Wnioski z cudzych błędów to podobno najlepsza forma nauki. Dlatego podczas prezentacji opowiem o wpadkach, jakie popełniłem przez ponad 10 lat programowania. Gdybym mógł się cofnąć w czasie, zmieniłbym wiele. Podczas prezentacji podzielę się więc z Wami moją listą wstydu - zapiszcie i nie powtarzajcie.

Wyszukiwarki tekstowe to szeroki temat, zaczynając w Django od `text__icontains`, a kończąc na dedykowanym indeksie Apache Lucene ze stemmingiem i rankingiem dopasowań. Omówimy zasady działania, wady i zalety za kilku prostszych i bardziej skomplikowanych rozwiązań. Następnie wejdziemy głębiej w narzędzia dostępne w PostgreSQL - rodzaje indeksów, performance i ograniczenia. Pokażę wyniki benchmarków i kompletną implementację rozwiązania w (Django + Postgres), które dobrze sprawdza się u nas na produkcji.

Kiedy pracujemy z szeregami czasowymi, istnienie obserwacji odstających może przysporzyć nam wiele kłopotów. Przede wszystkim dlatego, że mogą nam zaburzać model. Outliery występujące na końcu szeregu czasowego mogą powodować np. zawyżone predykcje. Dlatego tak ważne jest zarówno ich rozpoznanie jak i odpowiednie przypisanie im nowej wartości. Okazuje się, że może być to jednak sporym wyzwaniem, ponieważ klasyczne metody detekcji outlierów nie sprawdzą się, gdy mamy zależność od czasu. W trakcie prezentacji, omówimy potencjalne problemy jakie mogą się pojawić przy detekcji oraz imputacji obserwacji odstających w szeregach czasowych i spróbujemy je rozwiązać. Całość odbędzie się w formie wykładowo-warsztatowej. W pierwszej części pokrótce omówimy problemy i możliwe rozwiązania, a w drugiej części zastosujemy omówioną teorię w praktyce.

Napływ informacji z każdej strony sprawia, że ciężko być na bieżąco ze wszystkim. Ostatnio złapałam się na tym, że nie mam pojęcia co się zmieniło w Pythonie i o wielu rzeczach nie wiem. W końcu odkąd Python 2.7 odszedł nie trzeba się przejmować wsteczną kompatybilnością. A teraz okazuję się, że w Pythonie 3.10 wprowadzono odpowiednik switcha z innych języków. Jak on działa? I co jeszcze mnie ominęło, gdy byłam zajęta innymi rzeczami niż śledzenie trendów? I wreszcie co zrobić by kolejne nowinki pythonowe mnie oraz Was nie ominęły? Na te pytania znajdziesz odpowiedź w tej prezentacji.

Dane dotyczące przeciwciał są zlokalizowne w wielu różnych zasobach publicznych, co utrudnia szkolenie modeli ad hoc i zbieranie zestawów testowych do aplikacji opartych o machine learning. Aby rozwiązać ten problem, opracowaliśmy strukturę, która gromadzi sekwencje przeciwciał oraz informacje strukturalne i eksperymentalne z głównych repozytoriów. Nasze rozwiązanie łączy te dane z wykresem wiedzy specyficznej dla przeciwciał. Taka systematyzacja informacji o przeciwciałach pozwala na wyciągnięcie nowych wniosków na temat ich funkcji terapeutycznych i stworzenie solidnych zestawów danych do uczenia maszynowego.