AI & DATA ENGINEERING MEETUP Чому чистих датасетів більше недостатньо — і як робота з даними еволюціонує від аналізу до інженерії AI-систем

Cпікер
Вадим Гадецький
Lead AI Researcher у Cracken AI
9+ років у ML, Data Science & AI
Former Data Scientist у GlobalLogic
Іван Лапа
1.5 години концентрованого контенту для фахівців, які втомилися чистити дані — і хочуть нарешті будувати системи.
Роадмап для дата-інженера: від аналітики до продакшену — які навички формують кар’єрну перевагу в епоху агентів.
Від датасетів до середовищ: чому AI-агентам потрібні не таблиці, а динамічні умови з контекстом та обмеженнями.
Зареєструватися
12 березня
19:00 за Києвом

Поговоримо про

Що тепер означають «гарні дані»

Чому чистих датасетів більше недостатньо. Що змінилося з появою AI-агентів. Який підхід до даних потрібен сьогодні.

Чому сучасний AI — це системи, а не тільки моделі

Яку роль відіграє дата-інженерія. Як будуються продакшен AI-системи. Що крім моделі має працювати.

Де ламаються ML-проєкти на шляху до продакшену

Чому проблема не в моделях. Що відбувається з пайплайнами, джерелами і схемами даних у реальних системах.

Як AI-агенти змінюють роль даних

Чому агентам потрібні не датасети, а середовища. Що таке динамічні умови і як їх створювати.

Кому буде корисно?

Data Analysts, які хочуть зростати далі

Тим, хто вже працює з даними, але відчуває, що знання не складаються в систему. Тим, хто хоче перейти в Data Engineering або ML Engineering.

Data Scientists, чиї моделі не доходять до продакшену

Тим, хто будує моделі в ноутбуках, але стикається з прірвою між експериментом і реальною системою. Тим, хто хоче закрити цю прогалину.

ML Engineers і Software Engineers, які переходять в AI

Тим, хто вже працює з пайплайнами і контейнерами, але відчуває хаос. Тим, хто хоче зрозуміти, як будувати production-ready AI-системи.

Програма мітапу

1

Історія: як змінювалося поняття «гарних даних»

Від перших ML-моделей до сучасних AI-агентів — еволюція вимог до даних за 10 років. Що було достатньо тоді і чого бракує зараз.
2

Діагностика: де і чому ламаються ML-проєкти

Розбір типових точок відмови на шляху від ноутбука до продакшену. Джерела, схеми, пайплайни — де губиться стабільність.
3

Системи: як будується продакшен AI-рішення

Архітектура, пайплайни, інтеграції — що крім моделі має працювати. Роль дата-інженерії в сучасних AI-системах.
4

Практика: як створювати середовища для агентів

Симуляція реальних умов, тестування поведінки, робота з неповними даними. Як будувати environments для AI-агентів.
5

Q&A і розбір кейсів учасників

Відповіді на запитання, розбір конкретних ситуацій із вашої практики. Пайплайни, продакшен, агенти — без обмежень.
Зареєструватися
Реєструйтеся на AI & Data Engineering Meetup, щоби розібратися, як змінюється робота з даними в епоху AI-агентів.

Спікер

Вадим Гадецький
Lead AI Researcher
Data Scientist
AI Researcher
ML Researcher
Data Analyst & Game Economy Designer
Іван Лапа

Дані → системи → кар’єрна цінність

Більшість зупиняються на аналітиці та чистих датасетах. Питання в тому, хто зможе будувати системи, коли дані перестають бути головним активом. Реєструйтеся на AI & Data Engineering Meetup.
Ви отримаєте:
1.5 години інсайтів від практика про те, як змінюється робота з даними, коли моделі стають агентами.
Розуміння нової цінності дата-навичок: які компетенції посилюються в епоху агентів, а які втрачають значущість.
Реальні кейси та приклади: пайплайни, продакшен-системи, середовища для AI-агентів.
Q&A-сесію: обговорення питань про пайплайни, продакшен і перехід від аналітики до інженерії AI-систем.

Організатор вебінара

Онлайн-університет ІТ-лідерів

Партнери

IT Ukraine Association Logo
Woolf Logo
Horizon Capital Logo

Відгуки студентів

Обрав Neoversity, щоб мати можливість поєднувати роботу та навчання на магістратурі з отриманням диплому європейського зразка, оскільки я живу і працюю в Чехії.
Після року навчання можу сказати, що дисципліни цікаві і логічно побудовані...
Serhii Mishovych
Студент в Neoversity
Я працюю QA Engineer і маю магістерську освіту за економічним напрямом. Обравши магістратуру Neoversity за напрямком Data Science, я шукала не просто диплом, а реальні знання, які допоможуть освоїти нову перспективну професію.
Елена Кациашвили
QA Engineer в GlobalLogic
Навчаюся в магістратурі в Neoversity на напрямі Computer Science — і це реально кайф! Матеріал подається дуже логічно та доступно: і на лекціях, і в конспектах усе чітко та послідовно. Лектори завжди відкриті до питань і все пояснюють до кінця.
Svitlana Otenko
Студент в Neoversity
Я також позитивно вражена навчанням у Neoversity. Навчання практично орієнтоване: весь матеріал завжди подається на реальних прикладах. По-перше, це цікаво, а по-друге, одразу демонструє підхід до розв’язання реальних кейсів.
Daria Honcharuk
Front-End Dev в Check24
Одне з головних вражень від Neoversity – їхній клієнтоорієнтований підхід. 
Гнучкість у підході, якісний матеріал та підтримка на кожному етапі роблять навчання ефективним та приємним. Видно, що тут дійсно цінують студентів...
Anton Kolvakh
Студент в Neoversity
Дуже подобається навчання в Neoversity. Вдалося отримати сучасні навички, розширити горизонти та познайомитися з чудовими людьми. Також дуже сподобалася велика кількість додаткових елективів і мінікурсів, а також достатній час із викладачами.
Antonina Sych
Full Stack Developer
Здобуваю другу вищу освіту в Neoversity за напрямком Data science/data analytics. Враження позитивні. Прогрес дійсно відчувається, адже є багато практики та вивчаються різні технології/інструменти для роботи з даними. Також команда Neoversity проводить різноманітні онлайн-зустрічі зі студентами...
Sergii S.
Студент в Neoversity

Про нас пишуть

Forbes LogoДія Logodev.ua  Logoain  LogoУніан  LogoFedorov  LogoIT Ukraine  LogoLiga.net  LogoHighload Logomc.today  LogoKharkiv IT Cluster  LogoSpeka LogoDOU LogoLviv IT Cluster Logo
Forbes LogoДія Logodev.ua  Logoain  LogoУніан  LogoFedorov  LogoIT Ukraine  LogoLiga.net  LogoHighload Logomc.today  LogoKharkiv IT Cluster  LogoSpeka LogoDOU LogoLviv IT Cluster Logo
Forbes LogoДія Logodev.ua  Logoain  LogoУніан  LogoFedorov  LogoIT Ukraine  LogoLiga.net  LogoHighload Logomc.today  LogoKharkiv IT Cluster  LogoSpeka LogoDOU LogoLviv IT Cluster Logo

FAQ

Чи буде івент корисним, якщо я працюю з даними, але не маю досвіду в ML?

Так, якщо ви вже знаєте Python, Pandas або SQL і хочете зрозуміти, куди рухається індустрія. Ми говоритимемо не про базові навички, а про перехід від аналітики до інженерії AI-систем.

Мітап платний?

Ні, участь повністю безплатна. Вам потрібно лише зареєструватися, щоб отримати доступ до трансляції та бонусних матеріалів.

Чи можна буде ставити запитання спікерам?

Так. Після доповідей буде Q&A-сесія: ви зможете поставити запитання в чаті під час ефіру.

Хто організатор?

Мітап організовує Neoversity — IT-університет, що навчає будувати продукти з AI: від ідеї до запуску. Серед програм — магістратура з AI Product Management.
Пропустити цей івент означає продовжувати працювати з даними так, як це робили п’ять років тому.

Дізнайтеся, як змінюється робота з даними в епоху AI-агентів

Натисніть «Зареєструватися», щоби почути Lead AI Researcher із Cracken AI