Список учасників школи, які отримали сертифікати, можна переглянути за посиланням.

Якщо Ви не отримали сертифікат, просимо звертатися до Олега Столярчука - oleh.stolyarchuk@lnu.edu.ua.

837

зареєстрованих учасників

 

З усіх питань, пов'язаних з роботою школи, просимо звертатися до контактних осіб.

 

 

Про школу - DES 2024

DES - одна з наймасштабніших ІТ шкіл України, яка щорічно об'єднує кращих фахівців галузі, експертів, менторів та лекторів провідних ІТ компаній, аби передати свої знання та досвід сотням студентів та учнів з різних куточків України.

Мета зимової школи DES 2024

  • Підсилити зацікавлення молоді до новинок галузі серед технічних спеціальностей.
  • Сформувати майданчик для вивчення теоретичних основ та практичних навичок між студенством та ІТ індустрією.

Навчання в школі спрямовано на поглиблене вивчення основ іноваційних освітніх програм:

121. Інженерія програмного забезпечення
121. Високопродуктивний комп’ютинг
125 Кібербезпека та захист інформації
112. Статистика. Статистичний аналіз даних

Приєднуйтесь до нас у 2024 році DES 2024

Тривалість: 22 січня - 4 лютого 2024 року

Формат: Онлайн/можливі ексклюзивні зустрічі офлайн

Особливості навчання: Два паралельні навчальні стріми (CoreA - студенти 1-2 курсу; CoreB - учасники, що мають досвід в ІТ, зокрема студенти 3-4 курсу).

Мова школи: українська/англійська

Цільова аудиторія: Студенти технічних спеціальностей України та закордону.

Тематика школи: Software Engineering, Основи програмування, HPC, IoT, DataScience, Big data, Cloud, DB, Data processing, Аналіз даних, Machine Learning, CV, NLP, Time series, Сфери практичного застосування AI, CyberSecurity, SoftSkills

Досвід

 

DES стала традиційною щорічною школою, що стабільно залучає сотні студентів та учнів з різних куточків України, які прагнуть підкорити сферу ІТ.

 

2020 рік:

  • 31 фахівець з ІТ-індустрії
  • близько 200 учасників
  • 8 компаній-партнерів

2021 рік:

  • 40 фахівців з ІТ-індустрї
  • близько 600 учасників
  • 23 компаній-партнерів

2022 рік:

  • 96 фахівців з ІТ-індустрї
  • близько 700 учасників
  • 16 компаній-партнерів

2023 рік:

  • 70 фахівців з ІТ-індустрї
  • близько 1000 учасників
  • 25 компаній-партнерів

Карта минулорічних учасників

Авдиторія для інформаційного поширення інформації про des

Як взяти участь

Учасники Школи отримають сертифікати 4 кредити ECTS. Для цього необхідно відвідати більше 80% занять Школи. Студентам – учасникам Школи сертифікати можуть бути зараховано як додаткові бали з відповідних профільних дисциплін.

Для участі в Школі необхідно зареєструватися за посиланням http://des.lnu.edu.ua/registration.html

 

 

Тематика школи

(Перебуває на стадії формування. Слідкуйте за змінами)

Мachine learning 

  • Supervised Machine Learning 
  • Unsupervised Machine Learning 
  • Reinforcement Machine  Learning 
  • Deep learning 
  • CV, Image recognition and classification 
  • NLP, Speech recognition, Audio recognition, Text recognition and emotion detection 
  • Deep learning for forecasting 
  • Transformers 
  • Generative models, GAN, Diffusion models 
  • End-to-end Machine learning projects/models to solve practical problems 

Machine Learning toolchain 

  • Numpy, Pandas, Scikit-learn 
  • TensorFlow, Keras, PyTorch 
  • Apache MXNet 
  • OpenCV 
  • OpenAI Gym, Apache Airflow 

High-performance computing 

  • Fundamentals of parallel, hybrid and distributed computing 
  • Getting Started with Jetson Xavier NX Developer Kit 
  • Getting started with Google Coral's TPU USB Accelerator or/and Google Coral Development Board 

Cloud services and technologies. Cloud computing 

  • Amazon Web Services 
  • Google Cloud Platform 
  • MS Azure 

Big Data 

  • Big data frameworks: Spark, kafka, hadoop, databricks.  
  • Big Data in AWS 
  • Big Data in GCP 
  • Big Data in Azure 
  • Big Data Visualization 

Databases 

  • Relational, non-relational, distributed databases 
  • Data warehouse, ETL, Data Workflows 

Data processing 

  • Data processing. Візуалізація даних. PowerBI, Tableau 
  • Data mining: RapidMiner. Weka. Pyrhon for data mining 
  • ETL/Data Workflows 

Data analysis 

  • Statistical data analysis 
  • Biostatistics 
  • Data analytics 
  • Predictive Analytics 
  • Crawlers 
  • Web analytics 
  • Business analytics 
  • Analytics platform: Microsoft Power BI, Tableau, SAP Analytics. 
  • Optimization tasks 
  • Recommender systems 
  • Time Series Analysis 

Mobile development 

  • Android 
  • iOS 
  • Flutter 
  • Kotlin Multiplatform for Cross-Platform Mobile Development 
  • React Native for mobile 
  • Integration of artificial intelligence systems in mobile development 
  • Distribution of mobile applications 

Web development 

  • Web development using Flask / Django 
  • Authentication methods for web services 
  • Organization of infrastructure and deployment of web services 
  • Web analytics, Social network analysis, Crawlers, analytical platforms 
  • Integration of artificial intelligence systems in web development 
  • JavaScript 

Python 

  • Python basics 
  • Python for data analysis 
  • Python for visualization 
  • Python for data mining 

Programing 

  • JavaScript, C/C++, Python, Java, Kotlin, Swift. React Native, Flutter  

IoT, IIoT, AIoT  

  • Internet of Things, Industrial Internet of Things, Artificial Intelligence of Things 
  • Embedded systems. Edge computing 
  • AIoT (Artificial Intelligence of Things) 

Git, Data Version Control (DVC) 

CyberSecurity 

  • New types of attacks, analysis and protection 
  • Types of vulnerabilities and how to deal with them 
  • How to properly build a defense 
  • New tactics and strategy selection in SOC creating 
  • Artificial intelligence and machine learning for anomaly detection 
  • Anti-phishing and anti-malware 
  • Cryptology and encryption 
  • Information security management 
  • Security of computer networks and the Internet 
  • Privacy and protection of personal data 
  • Organizational and legal issues of information security 
  • Teamwork and presentation skills 
  • The latest approaches to the training of cyber security specialists 

Soft Skills 

  • Communication 
  • Collaboration and teamwork 
  • Time management and organization 
  • Empathy / Emotional intelligence 
  • Owning up to errors 
  • Problem solving and creativity 
  • People skills and management 
  • Innovation 
  • Analytical thinking

 

 

Відкриття школи

 

Володимир Мельник - Ректор Львівського національного університету імені Івана Франка

 



Віталій Кухарський - проректор з науково-педагогічної роботи та інформатизації Львівського університету

 



Георгій Дубинський - Заступник Міністра цифрової трансформації України

 



Олександр Кулепін - Заступник голови з питань цифрового розвитку, цифрових трансформацій і цифровізації (CDTO)

 



Андрій Москаленко - Перший заступник міського голови – заступник міського голови з економічного розвитку Львівської міської ради

 



Фургала Юрій - Декан факультету електроніки та комп’ютерних технологій ЛНУ ім. І. Франка

 



Іван Дияк - Декан факультету прикладної математики та інформатики ЛНУ ім. І. Франка

 



Ігор Гуран - Декан механіко-математичного факультету ЛНУ ім. І. Франка

 



Андрій Переймибіда TAC Director Softserve University



Oleh Duhin, Board of Directors Member at ELEKS

 



Nataliia Solina, CSR Lead at N-iX



Олег Леськів, University Program Lead. Education Department Lviv IT Cluster

Martin Braun - Co-Founder at NeuroForge

Спікери

(Перебуває на стадії формування. Слідкуйте за змінами)

Андрій Коркуна, Senior SoftServe Academy Mentor


 

 

Oleksandr Tkachenko, UA West and South Head of EPAM University at EPAM Ukraine

Бази данихTOP-5 recommendations for career growth

 

 

Олег Осташевський - React.js Tech Lead в OTAKOYI

Мікрофронтенд у сучасному фронтенді

  • Загальний огляд мікрофронтенд-архітектури.  
  • Інструменти та технології для розробки.
  • Інтеграція.
  • Переваги та виклики

Василь Ляшкевич Solution Architect GlobalLogic

Generative AI development as a request from industry

Perhaps Generative AI is the most famous technology of today. The power of its influence on the IT business is without exaggeration very great, but there are also many related risks. During the speech, we will understand this technology better, see its strengths and evaluate it from the IT industry's point of view. "

 

 

Білоус Андрій CEO Uitware

Cloud computing fundamentals. How to use cloud services and deploy your code in Azure Cloud.

Під час виступу ми розглянемо концепцію хмари, поговоримо про міфи повязані з хмарою та безпекою, подивимось на різні сервіси в хмарі і задеплоємо свій код. (Бажано мати активну підписку Azure для практичної частини)

 

 

Kseniia Piskun, Junior Software Developer, ELEKS

Cross-platform development simplification with Kotlin Multiplatform

  • Кар'єрні Перспективи та Рекомендації
  • Від Ідеї до Додатка: Крок за Кроком
  • Обговорення кейсів
  • Q&A

 

 

Oleksandra Mokiy, Head of T&D Offic at ELEKS

How can you present yourself perfectly

  • Які причини неуспішної співбесіди?
  • Як вразити на співбесіді через відеозв'язок.
  • Мова тіла – що вона говорить про вас?
  • Як впоратися з тривогою перед співбесідою на роботу
  • "Розкажіть про себе" – чудове запитання. Як відповісти?
  • Загальні запитання на співбесіді
  • Як пройти співбесіду успішно – 10 простих порад для вакантних посад

Андрій Босий – Data Science Architect у MindCraft.ai.

Machine Learning - Computer Vision

1. Завдання CV: робототехніка, автопілот, візуальна одометрія та навігація дронів, автоматизація виробництва, генерація контенту, 3D-моделювання2. Функціональні типи моделей: класифікація, розпізнавання обєктів, рух, семантична і обєктна сегментація, пошук аномалій, склейка зображень, розпізнавання тривимірних обєктів, оптичний потік3. Способи і підходи: статистика, математичні моделі, алгоритми і прикладна математика, згорткові і глибокі нейронні мережі, мультимодальні системи.4. Чому це все або не виходить або дуже складно, довго і дорого.

Vitaliy Bashun, Director of GCP Big Data and Analytics Practice

Introduction to Data Engineering using Google Cloud Platform

This talk is a wide overview of Data Engineering direction in software development. The presentation covers the main aspects and typical tasks a Data Engineer is going to be responsible for during his or her career. Google Cloud Platform can help to build Data Processing systems and Data Platforms faster and easier. The most important GCP tools and services for Data Engineering will be discussed during this session.

Олег Мацкула Head of Development at Profisea

Reinforcement Machine  Learning

1. Що таке Reinforcement Learning?
2. Застосування RL на практиці.
3. Вступ до RL. Що таке Q-Learning?
4. Демо простої моделі Q-Learning.

Борківський Антон, Software Developer at Sigma Software

В рамках воркшопу ми спробуємо вирішити завдання знаходження схожих товарів за обкладинкою, використовуючи OCR, ChatGPT, пошук за зображеннями та класифікатор.

Малий Роман Михайлович, Senior software engineer

Soft skills: The ideal software engineer

Anyone who attention listens to this material will learn how to work more efficiently and enjoy it more

Taras Datsiuk, Middle Software Developer, ELEKS

Web development using Flask / Django

What are frameworks
Features of Django vs Flask
Use cases
Security an flexibility
Conclusions

 

 

Oleksandra Atamanchuk, Recruitment Team Lead Delivery Centers Operations Ukraine SoftServe

основи самопрезентації, необхідність та актуальність розвитку мʼяких навичок, яка від них користь на робочому місці



В'ячеслав Колдовський (Vyacheslav Koldovskyy), Competence Manager, SoftServe.

«Generative AI for Web Developer. Theory.»                                      
«Generative AI for Web Developer. Practical Workshop.»

Сучасне IT швидко трансформується у напрямку застосування генеративного ШІ і особливо це стосується веб-розробників, що створюють рішення, з якими безпосередньо працюють люди.
Генеративний ШІ спрощує та автоматизує створення контенту, що включає текст, графіку та інтерактивні елементи, підвищуючи якість веб-сайтів і додатків.
Практичні кейси включають автоматизоване створення описів продуктів, генерацію унікальних зображень, швидке прототипування інтерфейсів та персоналізацію контенту, реалізацію семантичного пошуку, персоналізованих чатів і т.д.
Це не лише покращує користувацький досвід, але й дозволяє розробникам зосередитися на більш складних та творчих аспектах своєї роботи та підвищити продуктивність.
Ми розглянемо теорію генеративного ШІ та проведемо практичний воркшоп з написанням коду.



Михайло Кропива, ст викладач кафедри кібербезпеки ЛНУ ім. І.Франка

Ключові компоненти, сервіси та процеси захисту організації від сучасних кіберзагроз.

  • Захист організації від кібератак складається із багатьох компонентів, таких як:
  • Централізоване управління  корпоративними інструментами
  • Безпека користувачів/кінцевих точок
  • Безпека інфраструктури
  • Перехід до ZERO TRUST принципів


В даній сесії ми детільніше розглянемо кожну з компонентів, кращі практики і реальні практичні приклади застосування.



Роман Карпюк , аспірант кафедри кібербезпеки ЛНУ ім. І.Франка

CyberSecurity Operation Center - це як?

Як і нащо потрібні центри з протидії кіберзагрозам. Як їх будувати, на що спертись щоб не помилитись. Поговоримо про умовний баланс, між технологіями та фахівцями.І головне, як не зупинятись на досягнутому

Михайло В’ячало, асистент  кафедри кібербезпеки ЛНУ ім. І.Франка

Командна робота. Як побудувати ефективну команду.

 

 

Чакалов Олександр Русланович, Big Data Developer в компанії N-ix

Big data frameworks: Spark, Kafka, Hadoop, Databricks

Big Data World
Hadoop and Dinosaur era
Magic of Apache Spark
Unveiling the Mysteries of Databricks
The Power of Kafka

Artem Zapara, Data Science, Software engineer Avenga

Beyond Slices: Frontiers of 3D Image Segmentation

Доповідь буде присвячена сегментації 3-вимірних зображень за допомогою нейронних мереж. Ми з'ясуємо чим така сегментація принципово відрізняється від сегментації стандартних зображень та які існують тренди в розробці моделей. Зокрема, поговоримо про сучасні методи та архітектури, що роблять революцію у медичній діагностиці та лікуванні, та допомагають аналізувати сейсмічні дані, наприклад, для побудови геологічних карт



Максим Примєров, Strong Middle Embedded Engineer у Intellias

Mastering Sensor Deployment in Linux with Device Tree Overlays

We will dive deep into the world of Linux system architecture, focusing specifically on how device tree overlays provide a dynamic and powerful method for managing hardware configurations, particularly for sensor integration. We'll explore the fundamentals of device tree overlays, their role in the Linux kernel, and how they interact with various sensors to optimize performance and functionality.

 

 

Андреєв Ярослав,  Middle Full Stack Developer at E-Docs

Authentication methods for web services

Лекція складатиметься з теоретичної та практичної частини.
Після цієї лекції ви зрозумієте :
- що таке веб сервіси та автентифікації і як це все працює під капотом;
-  що таке Cookies-Based Authentication, Authentication Using Tokens (JWT), Third-party access (OAuth, API token), OpenID та SAML;
-  які є види автентифікації, їх переваги та недоліки, та на практиці ми реалізуємо кілька з вивчених алгоритмів;
- яким чином захистити свій веб-застосунок від кіберзагроз. Окрім цього ми спробуємо себе в ролі хакерів, знайдемо вразливості в алгоритмах і виконаємо CSRF, XSS атаки на тестових прикладах.

учасник журі

Віталій Мірошниченко, Lead Software Engineer GlobalLogic

"Модель лінійної регресіх для пошуку оптичного потоку" (Applications of linear regression to optical flow).

Лекція і практика будуть присвячен моделі багатовимірної лінійної регресії та її застасуванню у задачах комп'ютерного зору. Ми розберемо теорію цієї моделі та теорію оптичного потоку для аналізу зображень, розпізнаватимемо рух на статичній камері.

 

 

Ruslan Doroshchuk, Senior Software Engineer, GlobalLogic

Media and SmartTV Development. Key platforms in a nutshell.

Розробка VOD додатків під СмартТВ: основні ТВ вендори, функції, фреймворки і підходи.

Олена Винокурова, професорка кафедри кібербезпеки ЛНУ ім.І.Франка

Глибока стеганографія (ч.1)

Глибока стеганографія - це використання методів глибокого навчання, зокрема нейронних мереж, для приховування інформації в цифрових носіях, таких як зображення, аудіо- чи відеофайли. Власне, стеганографія - це практика приховування повідомлення в іншому фрагменті даних, щоб уникнути його виявлення.

 

 

Дмитро Пелешко, професор кафедри кібербезпеки ЛНУ ім.І.Франка

Глибока стеганографія (ч.2)

Глибока стеганографія відрізняється від традиційних методів тим, що використовує можливості нейронних мереж для вбудовування інформації у спосіб, майже непомітний для людського ока чи вуха. Ці нейронні мережі навчені кодувати і декодувати повідомлення, гарантуючи, що прихована інформація буде непомітно інтегрована в оригінальний медіаконтент.

 

 

Yarema Okhrin, Professor, Universität Augsburg (Germany)

Modelling and Monitoring Network Data

Many types of data have network-type structure, for example, social media networks, international trade networks, financial networks, terrorist networks. This is different from the classical numeric univariate/multivariate data, since the network is characterized by nodes and edges. While modelling a network we try to characterize is: is it a dense network or a sparse one, how to measure the importance of the nodes/players, how to compare two networks, etc. The second part of the talk we will focus on the dynamics of a network and particularly on detection of changes in the network. Here we will discuss a reasearch paper with my coauthors from University College London and University of Glasgow.

 

 

Валерій Трушевський, доцент кафедри кібербезпеки ЛНУ ім. І.Франка/ Software Architect

Криптографічні методи та їх застосування

  • Еволюція розвитку від класичних криптосистем античних часів до сучасних криптосистем (криптосистеми з відкритим ключем).   
  • Поняття ефективності та надійності криптосистем, різновиди криптоаналізу. Переваги та недоліки симетричних та асиметричних криптосистем.
  • Криптографічні геш-функції.  
  • Приклади застосування сучасних криптосистем (AES, RSA, Diffie–Hellman key exchange): електронно цифровий підпис, криптографічні протоколи TLS/SSL, SSH, бібліотека OpenSSL, цифровий сертифікат.

 

 

Микола Щербина, аспірант кафедри кібербезпеки ЛНУ ім. І.Франка

Атаки на початковий завантажувач: методи, наслідки, протидія.

  • функції початкових завантажувачів (Bootloader);
  • етапи процесу завантаження, починаючи з Boot ROM;
  • ланцюг довіри (Chain of Trust);
  • початковий завантажувач як значущий об'єкт атаки;
  • програмні атаки на завантажувач;
  • методи протидії програмним атакам;
  • апаратні атаки на завантажувач;
  • методи протидії апаратним атакам.

 

 

Taras Ustyianovych, Lead Software Engineer, EPAM

Виявлення упереджень та дизінформації в режимі реального часу засобами AI та ML

З цієї доповіді Ви дізнаєтесь наступне: - Новітні технології та стратегії виявлення оманливого контенту, моделювання тематик і класифікації тексту в режимі реального часу. - Виклики та можливості виявлення контенту, що вводить в оману, в епоху веб-комунікацій. - Зацікавлені "стейкхолдери" і їхні проблеми та очікування. - Конкретні приклади успішних і поточних досліджень у сфері виявлення дизінформації.

Mariia Ishchenko, People Advisory Specialist, EPAM

Через soft-skills до успіху в житті та кар'єрі

визначення софт-скілз і їхнього місця в розвитку кар'єри - оновлення переліку актуальних гнучких навиків - можливості для розвитку софт-скілз для новачків

 

 

Oksana Lebedovych, Senior Business Analyst, EPAM

Що таке Бізнес Аналіз у ІТ?

Хто такий бізнес аналітик  -Зони відповідальності бізнес аналітика впродовж усього SDLC -Які навички є важливими для бізнес аналітика

 

 

Олександр Єфремов , асистент кафедри кібербезпеки ЛНУ ім. І.Франка

Основи git . Базові принципи роботи з git.

Внутрішнє представлання інформації

Ігор Беляєв, аспірант кафедри кібербезпеки ЛНУ ім. І.Франка

Організація CTF змагань.

 

 

Marian Fediv, Software Engineering Team Leader, EPAM

All you need  to know about  Big Data (Data Software Engineering)

Що таке Big Data, характерити великих даних; - Мотивація використання технологій зі світу Big Data; - Міфи навколо Big Data; - Що повинен знати Data Software Engineer, Big Data Ecosystem;

 

 

Базилевич Ірина, доцентка кафедри математичної статистики і диференціальних рівнянь, ЛНУ ім.І.Франка

Теорія ймовірностей в реальному житті

Розглянемо приклади використання теорії ймовірностей. Познайомимося з поняттями і термінами, за допомогою яких проводять моделювання ситуацій оточуючого світу.

Ірина Мисюк, Senior Software Test Automation Engineer, асистент кафедри системного проектування ЛНУ ім. І. Франка

Possibilities of using non-relational databases

Possibilities of using non-relational databases


Ярова Оксана, доцентка кафедри математичної статистики і диференціальних рівнянь, ЛНУ ім. І. Франка

Вступ до статистики

Розглянемо основи математичної статистики. Зокрема, описову статистику, оцінювання параметрів та перевірку гіпотез. Поговоримо про параметричні та непараметричні критерії.

Головатий Юрій, професор кафедри математичної статистики і диференціальних рівнянь, ЛНУ ім. І. Франка

PageRank: Mathematics Behind Google Search

Доповідь буде присвячена алгоритму ранжування інтернет-сторінок, який використовує пошуковий сервіс Google. Ми поговоримо про те, як з-поміж десятків тисяч сторінок, які формально відповідають вашому пошуковому запиту, алгоритм PageRank вибирає і пропонує вам прочитати найбільш релевантні сторінки, які перевірені і схвалені інтернет-спільнотою, як цей алгоритм відкидає недостовірну та фейкову інформацію. Ми також побачимо, яка математика лежить в основі алгоритму, що приніс корпорації Alphabet мільярдні прибутки.

Головата Оксана, доцентка кафедри теорії функцій і функціонального аналізу, ЛНУ ім. І. Франка

Класичний регресійний аналіз

Ми ознайомимося з  основними принципами побудови моделі простої  та багатофакторної лінійної регресії. Розглянемо цікаві приклади прогнозування продажів в залежності від ціни товару та заробітної плати в залежності від багатьох факторів (статі, віку, освіти, часткової чи повної зайнятості).

Приклади використання логістичної регресії

Ми ознайомимося з регресійним методом, що застосовують у випадку, коли залежна змінна є бінарною, тобто може набувати тільки двох значень (0 або 1). При запровадженні порогового значення такий метод застосовується при класифікації.

 

 

Бугрій Олег, завідувач кафедри математичної статистики і диференціальних рівнянь ЛНУ ім. І. Франка

Баєсів аналіз даних

Розглянемо цікаві приклади використання математики при прогнозуванні результатів в азартних ігор. Використовуючи алгоритми Монте-Карло, дослідимо характер поведінки користувачів соціальних мереж.

Олександр Терлецький, аспірант кафедри кібербезпеки ЛНУ ім. І.Франка

Розробка ігор. Від ідеї до гри на сторі.

  • Як обрати ідею для гри?
  • Як створити прототип? Та чому це важливо?
  • Як валідувати чи прототип гідний подальшої уваги?
  • Що таке плейтести?
  • Хто такі паблішери?
  • Як зробити гру, яка буде приносити прибуток?

Михайло Олексин, аспірант кафедри кібербезпеки ЛНУ ім. І.Франка

Lock-free структури даних в С++ .

  • Базове керування потоками
  • Обмін даними між потоками
  • Синхронізація багатопоточних операцій
  • Модель пам’яті в С++
  • Дизайн Lock-based структур даних
  • Дизайн Lock-free структур даних

 

 

Романів Олег, доцент кафедри алгебри, топології та основ математики, ЛНУ.

Комп’ютерна алгебра

Розглянемо теоретичні основи використання алгебри в сучасних інфомаційних технологіях, зокрема, в Data Science та машинному навчанні.

 

 

Mykola Stasiuk, Senior Software Engineer, GlobalLogic, ЛНУ ім.І.Франка

Basics of Machine and Deep Learning, Deep Learning models for forecasting.

Розповімо про основи моделі машинного та глибокого аналізу

 

 

Yurii Tsydzenko, Node.js back-end developer and DevOps, ЛНУ ім.І.Франка

Web Development (Programming and architecture)

Розповімо про веб програмування та побудову архітектури

Oleh Sigunov, Java Software Engineer, ЛНУ ім.І.Франка

Amazon Web Services and Big Data in AWS

Розповімо про хмарні середовища та роботу з великими даними у них.

Markiyan Fostiak, Software Engineering Lead, ЛНУ ім.І.Франка

Data engineering: Data warehouse and Data Workflows

Розповімо про роботу з даними, сховище даних і робочі процеси даних

Ihor Drozdov, ЛНУ ім.І.Франка

Освітні програми механіко-математичного факультету

Supervised Machine Learning Unsupervised Machine Learning Reinforcement Machine  Learning

Maksym Skorupskyi, Lead Data Engineer, ЛНУ ім.І.Франка

Google Cloud Platform and Modern Data Stack on GCP.

Розглянемо платформу хмарних обчислювальних сервісів та сучасний стек технологій для роботи з даними.

Ivan Bulka, Senior Data Scientist / Deep Learning Engineer, ЛНУ ім.І.Франка

Using  large language models for decision making

Використання великих мовних моделей для вирішення повсякденних задач. Їх різновиди, переваги і недоліки.

Bohdan Buhrii, Senior Software Engineer, ЛНУ. ім. І. Франка

Object Detection with Convolutional Neural Networks

Розглянемо основні підходи до вирішення цих задач за допомогою згорткових нейронних мереж. Зокрема, звернемо увагу на підзадачі та принципи роботи систем розпізнавання об'єктів та сучасні інструменти, які можуть стати в нагоді і значно простити процес розробки.

Oleh Dutsiak, Senior Software Engineer, ЛНУ ім. І.Франка

Artificial Intelligence ecosystem and Machine Learning platform in Azure

Розглянемо основні можливості інфраструктури штучного інтелекту та інструментів машинного навчання, що надає хмарна платформа Microsoft Azure. Доповідь також включатиме демонстрації використання цих сервісів, успішні випадки їх застосування, а також поради з ефективного їх використання.

Maksym Yakubovych, Engineering Manager, ЛНУ ім. І. Франка

Cross-team and cross-project cooperation & collaboration.

Команди, їх структура, взаємодія між командами. Підходи, моделі і засоби організації.

Малоїд-Глєбова Марта, доцентка кафедри алгебри, топології та основ математики, ЛНУ.

Практичне використання критичного мислення

Розглянемо основи критичного мислення та приклади його використання, зокрема, для аналізу і протидії інформаційно-психологічним операціям (ІПСО) в умовах війни.

Саган Андрій, асистент кафедри алгебри, топології та основ математики, ЛНУ

Практичне використання комп’ютерної алгебри

Дуже важко знайти таку сферу Data Science чи машинного навчання, в якій не використовується алгебра. Причому не тільки її основні методи, на кшталт операцій з векторами та матрицями, а й просунуті на зразок сингулярного розкладання матриці (Singular Value Decomposition, SVD), методу головних компонент (Principal Component Analysis, PCA) та методу опорних векторів (Support Vector Machines, SVM). Поговоримо про це. І про застосування цього.

Власов Віталій, Core Contributor at Status.im, Co-founder at SmartRockStars, асистент кафедри математичної статистики і диференціальних рівнянь, ЛНУ

Системи обміну зашифрованими повідомленнями

Під час курсу слухачі навчаться створювати прості застосунки для обміну шифрованими повідомленнями. В ході роботи слухачі описуватимуть протоколи обміну даними та збиратимуть статистику по користуванню розподіленою системою. Буде дано навички створення документації для багатомодульної програмної архітектури та роботи над нею у командному середовищі.

Лисецький Тарас, асистент кафедри математичної статистики і диференціальних рівнянь, ЛНУ

Візуалізація даних в Python

Розглянемо стандартні бібліотеки Python для візуалізації даних. Навчимося подавати результати статистичних досліджень.

 

 

Організатори

Організатором зимової школи є Львівський національний університет імені Івана Франка

Роман Шувар, завідувач кафедри системного проектування факультету електроніки та комп’ютерних технологій

Олег Бугрій, завідувач кафедри математичної статистики і диференціальних рівнянь механіко-математичного факультету

Петро Венгерський, завідувач кафедри кібербезпеки факультету прикладної математики та інформатики

Лабораторія технологій штучного інтелекту

Центр маркетингу та розвитку університету.

 

 

За підтримки

Офіційний партнер

Партнери

Учасник

Інформаційні партнери

Якщо Ви компанія, що спеціалізується у напрямку інженерії ПЗ, аналізу даних та кібербезпеці, Ви можете підтримати реалізацію проекту та стати спікером або ментором школи.

Щодо деталей пишіть на email marketing@remove-this.lnu.edu.ua

 

 

 

Конкурс проєктів

1) В межах Школи DES традиційно проводиться конкурс командних проєктів учасників школи. До розгляду приймаються проєкти які містять добре обґрунтовану ідею, наприклад, комп’ютерного застосунку, який повинен приносити економічну та/або соціальну користь для суспільства/користувача. Команда має розробити детальний план реалізації та впровадження цієї ідеї. Окремо буде виділено проект, що матиме на час завершення школи (можливу, часткову) технічну реалізацію чи впровадження. Захист проєктів проходитиме в п’ятницю (2 лютого). Про урочисте вручення призів переможцям конкурсу проєктів повідомимо пізніше.

2) Для захисту проєкту кожна команда матиме до 15хв (до 7 хв на виступ та до 8хв для відповідей на запитання журі). Підготовка до свого виступу ведеться поки на запитання відповідає попередня команда.

3) Обов’язковим елементом захисту проєкту є наявність файлу-презентації (pdf, pptx, тощо), який надсилають оргкомітету Школи заздалегідь. В цьому файлі повинна бути представлена така інформація:
    • назва та дуже короткий опис проєкту;
    • учасники команди та ментор (за наявності);
    • актуальність теми проєкту;
    • аналіз/наявність на ринку конкурентних розробок за темою проєкту;
    • отримані результати роботи (це основна частина презентації);
    • соціальне значення чи комерційна цінність проєкту;
    • перспективи продовження роботи над проєктом після завершення цієї школи.

4) Крім основного файлу презентації, команда має право використовувати допоміжні файли/засоби тощо.

5) З метою економії часу та уникнення технічних проблем з представленням проєктів команди мають в ЧЕТВЕР після завершення занять в школі надіслати в особистий слек-канал користувачу Oleh Buhrii файл основної презентації свого проєкту.

6) Бажаним є участь кожного представника команди в презентації результатів її роботи з вказанням чітких його обов’язків в команді.

7) Кожен ментор характеризує свою команду, зокрема, звертаючи увагу на таке:
    • якість командної роботи;
    • психологічна атмосфера в команді;
    • досягнення командою поставленої мети.
 

 

 

 

 

 

 

Змагання CTF

Під час роботи Школи в дні кіібербезпеки буде проведено змагання CTF (Capture the Flag) 1 лютого 2024 року з 14:00 год до 18.00 год. онлайн.
Capture The Flags (CTF) є змаганням із захисту інформації та комп’ютерної безпеки. Команди учасників протистоять одна одній у тесті на навички атаки, захисту та знань документів з інформаційної  безпеки.

Для CTF створено близько 50 завдань у різних категоріях. Команди складаються з 4–5 осіб, які разом будуть працювати над вирішенням завдань. Їм також буде дозволено вибирати, яке завдання розв’язувати. Для участі в змаганнях необхідно додатково зареєструватися за посиланням. Команди можуть бути змішаними з студентів різних факультетів, університетів та закладів освіти.

До участі в змаганнях допускаються тільки зареєстровані учасники школи.

Після реєстрації організаційний комітет змагань CTF вишле всю необхідну інформацію на вашу електронну пошту.

Після закінчення змагань оргкомітет оперативно опублікує підсумкову таблицю результатів. Оголошення підсумків CTF змагань та нагородження переможців відбудеться в останній день роботи школи під час процедури її урочистого закриття.