AiConf

Конференция завершена.

Ждем вас

на AiConf

в следующий раз!

Как ML помогает производить лекарства?

Прочее

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Устали от докладов про RecSys и NLP? Приходите послушать, как машинное обучение трансформирует сферу фармацевтики и ускоряет разработку лекарств! Доклад особенно хорош обзором разных направлений: это и лабораторные исследования, и производство, клинические и доклинические исследования, бэк-офис…

Целевая аудитория

IT-специалисты, желающие расширить кругозор в сфере применения ML в фармацевтической компании.

Тезисы

Ежедневно мы видим, как машинное обучение помогает развивать беспилотный транспорт, улучшать алгоритмы рекомендательных систем в социальных сетях и даже прогнозировать погодные условия с невероятной точностью. Но не стоит забывать и про одну из самых значимых и, пожалуй, одну из самых чувствительных областей применения машинного обучения — фармацевтическую отрасль.

Фармацевтические компании всегда находились на передовой борьбы за человеческое здоровье и благополучие. Но современные вызовы — стремительно распространяющиеся заболевания, необходимость быстрой разработки новых лекарств и вакцин, а также требования к повышению эффективности и снижению затрат — требуют кардинально новых подходов. Машинное обучение открывает перед нами потрясающие возможности, которые еще недавно казались недостижимыми.

В докладе будет рассказано про то, как машинное обучение помогает ускорить и оптимизировать процессы в различных бизнес-доменах нашей компании и какие направления машинного обучения и анализа данных мы для этого используем.

ML-инженер в компании BIOCAD с опытом работы в АСУТП. Занимается MLOps-задачами в команде дата-сайентистов, создаёт ML-сервисы, готовит для них инфраструктуру и выводит в прод.

Team Lead Data Science-команды. Участвует в разработке алгоритмической и технической части всех проектов, выстраивает общий пайплайн разработки, проектирует ML-системы и контролирует исполнение задач. Занимается экспертной, операционной поддержкой команды и ее развитием, поиском новых технологий и методов, отслеживанием трендов их внедрением в рабочий процесс, продвижением ML в компании.

Видео