeek
52
5.8k
Building Adaptive Systems
Avatar for Chris Keathley keathley
44
2.9k
Put a Button on it: Removing Barriers to Going Fast.
Avatar for kastner kastner
60
4.2k
Bootstrapping a Software Product
Avatar for Garrett Dimon garrettdimon
PRO
307
120k
The Director’s Chair: Orchestrating AI for Truly Effective Learning
Avatar for Mike Taylor tmiket
1
96
Agile Actions for Facilitating Distributed Teams - ADO2019
Avatar for Mark Kilby mkilby
0
110

Transcript

  1. Fizikusok az adattudományban Pafka Szilárd Epoch (USA) AtomCsill, ELTE TTK

    Budapest, 2018. október

  2. Adattudomány / adatbányászat data science / data mining

  3. Adattudomány / adatbányászat data science / data mining adatok érték

  4. Adattudomány / adatbányászat data science / data mining adatok érték

    adatok: számítógépes rendszerekben érték: tudás, vmi hasznos, vállalatnál $$$
  5. None
  6. None
  7. None
  8. None
  9. None
  10. None
  11. None

  12. y = f (x1, x2, ... , xn)

  13. y = f (x1, x2, ... , xn)

  14. Adattudomány?

  15. Adattudomány?

  16. Adattudomány?

  17. Adattudomány?

  18. None
  19. None
  20. None
  21. None
  22. None

  23. - adatok beolvasása - adatok manipulációja - adatvizualizáció (ábrák) -

    statisztikai modellezés - modellek felhasználása

  24. - adatok beolvasása - adatok manipulációja - adatvizualizáció (ábrák) -

    statisztikai modellezés - modellek felhasználása

  25. - adatok beolvasása - adatok manipulációja - adatvizualizáció (ábrák) -

    statisztikai modellezés - modellek felhasználása
  26. None
  27. None
  28. None
  29. None
  30. None
  31. None
  32. None

  33. Adatbányászat?

  34. None

  35. - valószínűségi eloszlások - valószínűségi összefüggések - valószínűségszámítás - statisztika

    ...
  36. None

  37. Source: Hastie etal, ESL 2ed

  38. Source: Hastie etal, ESL 2ed

  39. Source: Hastie etal, ESL 2ed

  40. None
  41. None
  42. None
  43. None
  44. None
  45. None
  46. None
  47. None
  48. None
  49. None
  50. None

  51. https://www.stitchdata.com/resources/reports/the-state-of-data-science/ (2015)

  52. 1992- ELTE fizikus 1996-98 Monte Carlo szim., Kosterlitz-Thouless 1999- pénzügyi

    alkalmazások

  53. 1992- ELTE fizikus 1996-98 Monte Carlo szim., Kosterlitz-Thouless 1999- pénzügyi

    alkalmazások 2001-05 CIB Bank kockázatkezelés 2004 PhD

  54. 1992- ELTE fizikus 1996-98 Monte Carlo szim., Kosterlitz-Thouless 1999- pénzügyi

    alkalmazások 2001-05 CIB Bank kockázatkezelés 2004 PhD 2006- Kalifornia, data science 2016-17 CEU, UCLA (1-1 kurzus)

  55. numerikus jártasság adatok manipulációja, “tisztítása” adatvizualizáció eszközök erre (Unix/Linux, Matlab,

    R, Python) programozás szimulációk modellekben való gondolkodás
  56. None

  57. Soft skills: - curiosity - creativity - skepticism - ask

    good questions - communication

  58. By 2018, the US alone could face a shortage of

    140,000 to 190,000 people with deep analytical skills - McKinsey, 2011
  59. None
  60. None
  61. None
  62. None
  63. None
  64. None
  65. None
  66. None
  67. None
  68. None
  69. None
  70. None
  71. None
  72. None
  73. None
  74. None
  75. None
  76. None
  77. None
  78. None
  79. None
  80. None
  81. None
  82. None

  83. Összefoglaló: 1. Adattudomány: példák, 1 projekt röviden (eszközök, szükséges tudás)

    2. Miért fizikusok? 3. Pár karriertanács