Спікери

(Перебуває на стадії формування. Слідкуйте за змінами)

Андрій Базилевич, Senior Java developer

Бази даних

Валентина Орто- консультантка з ІТ та кібербезпеки, KPMG

Огляд найбільш використовуваних вразливостей в 2022 році

Кібератаки на Україну в розрізі гібридної війниНові "старі" атаки. DoS та DDoS. Приклади їх використання у війні з РФСучасні методи боротьби з кібератаками. Security operations center (SOC)

Володимир Дамаскін- старший консультант з ІТ та кібербезпеки, KPMG

Огляд найбільш використовуваних вразливостей в 2022 році

Маліченко Віктор Михайлович, Менеджер перспективних розробок R&D центру Metinvest Digital

CV та OCR у сфері металургії

CV та OCR у сфері металургії Процес розробки проектів в сфері CV та OCR в ІТ-компанії. На прикладі одного з кейсів розглянемо технічну складову, починаючи з того, яка мова програмування використовується, і закінчуючи тим, як випускається кінцевий продукт.

Henry Rõigas, Principal Threat Analyst, Cyber Security Consulting Nortal

Основні тренди SC

Henry Rõigas is the Principal Threat Analyst for Cybersecurity at Nortal and Non-Resident Fellow at the Estonian security and defence think-tank International Centre for Defence and Security. Troughout his career in information security, Henry has held several positions at both private and public organisations. He was the Chief Strategy Officer at Sentinel, a company that provided an AI-based threat detection and monitoring platform to help democratic governments, defence agencies and enterprises defend against deepfakes and information warfare. Prior to Sentinel, Henry was the Head of Research and Innovation Cooperation at the data security company Guardtime. Before joining Guardtime, Henry advised NATO and its member states, produced analysis and led international initiatives at the NATO Cooperative Cyber Defence Centre of Excellence as a policy researcher: he was the Agenda Director for CyCon, the world’s leading cyber defence conference, Project Lead for and contributor to the book “Russian Aggression against Ukraine: Cyber War in Perspective” (edited by Kenneth Geers) and co-editor of “International Cyber Norms: Legal, Policy and Industry Perspectives” (co-edited with Anna-Maria Osula).

Василь Ляшкевич, PhD in Computer Science with over 15+ years of experience in industry. GlobalLogic

Future of AI in the upcoming Metaverse

In the speech, we are going to explain the biggest enablements of the metaverse matter so we consider the technology concepts and the impacts from other technologies like Web3, NFT and AI. You will see an immersive metaverse experience in variety of interesting applications across different subject domains. The expectations from AI with ML in the upcoming metaverse are amidst key items of the speech so we will show you the future perspectives and benefits of AI/ML solutions which are going to enrich metaverse in general as well.

Oksana Sevriukova, L&D coordinator GlobalLogic, coordinator pre-hire& university program. GlobalLogic

Поговоримо про знайомство з компанією GlobalLogic та її можливостями

Кирило Пісковець, Senior Software Developer. Eleks

Cross-platform development simplification with Kotlin Multiplatform

Роман Філіпенко. Middle Software Developer. Eleks

ARKit - what is augmented reality and where is it used

Що таке доповнена реальність та історія створення технології Як пристрій орієнтується у просторі і навіщо нам "Компʼютерний зір" Apple ARKit - огляд та можливості фреймворку Приклад проекту з використанням ARKitКуди рухатися далі та що читати

Аліна Алієва — HR Manager в MobiDev

Зворотній зв'язок, як легкий шлях розвитку.

Обговоримо навіщо давати фідбек.
Як його дати екологічно.
Ознайомимось із популярними моделями зворотнього зв'язку.
Озвучимо, які бувають помилки при наданні та отриманні фідбека.

Олег Байдаков, Senior Data Engineer у CHI Software

Learn the skills needed to break into Data Engineering.

Theory - what is the pipeline
2) Data Pipeline Basics
3) Pipeline Architecture
4) Unified Data Infrastructure review
5) Practical exercise – pipeline design for Tinder

Martin Braun - CTO NeuroForge

A data journey - from raw unsorted data to business intelligence.

The speakers will take you on a step by step journey of going from raw data to cleaning the data, to ingesting the data and finally visualizing data to gain insights in Business Intelligence Software

Sebastian Lützow - Senior Big Data Developer, NeuroForge

A data journey - from raw unsorted data to business intelligence.

The speakers will take you on a step by step journey of going from raw data to cleaning the data, to ingesting the data and finally visualizing data to gain insights in Business Intelligence Software

Artem Shelamanov - Data Scientist, NeuroForge

Python for data visualization.

The speakers will give an introduction into how python can be used for data visualization with a focus on the exploratory phase of data engineering.

Ploutarchos Rigas Sr. Azure Sales Specialist, Microsoft

MS Azure + Big Data in Azure

Jernej Pangersic Technical Specialist for Education, CEE, Microsoft

Power Apps and Automate

Іван Лучко, Data Science Team Lead, Boosta

Що таке Data Science?

3-4 тези про те, про що лекція
Еволюція культури роботи з даними
Data Engineering, Analytics, Machine Learning: обов'язки, навики, зарплата
приклади використання Data Science в E-commerce
як стати Data Scientist-ом

Альона Густікова, TL Recruiter, Boosta

soft skills або як підготуватися до своєї першої співбесіди

Разом з рекрутеркою поговоримо про:
1) поради для підготовки до першої співбесіди
2) які софт скіли можуть цінуватися у джуніор спеціалістів на різних ролях
3) до яких питань треба бути готовим на співбесіді, щоб не зіпсувати враження про себе

Роман Кислий – Expert Software Engineer (Data Science), Infopulse

Класифікація та кластеризація текстів на прикладі fake news detection

Теорія: Ми розглянемо всі етапи проекту NLP: збір даних, розмітка, дослідження та очищення даних і, нарешті, створення моделі ML для класифікації нових даних. На лекції ми розглянемо на прикладах основні концепції та методи, які використовуються найчастіше.

Практика: використовуючи середовище google Colab, ми практично ознайомимось з усіма етапами розв'язання NLP задачі, які перед цим розглядали теоретично.

Олексій Остапов – QA Test Lead, Infopulse

Тема: детектив Пікачу НЕ шукає друзів

Теорія: 2 лекції в одній.
Частина 1: чому тестування, це не найлегший спосіб потрапити в ІТ? Висока конкуренція, завищена планка початкових знань.
Частина 2: якщо складнощі вас не лякають, чому варто ставати тестером? Спойлер: це цікаво і весело! Можливість робити різноманітні речі, пошук багів - справжній true detective.

Практика: Інтерактивно потестуємо декілька застосунків, спеціально розроблених для навчання тестуванню. Я покажу деякі сценарії сам, деякі дам на самостійну роботу.

Аліна Гапєєва - Recruitment Team Lead, Infopulse

Класифікація та кластеризація текстів на прикладі fake news detection

Познайомить учасників школи DES із Infopulse, історією та досягненнями компанії, а також кар’єрними можливостями.

Мацкула Олег Іванович, Head of Development Profisea

Cloud services and technologies. Cloud computing Amazon Web Services

-What is cloud computing?
-What is AWS?
-Cloud vs on-premises
-Most popular services on Amazon
-How to learn AWS?
-How do we use AWS in Uniskai?
-Cloud related areas (FinOps, DevOps etc)
-Q&A

Faryna Marian,Principal Software Developer, Sigma Software

Being a data engineering team

Що таке Дата команда? З яких людей, їх ролей та обовязків вона складається? Проєкти у сфері Інженерії Даних відрізняються від типових веб чи мобільних додатків, а отже відрізняється і проєктна команда. Аби зрозуміти різницю та особливості Дата команди з середини, експерти-практики Sigma Software розкриють секрети внутрішньої кухні Дата Інженерної команди, та підходами організації команди на успіх.

SyniakYuriy,Project Manager Sigma Software

Being a data engineering team

Зибіна Катерина Trainer at Sigma Software University

Що таке GitHub і чому він є must have в сучасній розробці

На зустрічі поговоримо про такі питання:
Що таке GitHub?
Чому GIT - це лідируюча система контролю версій?
Навіщо студентам уже зараз починати користуватись GitHub?

Andrii Muzychuk, Data science lead at Interlogic.

Using Databricks for data engineering and analytics. Use case: customer segmentation with RFM

According to Pareto Principle, 80% of sales come from 20% of your customers. But how can we identify the best customers? We are trying to address this question using RFM metrics and k-means clustering to segment customers. To showcase different aspects of engineering, modelling, and analytical workflows, we will be using the Databricks platform.

Малий Роман Senior Software Engineer, Interlogic.

Soft skills: The ideal software engineer

Як провести межу між здоровим прагненням до майстерності та стресом із емоційним вигоранням? За що насправді компанії цінують працівників? У цій лекції я зберу інформацію, яку в минулому хотів би почути сам. Поділюсь досвідом та ресурсами, що будуть корисними для кар'єрного зростання.

Влізло Назарій Senior Software Engineer в Interlogic/Lobyco

iOS Swift Introduction

Мова програмування Swift, створена в 2014, є офіційною технологією від Apple для розробки продуктів під платформи iOS, iPadOS, watchOS, tvOS, macOS. У цій лекції я детально розгляну, з чого краще почати, які можуть бути тонкощі розробки, й шлях від нуля.

Тарас Дацюк Middle Software Develop. Eleks

Python Basics

Python і його історія
- Особливості мови
- Де і як використовується python
- Переваги і недоліки

Петро Гупало Middle Software Developer. Eleks

On-device machine learning with CoreML

"Що таке машинне навчання і моделі машинного навчання Що таке CoreML. Переваги недоліки. Альтернативні способи інтеграції моделей машинного навчання. Які моделі можна використовувати? Від яких фреймворків (CoreML tools для перетворення в формат CoreML) Create ML – фреймворк для створення моделей. CoreML APIs Приклад підключення CoreML в проект. Базові функції CoreML Міні проект з кодом ДО і ПІСЛЯ.

Віталій Суслін, Middle Software Developer. Eleks

Android development fundamentals

Introduction about real cases Clarification about Operation system Android OS versions and devices compatibility Required tools Components of Android app Architecture approaches Database and communication Summary and Q&A Speaker:

Любомир Сенюк Technical Presales Director в ABTO, Software

Relational, non-relational, distributed databases

Історія роботи з даними. Що було до реляційних баз даних.
Реляційні бази даних. Основні теоретичні поняття. SQL. Нормальні форми, денормалізація.
Індекси. Транзакції. Сегментування секціонування і реплікація
No-SQL бази даних - види і задачі
Децентралізовані бази даних - концепт, застосування і спекуляції

Olga Pasko, SoftServe

Кібербезпека. Необхідні навички для роботи в цій сфері.

Домени кібербезпеки. Навички необхідні для роботи з доменами кібербезпеки. Середні показники по заробітній платі в доменах кібербезпеки.

Кібер-зловмисники

Типи кібер-зловмисників. Мотивація.

Taras Kloba. Big Data Competence Manager at SoftServe Inc

Big Data Projects at SoftServe

Many organizations try to get the most out of constantly growing data. Discover how we, at SoftServe, put Big Data to work, check out our Big Data use cases. Each use case offers a real-world example of how companies are taking advantage of data insights to improve decision-making, enter new markets, and deliver better customer experiences.

Михайло В’ячало, Process Optimizer, SoftServe

Публічні виступи: як презентувати продукт

Говоритимемо про формати, структуру публічних виступів, інструменти передачі інформації та як боротися зі страхом публічних виступів? А також детальніше поговоримо чим саме презентація продукту відрізняється від інших презентацій, та на що саме потрібно звертати увагу при побудові виступу.

Nazarii Drushchak. Data Scientist. SoftServe

Supervised Machine Learning

Сompare Supervised and Unsupervised Machine Learning. Сonsider what problems Supervised Machine Learning can solve. We will get acquainted with classical Supervised algorithms.

Михайло Кропива. AVP InfoSec. SoftServe, ЛНУ

Організація безпеки на підприємстві

Централізоване управління корпоративними інструментамиБезпека користувачів/кінцевих точокБезпека інфраструктуриПерехід до ZERO TRUST принципів.

Карпюк Роман. Cyber SOC Analyst. SoftServe, ЛНУ

"Центр протидії кіберзагрозам" - що це таке і навіщо воно потрібне?!

- команди котрі займаються кібербезпекою
- профайли людей котрі потрібні
- структура CSOC
- інструментарій

Тренди кібербезпеки останіх 5 років.

- класифікація типів загроз, вразливостей, атак
- цікаві приклади

Чакалов Олександр, Big Data Developer, N-iX

Amazon Web Services + Big Data in AWS

1. What is cloud computing?
2. Amazon web services overview
3. Big Data definition
4. Big Data on AWS

Тринус Нікіта, Data Engineer, N-iX

Як мені знадобиться диплом з Комп’ютерних Наук у Big Data

1. Чи важливий взагалі диплом?
2. Які є найважливіші предмети?
3. Чому не можна обійтись просто Курсерою?
4. Приклади застосування навичок.

Соломія Леньо, Data Science Engineer at Avenga

Як зламати нейронну мережу, навіть якщо її розробив Google?

Поговоримо про те, що таке AI Cloud services та чи справді вони є найоптимальнішим рішенням з точки зору безпеки. Якими способами можна “зламати” нейронну мережу та як вберегтися від атак при тренуванні власної моделі.

Валерій Марцишин, студент ЛНУ, Data Science Engineer at Avenga

Як зламати нейронну мережу, навіть якщо її розробив Google?

Тарас Лушней, Software Architect, Intellias

Practical application of IoT

Під час зустрічі поговоримо про:
Oсновні концепції та словник IoT, дуже коротка історія й області застосування
Oсновні складові IoT, рішення на основі реального проекту IIoT
Які навики і знання потрібні, щоб бути успішним у цій галузі?
Q&A сесія

Vitaliy Miroshnychenko,Lead Software Engineer, GlobalLogic

Generative models and stable diffusion

Доповідь буде присвячено сучасним генеративним моделям, що продукують текст та забраження. Більш детально ми зупинимося на text2image та останніх дифузійних моделях для покращення якості зображень та переносу стилю (midjouney, stable diffusion)

Vlad Varvashenko - Senior Software Engineer, GlobalLogic

Basic concepts of HTTP protocol
I am a passionate and creative software engineer with a strong focus on simplicity and thorough details. I have been programming since high school and I have been involved with multiple web projects using .NET.
I have a master's of science degree in computer science and a Bachelor of Computer Engineering. I also have many years of experience with .NET C#.
Full-Stack Developer
Technology Stack: Typescript, .NET, Azure/AWS Clouds

Вікторія Кравченко Business Analyst/Product Owner в GlobalLogic

Як потрапити в FAANG Продакт-менеджерам та не тільки

Доповідь буде присвячено FAANG компаніям та як туди потрапити. Розберемо типи питань, на які треба відповідати Продакт Менеджерам, стартегії відповіді, та де знайти матеріали, щоб краще самостійно підготуватись. Також розповім загально про те, що треба знати та як готуватись розробникам, щоб потрапити до світових компаній.

Орест Костів, Cisco

Використання платформи Skillsforall для самонавчання і підвищення практичних навичок

Даниїл Журавчак, EPAM Systems

Data in Security / Роль даних та їх обробки у проектах з безпеки

Під час розповіді Даниїл розкаже про різні патерни архітектур Data проектів. Окрім цього Даниїл розкаже про роль Машиного навчання та Штучного інтелекту на останніх проектах. Даниїл поділиться досвідом, а також навчальними матеріалами.

Толкачова Анастасія, EPAM Systems

How to prepare for the interview for penetration tester position?

У своїй доповіді Анастасія розповість що саме компанії очікують він майбутніх пентестерів та надасть поради щодо підготовки до інтерв‘ю на позицію тестувальника на проникнення.

Оксана Сафронова, Спеціалістка в галузі SOC аналітики в компанії EPAM Systems

What, how and where to search / Що,як і де шукати

Роздуми та поради щодо питань, які має задавати собі SOC аналітик під час розслідування чи навчання в контексті роботи з SIEM системами, даними логування та відкритими джерелами.

Ігор Беляєв - керівник відділу кібербезпеки в EPAM Україна

Early Lessons from the Cyber War in Ukraine

Чи стали кібератаки стали невід'ємною частиною сучасної війни? Як виглядає кібервійна та кібероборона? У своїй доповіді Ігор розповість про кібербезпеку після 24 лютого 2022.

Юрій Фургала, декан факультету електроніки та комп'ютерних технологій ЛНУ ім. І. Франка

Освітні можливості та перспективи на факультеті електроніки та комп'ютерних технологій

Роман Мисюк, асистент кафедри системного проектування ЛНУ ім. І. Франка, Epam

Науки про дані, технології штучного інтелекту - план та перспективи

Розглянемо основні тенденції в напрямках науки про дані та застосування штучного інтелекту.

Ірина Мисюк, асистент кафедри системного проектування ЛНУ ім. І. Франка

Науки про дані, технології штучного інтелекту - план та перспективи

Розглянемо найпростіші приклади технології NLP та аналіз соціальних мереж з застосуванням штучного інтелекту

Іван Дияк, декан факультету прикладної математики та інформатики, ЛНУ ім.І.Франка

Про спеціальності факультету прикладної математики та про вступ на ці спеціальності.

Петро Венгерський, керівник освітньої програми з кібербезпеки, ЛНУ ім.І.Франка

Про освітню програму "Кібербезпека"

Можливості вступу на цю програму.
Навчальні курси програми.
Переваги та особливості навчального процесу.
Перспективи працевлаштування випускників.
Можливості розвитку та вдосконалення.

Оксана Ярова, доцент ЛНУ ім. І. Франка

Основи теорії ймовірностей та математичної статистики.

Розглянемо практичні задачі на використання базових ймовірнісних та статистичних формул.

Оксана Головата, доцент ЛНУ ім. І. Франка

Регресійний аналіз даних

Мова йтиме про побудову регресій – рівнянь для передбачень числових значень. Це дозволяє на підставі зібраних даних, наприклад, про кількість замовлень якогось продукту в мережі магазинів, спланувати об’єм його складських запасів тощо. Розглянемо цікаві приклади.

Олег Бугрій, професор ЛНУ ім. І. Франка

Баєсів аналіз даних

Розглянемо основи сучасного ймовірнісного програмування. Познайомимося з прикладами використання баєсівської статистики для розв'язування прикладних задач

Руслан Андрусяк, доцент ЛНУ ім. І. Франка, Capgemini

Метод головних компонент в машинному навчанні

На практиці часто виникає потреба визначити залежність певного показника від різноманітних наборів даних. Одні з видів даних мають сильніший вплив на показник, інші – слабший. Буде запропоновано методи вибору суттєвіших даних та їх використання в машинному навчанні.

Олена Доманська, доцент ЛНУ ім. І. Франка, Avenga

Federated learning

AI and Machine Learning are already at the heart of the magic of today’s high-tech products. However, ML requires data to learn on. Data comes with privacy limitations. To overcome these problems a new field has emerged: Privacy-Preserving or Federated Learning. We will discuss the Federated Learning approach, see how it works and compare several federated learning frameworks which look the most promising and have the highest community support. We will also present the results of the experiment with both ML and FL setup.

Юрій Музичук доцент кафедри обчислювальної математики ЛНУ ім. І. Франка

Робота з даними за допомогою мови Python

1) Інтерактивний режим роботи з Python
2) Пакети numpy, pandas
3) Базові підходи до візуалізації даних за допомогою matplotlib та seaborn
4) Використання Python для машинного навчання

Ігор Борачок асистент кафедри обчислювальної математики ЛНУ ім. І. Франка

Introduction to R.

1. Мова програмування R.
2. Базовий синтаксис, типи даних.
3. Імпорт, трансформація та експорт даних. Пакет dplyr.
4. Візуалізація даних. Пакет ggplot2.

Олег Гутік, професор, ЛНУ ім.І.Франка

Коди, мови та автомати

Терлецький Олесь ( 501 LTD, ЛНУ)

Розробка ігор: як перетворити хобі в професію

- загально про ігрову галузь
- наш досвід в індустрії за 10 років
- які професії бувають в геймдеві
- як зробити гру, яку скачають 50млн людей
- як попасти в геймдев, будучи програмістом
- що таке юніті?

Грицишин Остап ( 501 LTD, ЛНУ)

Розробка ігор: як перетворити хобі в професію

Олексин Михайло, ЛНУ ім.І.Франка

Алгоритми балансування бінарних дерев та пошуку ключових елементів у графах

Що таке структура даних?
Дерева
Бінарне дерево
Бінарне дерево пошуку
Додавання та видалення елементів (бінарне дерево пошуку)
Складність операцій в бінарному дереві пошуку
Найгірший випадок бінарного дерева
Бінарні дерева пошуку з самобалансуванням (AVL, RB)
Що таке AVL дерево?
Як відбувається самобалансування?
Переваги та недоліки
Графи
Сфери застосування
Типи графів
Задання графів у пам’яті
Обхід графа вглиб
Обхід графа вшир
Пошук найкоротшого шляху (алгоритм Дейкстри)
Мінімальне каркасне дерево (алгоритм Пріма)
Пошук мостів

Олег Романів, ЛНУ ім.І.Франка

Лінійна алгебра для машинного навчання

Лінійна алгебра — це розділ математики, який надзвичайно корисний у Data Science. Володіння лінійною алгеброю — це також найважливіша математична навичка в Machine Learning. Більшість моделей машинного навчання можуть бути виражені в матричному вигляді. Сам набір даних часто зображається як матриці. Лінійна алгебра використовується при попередній обробці даних, перетворенні даних і оцінці моделей.
Ми розглянемо деякі теми лінійної алгебри за межами стандартного курсу лінійної алгебри, які надзвичайно важливі для прикладних програм. Переважно це теми, які мають застосування для аналізу даних і машинного навчання, а також для економіки та статистики. Ми розпочнемо з оборотності прямокутних матриць, тобто ми обговоримо псевдооборотні матриці (та їхні зв’язки з моделлю лінійної регресії). Серед іншого, ми обговоримо ітераційні методи (та їх використання в моделях теорії графів, застосованих до Інтернет-пошуку, наприклад, алгоритм PageRank), матричні декомпозиції (такі як SVD) і методи зменшення розмірності (з їх зв’язком з деякими алгоритмами стиснення зображень), а також теорію матричних норм і теорію збурень (для оцінок похибок у матричних обчисленнях).

Ігор Гуран, декан механіко-математичного факультету, ЛНУ ім.І.Франка

Освітні програми механіко-математичного факультету

Спершу поговоримо про бакалаврську освітню програму з “Data Science”. Затим перейдемо до базових методів врахування нової інформації при оцінці ймовірностей випадкових подій. Розглянемо прості, але цікаві приклади.