Agenda completa de 7 pistas de Mega-PAW

Predictive Analytics World

3-7 de junio de 2018 - Caesars Palace, Las Vegas
Esta página muestra la agenda completa de 7 pistas para las cinco conferencias ubicadas conjuntamente en
Mega-PAW. Se requiere el registro de Mega Pass para tener acceso completo. Para ver la agenda de una
conferencia individual, haga clic aquí: PAW Business , PAW Financial , PAW Healthcare , PAW
Manufacturing o Deep Learning World .
Niveles de sesión:
Las sesiones de círculo azul son para todos los niveles
Las sesiones de triángulo rojo son Nivel Experto / Practicante

Talleres - Domingo, 3 de junio de 2018

08:30 am
Habitación: Emperadores II
Taller de capacitación previa a la conferencia
Big Data: métodos comprobados que necesita para extraer un gran valor
Todo el día: 8:30 a.m. - 4:30 p.m.
Este taller de un día revisa las principales historias de éxito de Big Data que han transformado negocios y
creado nuevos mercados. Haga clic en el título del taller anterior para obtener una descripción
completamente detallada.
Líder
Marc Smith
Jefe de Ciencias Sociales
Connected Action Consulting Group
4:30 pm
Fin del taller (Big Data: métodos comprobados que necesita para extraer el gran valor)
6:30 pm
Habitación: Emperadores II
Taller de capacitación previa a la conferencia
R Bootcamp: para los recién llegados a R
Taller de tarde de dos horas y media:
Este taller de 2,5 horas inicia su mandato como usuario de R, la conocida plataforma de código abierto para el
análisis de datos. Haga clic en el título del taller anterior para obtener una descripción completamente
detallada.
Líder
Max Kuhn
Ingeniero de software
RStudio
21:00
Fin del taller (R Bootcamp: para recién llegados a R)

Cierre lasetiquetas seleccionadas:

Talleres - Lunes, 4 de junio de 2018
08:30 am
Habitación: Augustus I
Taller de capacitación previa a la conferencia
Lo mejor de la analítica predictiva: técnicas básicas de aprendizaje automático y ciencias de datos
Todo el día: 8:30 a.m. - 4:30 p.m.
Esta sesión de un día examina métodos estándar y avanzados para el modelado predictivo (también conocido
como aprendizaje automático). Haga clic en el título del taller anterior para obtener una descripción
completamente detallada.
Líder
John Elder
Fundador y Presidente
Elder Research
Habitación: Emperadores I
Taller de capacitación previa a la conferencia
R para el aprendizaje automático: una introducción práctica
Todo el día: 8:30 a.m. - 4:30 p.m.
Obtenga experiencia conduciendo R para el modelado predictivo a través de ejemplos reales y conjuntos de
datos. Encuestar los paquetes de modelado pertinentes. Haga clic en el título del taller anterior para
obtener una descripción completamente detallada.
Líder
Max Kuhn
Ingeniero de software
RStudio
Habitación: Emperadores II
Taller de capacitación previa al congreso:
El campo de entrenamiento de preparación de datos avanzados: transforma tus datos en forma
Todo el día: 8:30 a.m. - 4:30 p.m.
Sumérjase en la práctica con los pasos cruciales de preparación de datos, incluida la limpieza, la imputación de
valores perdidos, la creación / selección de características y el muestreo. Haga clic en el título del taller
anterior para obtener una descripción completamente detallada.
Líder
Dean Abbott
Cofundador y Chief Data Scientist
SmarterHQ
Habitación: Pompeian IV
Taller de capacitación previa a la conferencia
Aprendizaje profundo en la práctica: una introducción práctica
Todo el día: 8:30 a.m. - 4:30 p.m.
Este taller introductorio de un día se sumerge profundamente. Explorará la clasificación neuronal profunda, el
análisis de series de tiempo LSTM, la clasificación de imágenes convolucionales, la agrupación de datos
avanzada, los algoritmos de bandidos y el aprendizaje de refuerzo. Haga clic en el título del taller anterior
para obtener una descripción completamente detallada.
Líderes
Ricky Loynd
Grupo de investigación Deep Learning
Microsoft
James McCaffrey
Ingeniero Científico Senior
Microsoft
4:30 pm
Fin del taller

Cierre lasetiquetas seleccionadas:

Día 1 - Martes, 5 de junio de 2018
08 a.m
Desayuno de registro y redes
8:45 a.m.
Habitación: Augustus II
PAW Business
Palabras de apertura del fundador de la serie de conferencias
Eric Siegel
Fundador de la conferencia
Predictive Analytics World
8:50 a.m.
Habitación: Augustus II
PAW Business KEYNOTE
Applied Deep Learning: autos de conducción automática y detección de noticias falsas
Michael Tamir
Jefe de Data Science, Advanced Technologies Group
Uber
9:15 a.m.
Habitación: Augustus II
PAW Business KEYNOTE
La mejor ciencia
John Elder
Fundador y Presidente
Elder Research
9:40 a.m.
Habitación: Augustus II
PAW Business Platinum sesión patrocinada
Cómo se usa el aprendizaje automático de máquina para transformar la empresa
Patrocinado por

David Russell
RVP de Ventas - Región Oeste
DataRobot
10:00 a.m
Exposiciones y Coffee Break de la mañana
10:30 a.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management

Operacionalizando modelos predictivos

Entrega del valor comercial de Analytics
James Taylor
CEO
Soluciones de gestión de decisiones
Habitación: Augustus II
PAW Business Track 2: WORKFORCE - Retención y optimización de recursos humanos con análisis

Optimización y retención de la fuerza de trabajo

Lo que realmente valoran los empleados del milenio: lecciones del modelado predictivo
Haig Nalbantian
Socio principal, codirector Mercer Workforce Sciences Institute
Mercer
Tauseef Rahman
Director, Estrategia y análisis de la fuerza de trabajo
Mercer
Habitación: Emperadores II
PAW Business Track 3: ESTUDIOS DE CASO - Aplicaciones comerciales múltiples de aprendizaje
automático
Planificación de infraestructura; telecom
10:30 - 10:50 a.m.
Estudio de caso: comunicaciones de Charter (Spectrum)
Expansión de red de fibra basada en modelo
Nishant Sharma
Director de Predictive Analytics
Comunicaciones Charter
Anuncio de TV orientado a las
10:55 - 11:15 a.m.
Estudio de caso: Turner
El impacto de los análisis predictivos en la optimización de la campaña de ventas publicitarias
Wes Chaar
Vicepresidente sénior de Análisis, Datos y Ciencias de la Decisión
Turner Broadcasting System, Inc.
Habitación: Sicilia
PAW Financial
Detección de fraude
Estudio de caso: FICO
Innovaciones en las técnicas de aprendizaje automático para sistemas financieros
Scott Zoldi
Chief Analytics Officer
FICO
Habitación: Pompeya III
PAW Healthcare
Desde cuándo llega hasta después de irse: Integración de modelos predictivos en un mapa de calor
continuo cruzado para informar la coordinación de la atención y reducir las readmisiones
Ben Cleveland
Científico de datos
UnityPoint Health
Rhiannon Harms
Director Ejecutivo, Analítica
UnityPoint Health
Habitación: Pompeian IV
PAW Manufacturing
Estudio de caso: Siemens
El alma en la máquina: la detección de anomalías se combina con la minería de imágenes en el
mantenimiento predictivo
Phil Winters
Socio Director Senior
CIAgenda
Habitación: Pisa
Deep Learning WorldCLAVE
Aprendizaje profundo: capacidades realizadas y nuevas fronteras
Luba Gloukhova
Consultor de análisis de investigación
Stanford Graduate School of Business
11:15 a.m.
Transición de 5 minutos entre sesiones
11:20 a.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Operationalizing analytics
11:20 - 11:40 a.m.
Estudio de caso: Northwestern Mutual
Obstáculos para la operación de análisis y estrategias para superarlos
Dave Pahl
Sr. Director - Enterprise Data and Analytics
Northwestern Mutual
Gestión de analíticas
11:45 a.m. - 12:05 p.m.
Estudio de caso: Préstamos Quicken
La simplicidad es genio: cerrar la brecha entre los científicos de datos y el liderazgo superior
James Carson
Líder del equipo de ciencia de datos
Préstamos Quicken
Habitación: Augustus II
PAW Business Track 2: WORKFORCE - Retención y optimización de recursos humanos con análisis
Análisis de fuerza de trabajo
11:20 - 11:40 a.m.
Estudio de caso: Twitter
Uso de modelos estadísticos para predecir el desgaste de la mano de obra
Menghan Chen
People Data Scientist
Gorjeo
Optimización de la fuerza de trabajo
11:45 a.m. - 12:05 p.m.
Estudio de caso: Atlassian
News Feeds, Notifications, Recommendations: ¿El software colaborativo realmente promueve o
perjudica la productividad de los empleados?
Daniel Chung
Científico de datos
Atlassian
Habitación: Emperadores II
PAW Business Track 3: ESTUDIOS DE CASO - Aplicaciones comerciales múltiples de aprendizaje
automático
Modelado de adquisición de registro de estudiantes
11:20 - 11:40 a.m.
Estudio de caso: American Career College
Adquisición de estudiantes: del pronóstico operacional a una teoría del comportamiento prospectivo
Peter Karpiuk
Consultor
Gestión Roundrock
Modelado de adquisición de registro de estudiantes
11:45 a.m. - 12:05 p.m.
Estudio de caso: Becker College
Aplicaciones del análisis predictivo en la educación superior
Feyzi Bagirov
Data Science Advisor en Metadata.io y Analytics Instructor, Harrisburg University of Science and Technology
Habitación: Sicilia
PAW Financial
Previsión de recuperación de desastres
11:20 - 11:40 a.m.
Estudio de caso: Queensland Reconstruction Authority (Australia)
Modelado de costos de reconstrucción después de eventos meteorológicos importantes
Kieran Dibb
Director de Servicios Técnicos
Autoridad de Reconstrucción de Queensland (QRA)
Will Dodd
Director - Consultoría
Deloitte Australia
Operaciones algorítmicas
11:45 a.m. - 12:05 p.m.
Déjà Vu en el mercado de valores: cuando los contextos coinciden, las oportunidades se repiten
Kevin Pratt
El científico en jefe
ZZAlpha Ltd.
Habitación: Pompeya III
PAW Healthcare
Aumento de la visibilidad clínica con el procesamiento del lenguaje natural
Chris Franciskovich
Gerente de Análisis Avanzado
Sistema de salud OSF
Jason Weinberg
Científico de datos
OSF Healthcare
Habitación: Pompeian IV
PAW Manufacturing
Estudio de caso: Seagate Technology
Remodelación de la era de la fabricación inteligente: ¿Por qué se necesita Edge Analytics?
Abbas Chokor
Científico de datos del personal
Tecnología Seagate
Habitación: Pisa
Deep Learning World
Vehículos autónomos
Visión AI para la comprensión del comportamiento humano (HBU) dentro de vehículos autónomos y
altamente automatizados
Modar Alaoui
Fundador y CEO
Eyeris
12:05 p.m.
Almuerzo
Paw Business Lunch & Learn
Gráfico y Aprendizaje automático para análisis mejorados
Patrocinado por

Brandy Freitas
Científico Senior de Datos
Pitney Bowes
Jim Kilgore
ICC
Almuerzo
PAW Healthcare
¿Un sexto sentido trabajando contigo para tomar decisiones más inteligentes? Ask diwo - Una
plataforma de toma de decisiones cognitivas
Patrocinado por

Gaurav Johari
Arquitecto Principal de Negocios
diwo
PAW Manufacturing
¿Un súper analista que trabaja continuamente para optimizar sus operaciones? Ask diwo - Una
Plataforma Cognitiva de Toma de Decisiones.
Patrocinado por
Krishna Kallakuri
Presidente y Fundador
diwo
Sesión patrocinada por Deep Learning World :
Presentación de un proveedor de análisis líder
12:25 p.m.

Almuerzo
Almuerzo
Almuerzo
1:30 de la tarde
Habitación: Augustus II
PAW Business KEYNOTE
Despliegue en toda la empresa
Estudio de caso: Dell EMC
Uso de la máquina de aprendizaje para mover la empresa
Theresa Kushner
Sr Vicepresidente, Performance Analytics Group
Dell EMC
Habitación: Sicilia
PAW FinancialKEYNOTE
Aprendizaje automático y análisis en la industria de servicios financieros
Radha Kuchibhotla
Vicepresidente
Calle del estado

1:50 p.m.

Habitación: Pompeya III

PAW HealthcareKEYNOTE
Transformar el ecosistema de Ciencias de la vida y la salud a través de análisis avanzados
Jason Burke
Vicepresidente de sistema y Director de analítica
Sistema de atención médica de UNC
Habitación: Pompeian IV
KEYNOTE Fabricación de PAW
AI y confiabilidad: ¿cómo pueden ayudarnos los sistemas inteligentes a mantener las luces
encendidas?
Steven Ramirez
CEO
Más allá del arco
Habitación: Pisa
Deep Learning World
ESO
Estudio de caso: Cisco
Aprendizaje profundo para el reconocimiento automático de voz
Pranjal Daga
Científico de datos
Cisco
2:15 p.m.
PAW Business Diamond sesión patrocinada
Presentación de un proveedor de análisis líder
Patrocinado por

PAW FinancialDiamond sesión patrocinada

Remodelación de los servicios financieros con capacidad de toma de decisiones cognitivas
Patrocinado por

Satyendra Rana
Jefe de Tecnología
diwo

2:35 p.m.
Transición de 5 minutos entre sesiones
2:40 p.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management

Estrategias de proyectos impulsados por el valor

Un enfoque impulsado por las ciencias de los datos para influir en los influenciadores
Daniel Porter
Cofundador
BlueLabs
Habitación: Augustus II
PAW Business Track 2: WORKFORCE - Retención y optimización de recursos humanos con análisis

Optimización de la fuerza de trabajo; análisis de ventas

Estudio de caso: Shell International
Optimización para las ventas mediante el modelado predictivo de la eficacia de Salesforce
Tashi Erdmann
Gerente de análisis de recursos humanos
Shell International
Linda van Leeuwen
Analista de análisis de recursos humanos
Shell International
Habitación: Emperadores II
PAW Business Track 3: ESTUDIOS DE CASO - Aplicaciones comerciales múltiples de aprendizaje
automático
Análisis de datos del reproductor de video IP
2:40 - 3:00 p.m.
Estudio de caso: Comcast Cable
Gobernanza de datos con Apache Avro facilita la ingeniería de funciones
Gabriel Commeau
Ingeniero de software
Comcast Cable
Barbara Eckman
Arquitecto Principal de Datos
Comcast Cable
Precio de
3:05 a 3:25 p.m.
Precios dinámicos en tiempo real para ventas B2B con R y brillante
Konrad Pabianczyk
Gerente de cuenta clave
Appsilon Data Science
Habitación: Sicilia
PAW Financial
Suscripción de seguro de vida
2:40 - 3:00 p.m.
Estudio de caso: Northwestern Mutual
Un estudio de caso en Agile Analytics: uso de modelos predictivos para automatizar la toma de
decisiones en la suscripción de seguros de vida
Daniel Fuhrmann
Científico Senior de Datos
Northwestern Mutual
Seguro
3:05 - 3:25 p.m.
Aprovechando el análisis predictivo para comprender los factores financieros de la ACA
Syed Mehmud
Actuario de Consultoría Principal y Senior, ASA
Wakely Consulting Group, Sociedad de Actuarios
Habitación: Pompeya III
PAW Healthcare
Topología teórica de gráficos aplicada a modelos de aprendizaje automático para detección de fraude
Jaya Tripathi
Científico Principal
INGLETE
Habitación: Pompeian IV
PAW Manufacturing
Caso de estudio: Leading Telco Company
Mantenimiento Preventivo Predictivo en Telcos
Khosrow Hassibi
Chief Data Scientist / Chief AI Officer AI y Analytics Center of Innovation
R Systems Inc.
Habitación: Pisa
Deep Learning World
Financiar
Superando a Red Queen de HFT con RNN
Matthew Dixon
Profesor Asistente de Finanzas y Estadística
Instituto de Tecnología de Illinois
3:25 p.m.
Exposiciones y descanso por la tarde
3:55 p.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management

Liderazgo de pensamiento; Investigación y desarrollo

La Universidad Empresarial: cómo la evolución de la ciencia de datos se elevó a un nuevo paradigma
Jennifer Lewis Priestley
Profesor de Estadística Aplicada y Ciencia de Datos
Universidad Estatal de Kennesaw
Habitación: Augustus II
PAW Business Track 2: WORKFORCE - Retención y optimización de recursos humanos con análisis

Optimización de la fuerza laboral

3:55 - 4:15 p.m.
Estudio de caso: Centric Consulting
Mejorando la utilización del empleado con el aprendizaje automático
Carmen Fontana
Nube y Práctica de Inteligencia Artificial Plomo
Consultoría Centric
Optimización de la fuerza laboral
4:20 - 4:40 p.m.
Estudio de caso: Baptist Health Medical Group
Mejorando el compromiso de los empleados con un presupuesto reducido
Matt Hayes
Director, optimización de la práctica
Baptist Health Medical Group
Habitación: Emperadores II
PAW Business Track 3: ESTUDIOS DE CASO - Aplicaciones comerciales múltiples de aprendizaje
automático
Análisis del servicio al cliente
Estudio de caso: Google
Análisis Avanzado para Evaluar las Estrategias de Servicio al Cliente: Comparación de rendimiento
Especializado versus Agente Universal
Tarek Soukieh
Jefe de análisis: confianza y seguridad de YouTube
Google
Habitación: Sicilia
PAW Financial
Reaseguro
3:55 - 4:15 p.m.
Estudio de caso: Maiden Re
Análisis de cartera de clientes para reaseguros
John Henry
Jefe de Ciencia de Datos
Maiden Re
Sriram Krishnamurthy
VP, Ciencia de datos
Tiger Analytics
Liderazgo de pensamiento
4:20 - 4:40 p.m.
Lo que significa para el científico de datos como servicios financieros se enfrenta a tiempos
disruptivos
Richard Boire
Vicepresidente sénior
Environics Analytics
Habitación: Pompeya III
PAW Healthcare
Reducción de la hospitalización con modelado predictivo en pacientes con insuficiencia renal
Andrew Long
Científico de datos
Fresenius Medical Care North America
Len Usvyat
Vicepresidente, Integrated Care Analytics
Fresenius Medical Care North America
Habitación: Pompeian IV
PAW Manufacturing
El aprendizaje automático de fuerza industrial mejora las cadenas de suministro de fabricación
Gary Neights
Director Senior
Elemica
Habitación: Pisa
Deep Learning World
Cross-Industry
Estudio de caso: Microsoft
LSTM Redes neuronales para el análisis de series de tiempo
James McCaffrey
Ingeniero Científico Senior
Microsoft
4:40 p.m.
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
4:45 p.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management

Gestión de proyectos basada en el valor

Pasos para superar los mayores desafíos al despliegue de Analytics
Marco Vriens
CEO
Kwantum LLC y la Universidad de La Crosse, WI
Habitación: Augustus II
PAW Business Track 2: WORKFORCE - Retención y optimización de recursos humanos con análisis

Legalidad y ética en operacionalización

Igualdad de oportunidades de empleo y el uso de herramientas de análisis predictivo
Eric Dunleavy
Director del Grupo de Servicios de Selección de Personal y Soporte de Litigios
DCI Consulting Group
Kelly Trindel
Analista Jefe
Anteriormente en la Comisión de Igualdad de Oportunidades de Empleo
Habitación: Emperadores II
PAW Business Track 3: ESTUDIOS DE CASO - Aplicaciones comerciales múltiples de aprendizaje
automático
Análisis del servicio al cliente
Estudio de caso: IBM
Predecir los resultados del ticket de soporte técnico para elevar la experiencia del cliente
Dan Yang
Científico Senior de Datos
IBM
Habitación: Sicilia
PAW Financial
Despliegue empresarial
Cómo los bancos logran el mayor impacto del aprendizaje automático
Tracie Coker Kambies
Principal | Tecnología y análisis de venta minorista
Deloitte
Habitación: Pompeya III
PAW Healthcare
Algoritmos de aprendizaje automático para la identificación temprana del autismo (y condiciones
relacionadas)
Ford Garberson
Científico Senior de Datos
Cognoa
Habitación: Pompeian IV
PAW Manufacturing
Estudio de caso: Photizo Group, Inc
¿Por qué el IOT industrial es tonto y cómo hacerlo más inteligente?
Edward Crowley
CEO
Virtulytix, Inc.
Habitación: Pisa
Deep Learning World
Entretenimiento
4:45 p.m. - 5:05 p.m.
Estudio de caso: Vevo
Aprendizaje profundo en la industria del entretenimiento
Rezsa Farahani
Director de Machine Learning
Vevo
Agricultura
5:10 p.m. - 5:30 p.m.
Historias de Monsanto
Aprendizaje profundo en agricultura
Nalini Polavarapu
Analítica y estrategia de TI
Monsanto
5:30 pm
Recepción de redes
7:00 pm
Fin del primer día de la conferencia

Día 2 - Miércoles, 6 de junio de 2018

08 a.m
Desayuno de registro y redes
8:45 a.m.
Habitación: Augustus II
PAW Business KEYNOTE
Buscando en el valor futuro a través de análisis predictivo
Morgan Vawter
Director Jefe de Análisis
Oruga
Habitación: Sicilia
PAW FinancialKEYNOTE
Estudio de caso: Northern Trust
Aprendizaje automático en servicios financieros: cómo hacerlo
Andy Curtis
Vicepresidente sénior
Northern Trust
Habitación: Pompeya III
PAW Healthcare
Notas de apertura del presidente del programa
Jeff Deal
Vice presidente de operaciones
Elder Research
Habitación: Augustus II
KEYNOTE Fabricación de PAW
Buscando en el valor futuro a través de análisis predictivo
Morgan Vawter
Director Jefe de Análisis
Oruga
Habitación: Pisa
ConferenciaFundadora del Deep Learning WorldOpening Amarks
Luba Gloukhova
Consultor de análisis de investigación
Stanford Graduate School of Business
8:50 a.m.

Habitación: Pompeya III

PAW HealthcareKEYNOTE
Análisis Predictivo en la Era de la Interoperabilidad
Mark Braunstein, MD
Profesor de Práctica, Escuela de Computación Interactiva
Instituto de Tecnología de Georgia

Habitación: Pisa
Deep Learning WorldCLAVE
ESO
Estudio de caso: Capital One
Detección de malware en tiempo real con CNN y LSTM
Kate Highnam
Ingeniero de Aprendizaje de Máquina
Capital uno
Domenic Puzio
Ingeniero de Aprendizaje de Máquina
Capital uno
09:30 am
Habitación: Augustus II
PAW Business SESIÓN PLENARIA
Tendencias de la industria: aspectos destacados de la Encuesta científica de datos 2017
Karl Rexer
presidente
Rexer Analytics

Habitación: Augustus II
PAW ManufacturingPLENARY SESSION
Tendencias de la industria: aspectos destacados de la Encuesta de ciencia de datos 2017
Karl Rexer
presidente
Rexer Analytics

9:35 a.m.

PAW FinancialDiamond sesión patrocinada

Presentación de un proveedor líder
Presentación del Patrocinador PAW Healthcare de DataRobot
Presentación de DataRobot
Patrocinado por

Cliff Yang
Científico de datos de éxito del cliente
DataRobot

Deep Learning WorldSesión patrocinada

Presentación de un proveedor de análisis líder
9:40 a.m.
Habitación: Augustus II
PAW Business Diamond sesión patrocinada
Entonces, ¿qué hago con este nuevo conocimiento? Ask diwo - Una plataforma de toma de decisiones
cognitivas
Patrocinado por

Krishna Kallakuri
Presidente y Fundador
diwo

PAW Manufacturingsesión patrocinada

Presentación de un proveedor de análisis líder
Patrocinado por

Krishna Kallakuri
Presidente y Fundador
diwo
 10:00 a.m
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
Transición de 5 minutos entre sesiones
10:05 a.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Aprovisionamiento del personal analítico
Estudio de caso: Verizon
Búsqueda de unicornios: Atracción y retención del talento analítico
Anne G. Robinson
Director Ejecutivo, Estrategia, Analítica y Sistemas
Verizon
Habitación: Augustus II
PAW Business Track 2: TECH - Modelado predictivo y métodos de aprendizaje automático
Interpretación del modelo
Estudio de caso: YMCA
Cómo los modeladores predictivos deberían usar los datos para contar historias de datos
Dean Abbott
Cofundador y Chief Data Scientist
SmarterHQ
Habitación: Emperadores II
PAW Business Track 3: MARKETING - Análisis para la adquisición y retención de clientes
Estrategia de análisis de marketing
10:05 - 10:25 a.m.
Estudio de caso: John Hancock
Viaje de John Hancock directo al consumidor
Kirit Kottam
Director de Ciencias de Datos
John Hancock Insurance
Modelado de respuesta para marketing
10:30 - 10:50 a.m.
Estudio de caso: Central Pacific Bank
¿Listo para dejar que Black Box Drive? Aprendizaje automático, el cerebro de la campaña de marketing
Ryuichi Umeda
Científico de datos
Banco Central del Pacífico
Haifeng Wu
Científico de datos
Banco Central del Pacífico
Habitación: Sicilia
PAW Financial
Riesgo de crédito en el procesamiento de nómina
Estudio de caso: Paychex
Gestión del riesgo de crédito asociado a nuevas empresas
Rob Rolleston
Gerente, Ciencia de datos
Paychex
Habitación: Pompeya III
PAW Healthcare
Ser proactivo en la salud de la población: una solución basada en la nube para identificar a los
pacientes más necesitados del futuro
Matthew Vielkind
Científico de datos
Plan de Salud de los Médicos del Distrito Capital
Habitación: Pompeian IV
PAW Manufacturing
Uso del modelo de costo de minería de datos (DMCoMo) en organizaciones de fabricación basadas en
analíticas
David Perkins, CAP®, PMP®
Propietario y Consultor Principal
D & G Analytics, LLC
Habitación: Pisa
Deep Learning World
Financiar
Estudio de caso: PayPal
Aplicaciones de aprendizaje profundo para la detección de fraude en el pago en línea
Nitin Sharma
Científico distinguido
PayPal
10:50 a.m.
Exposiciones y Coffee Break de la mañana
11:20 a.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Liderazgo analítico
Estudio de caso: CA Technologies
Secretos de construir una tienda de análisis de alta velocidad de clase mundial
Jennifer Bertero
VP, Business Analytics
CA Technologies
Habitación: Augustus II
PAW Business Track 2: TECH - Modelado predictivo y métodos de aprendizaje automático
Automatización de aprendizaje automático; modelos de conjunto
Estudio de caso: ¿Cuál? (Informes de consumidores del Reino Unido)
Model Process Automation: recuperando su vida
Phil Winters
Socio Director Senior
CIAgenda
Habitación: Emperadores II
PAW Business Track 3: MARKETING - Análisis para la adquisición y retención de clientes
Optimizando el compromiso de los fanáticos
11:20 - 11:40 a.m.
Estudio de caso: Viacom
Estrechando los objetivos de la audiencia; Aprovechando la afinidad de Cross Platform para la
optimización de marketing
Samantha Lipson
Sr Dir. Medidor, Científico de Datos e Ingeniero de Datos
Viacom
Theresa Locklear
Vicepresidente, Audience Science Analytics
Viacom
Targeting marketing
11:45 a.m. - 12:05 p.m.
Estudio de caso: Caterpillar
Predecir la preparación para la compra
Andy Jacob
Científico de datos
Oruga
Will Scheck
Administrador de analíticas
Oruga
Habitación: Sicilia
PAW Financial
Compensación a los trabajadores
11:20 - 11:40 a.m.
Dirigida a la intervención de retorno al trabajo mediante la predicción de comp de trabajadores
prolongados
Mei Najim
Director de Análisis Avanzado
Advanced Analytics Consulting Services, LLC (anteriormente con Gallagher Bassett)
Gestión reglamentaria
11:45 a.m. - 12:05 p.m.
Estudio de caso: Enova International (CashNetUSA)
Cómo la toma de decisiones digital puede ayudar a su empresa a adaptarse rápidamente a los cambios
regulatorios
Joe DeCosmo
Chief Analytics Officer
Enova Internacional
Greg Zeeman
Director de Operaciones
Enova Internacional
Habitación: Pompeya III
PAW Healthcare
Comprensión del lenguaje natural en la asistencia sanitaria: lo último en tecnología, aprendizaje
automático y aprendizaje profundo con software de código abierto
David Talby
Jefe de Tecnología
Pacific AI
Habitación: Pompeian IV
PAW Manufacturing
Estudio de caso: Sanmina Corporation
Transformación digital de fábrica: conectar 25,000 piezas de equipos de fabricación al Coud
Gelston Howell
Vicepresidente sénior de marketing
Sanmina Corporation
Srivats Ramaswami
CTO
42Q
Habitación: Pisa
Deep Learning World
Financiar
Estudio de caso: John Hancock
Detección de fraude y riesgo de seguro con aprendizaje profundo
Eugene Wen
Vicepresidente de Group Advanced Analytics
Manulife Financial / John Hancock
12:05 p.m.
Almuerzo
PAW Healthcare
Presentación de un proveedor de análisis líder
Almuerzo
Habitación: Pisa
Deep Learning WorldSesión patrocinada
Aprendizaje automático y redes neuronales usando Wolfram Language
Patrocinado por

Michael Kelly B.Sc. (Hons), PhD (Matemáticas, UNSW)

Consultor Senior de Tecnología (Finanzas)
Wolfram Research
12:15 p.m.

Almuerzo

Almuerzo
1:10 p.m.
Habitación: Augustus II
PAW Business EXPERT PANEL
Operacionalización del aprendizaje automático: cómo garantizar una implementación basada en el valor
Moderador
James Taylor
CEO
Soluciones de gestión de decisiones
Panelistas
Vivek Agarwal
CEO, Dun and Bradstreet Technologies, Director Ejecutivo, PrADS
Predictive Analytics y Decision Services Inc. (PrADS)
Steven Ramirez
CEO
Más allá del arco
Morgan Vawter
Director Jefe de Análisis
Oruga

Habitación: Augustus II
PAW ManufacturingEXPERT PANEL
Operacionalización del aprendizaje automático: cómo garantizar una implementación basada en el valor
Moderador
James Taylor
CEO
Soluciones de gestión de decisiones
Panelistas
Vivek Agarwal
CEO, Dun and Bradstreet Technologies, Director Ejecutivo, PrADS
Predictive Analytics y Decision Services Inc. (PrADS)
Steven Ramirez
CEO
Más allá del arco
Morgan Vawter
Director Jefe de Análisis
Oruga
 1:25 p.m.

Habitación: Pompeya III

PAW HealthcareEXPERT PANEL
Desarrollar una cultura basada en datos en una organización sanitaria

Habitación: Pisa
Deep Learning World
Operaciones
Estudio de caso: Seagate Technology
CNN: ¿un cambio de juego para la fabricación?
Abbas Chokor
Científico de datos del personal
Tecnología Seagate
Chris Labbe
Tecnólogo Gerente
Tecnología Seagate
1:55 p.m.
Habitación: Augustus II
PAW Business Gold sesión patrocinada
Mejora de los modelos de riesgo mediante el aprendizaje automático: por qué, cómo y cuándo.
Patrocinado por

Vivek Agarwal
CEO, Dun and Bradstreet Technologies, Director Ejecutivo, PrADS
Predictive Analytics y Decision Services Inc. (PrADS)
Habitación: Augustus II
PAW FinancialSponsored Session
Mejora de los modelos de riesgo mediante el aprendizaje automático: por qué, cómo y cuándo.
Patrocinado por

Vivek Agarwal
CEO, Dun and Bradstreet Technologies, Director Ejecutivo, PrADS
Predictive Analytics y Decision Services Inc. (PrADS)

Habitación: Augustus II
PAW Manufacturingsesión patrocinada
Mejora de los modelos de riesgo mediante el aprendizaje automático: por qué, cómo y cuándo.
Patrocinado por

Vivek Agarwal
CEO, Dun and Bradstreet Technologies, Director Ejecutivo, PrADS
Predictive Analytics y Decision Services Inc. (PrADS)

2:00 pm
Habitación: Augustus II
Paw Business Gold Sponsor Presentación
Usando Angoss como la mejor solución de análisis predictivo
Patrocinado por
Mark Do Couto
Jefe de ventas
Angoss
Habitación: Augustus II
PAW FinancialSponsored Session
Usando Angoss como la mejor solución de análisis predictivo
Patrocinado por

Mark Do Couto
Jefe de ventas
Angoss

Habitación: Augustus II
PAW Manufacturing
Usando Angoss como la mejor solución de análisis predictivo
Patrocinado por

Mark Do Couto
Jefe de ventas
Angoss

2:05 p.m.
PAW Business Sesión patrocinada
Presentación de un proveedor de análisis líder
Habitación: Augustus II
PAW FinancialSponsored Session
Presentación del patrocinador
Patrocinado por

Presentación de fabricación de PAWdel patrocinador

TBA
Patrocinado por

2:10 p.m.
Transición de 5 minutos entre sesiones
2:15 p.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Gestión de análisis
2:15 - 2:35 p. M.
Estudio de caso: Comcast
Hacer un caso de negocios con Machine Learning
Bob Bress
Vicepresidente de Analítica e Inteligencia Comercial
Freewheel, una compañía de Comcast
Gestión analítica basada en el valor
2:40 - 3:00 p. M.
Análisis avanzado: solo porque puede, ¿debería usted?
Robert Lanning
Consultor de analítica
Habitación: Augustus II
PAW Business Track 2: TECH - Modelado predictivo y métodos de aprendizaje automático
Mejores prácticas
Preguntas y respuestas: Pregúntale a Dean y Karl Anything (sobre las mejores prácticas)
Dean Abbott
Cofundador y Chief Data Scientist
SmarterHQ
Karl Rexer
presidente
Rexer Analytics
Habitación: Emperadores II
PAW Business Track 3: MARKETING - Análisis para la adquisición y retención de clientes
Ventas y marketing; B2B
Estudio de caso: Ingram Micro
B2B Tech 4sight: identificación de la solución de producto adecuada para el cliente adecuado, del
distribuidor adecuado en el momento adecuado
Doug Herman
Jefe de Ciencia de Datos
Ingram Micro
Haoan Liu
Ingram Micro
Habitación: Sicilia
PAW Financial
Gestión de patrimonios
Predictive Analytics para Wealth Management
Meina Zhou
Data Scientist y Senior Consultant
Capco
Habitación: Pompeya III
PAW Healthcare
Empuje en lugar de tirar: uso de análisis predictivo, aprendizaje automático y tecnologías móviles y en
la nube para mejorar las operaciones de quirófano
Jo Quetsch
Sistema de salud multicare
Ashley Walsh
Director de Servicios al Cliente
LeanTaas
Habitación: Pompeian IV
PAW Manufacturing
Análisis para la 4ª revolución industrial
Chetan Gupta
Jefe Científico y Arquitecto de Datos, Lab Manager, Industrial AI Lab
Hitachi America, Ltd
Habitación: Pisa
Deep Learning World
Financiar
Estudio de caso: Northwestern Mutual
Extracción de datos de encuestas de salud escaneadas para suscripción algorítmica
Marek Pietrzyk
Ingeniero Senior de Datos
Northwestern Mutual
David Walechka
Jefe de Tecnología de Decision Sciences
Northwestern Mutual
3:00 pm
Exposiciones y descanso por la tarde
3:30 pm
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Tendencias industriales
Vencimiento de Analytics: tendencias de la industria e impacto financiero
Bill Franks
Chief Analytics Officer
Instituto Internacional de Analítica
Habitación: Augustus II
PAW Business Track 2: TECH - Modelado predictivo y métodos de aprendizaje automático
Datos geoespaciales
Caracterización de los datos espaciotemporales de la manera correcta
Peter Lenz
Analista geoespacial sénior
Diedría
Habitación: Emperadores II
PAW Business Track 3: MARKETING - Análisis para la adquisición y retención de clientes
Análisis de texto para marketing
Estudio de caso: Barclaycard
Revisando quejas de clientes usando procesamiento de lenguaje natural
Vishal Morde
Vicepresidente - Ciencia de datos
Barclaycard US
Habitación: Sicilia
PAW Financial
Seguro
Reclamaciones de seguros triaging a medida que entran en la puerta
Christina Hoy
Vicepresidente
Junta de seguridad y seguro laboral (WSIB)
Habitación: Pompeya III
PAW Healthcare
De Big Data a Big Impact: redefinición de la diabetes tipo 2
Arjun Panesar
Fundador y CEO
Diabetes Digital Media
Habitación: Pompeian IV
PAW Manufacturing
Predictivo versus prescriptivo en el servicio de fabricación
Karpagam Narayanan
Fundador y presidente
eKryp
Habitación: Pisa
Deep Learning World
ESO
Estudio de caso: Lyft
Aprendizaje profundo como software 2.0
Gil Arditi
Líder de producto, plataforma de aprendizaje automático
Lyft
4:15 p.m.
Habitación: Augustus I
PAW Business Track 1: BUSINESS - Analytics operacionalization & management
Talento analítico
Estudio de caso: Cisco
Principales equipos de ciencia de datos: la estrategia detrás de encontrar, retener y establecer el mejor
talento para el éxito
Kristen Burton
Director, Oficina de Ciencia de Datos Empresariales y CoE de Transformación Digital de Procesos
Cisco
Habitación: Augustus II
PAW Business Track 2: TECH - Modelado predictivo y métodos de aprendizaje automático
Métodos avanzados
Los beneficios de ser bayesiano: cómo los modelos de varios niveles permiten más información
granular
Curt Bergmann
Científico Senior de Datos
Obtener
Habitación: Emperadores II
PAW Business Track 3: MARKETING - Análisis para la adquisición y retención de clientes
Análisis de series temporales
Estudio de caso: Uber
Análisis de series de tiempo para marketing y más allá
Kim Larsen
Director de Marketing Analytics
Uber
Habitación: Sicilia
PAW Financial
Seguro: detección de pagos incorrectos
Estudio de caso: John Hancock
Detección de pagos incorrectos: el modelo de defectos de pago
Richard Lee
Gerente de Operaciones Informes Consistencia
John Hancock Financial
Habitación: Pompeya III
PAW Healthcare
Uso del aprendizaje automático para detectar errores en datos médicos
Tommy Blanchard
Data Science Lead
Fresenius Medical Care North America
Habitación: Pompeian IV
PAW Manufacturing
¿Estás listo para el mantenimiento predictivo?
Beth Crane
Vicepresidente de Datos
Máquina de mira
Habitación: Pisa
Deep Learning World
Industria cruzada
4:15 p.m. - 4:40 p.m.
Uso de Deep Learning para revertir la resolución: efectos degradantes de la captura de video
convencional
Nathan Wheeler
Director de producto
Entropix
Cuidado de la salud
4:40 p.m. - 5:00 p.m.
Visión por computadora para la detección del retraso del desarrollo en niños
Ford Garberson
Científico Senior de Datos
Cognoa
5:00 pm
Fin del segundo día de la conferencia
Cierre lasetiquetas seleccionadas:
Talleres - jueves, 7 de junio de 2018
08:30 am
Habitación: Emperadores I
Taller de capacitación posterior a la conferencia
The Deadly Dozen: Los 12 principales errores de análisis y las técnicas para derrotarlos
Todo el día: 8:30 a.m. - 4:30 p.m.
Esta sesión de un día revela los errores sutiles que los analistas suelen hacer cuando enfrentan un nuevo
desafío (la "docena mortal") y explica claramente los métodos avanzados que los expertos experimentados
utilizan para evitar esas trampas y crear modelos precisos y confiables. Haga clic en el título del taller
anterior para obtener una descripción completamente detallada.
Líder
John Elder
Fundador y Presidente
Elder Research
Habitación: Emperadores II
Taller de capacitación posterior a la conferencia
Predicción de sobrealimentación con modelos de conjunto
Todo el día: 8:30 a.m. - 4:30 p.m.
Este taller se sumerge en los enfoques de conjunto clave, incluidos Embolsado, Bosques Aleatorios y
Estimulación Gradual Estocástica. Haga clic en el título del taller anterior para obtener una descripción
completamente detallada.
Líder
Dean Abbott
Cofundador y Chief Data Scientist
SmarterHQ
Habitación: Pompeya III
Taller de capacitación posterior a la conferencia
Modelos Uplift: optimizando el impacto de su comercialización
Todo el día: 8:30 a.m. - 4:30 p.m.
Este taller demuestra cómo crear modelos de elevación (también conocidos como modelos net lift) que
optimizan el impacto incremental de las campañas de marketing, cubriendo los pros y los contras de varios
enfoques analíticos básicos. Haga clic en el título del taller anterior para obtener una descripción
completamente detallada.
Líder
Kim Larsen
Director de Marketing Analytics
Uber
Habitación: Pompeian IV
Taller de capacitación posterior a la conferencia
Spark on Hadoop para Machine Learning: Laboratorio de manos libres
Todo el día: 8:30 a.m. - 4:30 p.m.
Obtenga la potencia para extraer señales de Big Data por su cuenta, sin depender de los ingenieros de datos y
especialistas de Hadoop. Haga clic en el título del taller anterior para obtener una descripción
completamente detallada.
Líder
James Casaletto
Arquitecto Senior Solutions
Tecnologías MapR
4:30 pm
Fin del taller