Николай Рева_Совместная работа Дизайнер + Разработчик

•

1 like•201 views

GeeksLab Odessa

Совместная работа Дизайнер + Разработчик Николай Рева UI/UX designer (TL) at Mobidev Обзор некоторых сервисов для быстрого протипирования и обмена идеями с разработчиком и заказчиком на этапе создания интерфейса. Расскажу о системе подготовки ресурсов для имплементации, которая немного упрощает жизнь разработчику.

режим коментариев

EMAIL: n.reva@mobidev.biz
!
SKYPE: mykola_reva
!
PHONE: 097 221 06 32
!
INSTAGRAMM: http://instagram.com/nick_reva

More Related Content

More from GeeksLab Odessa

DataScience Lab, 13 мая 2017 Сходство пациентов: вычистка дубликатов и предсказание пропущенных диагнозов Виктор Сарапин (CEO at V.I.Tech) Как эффективно определять дубликаты на десятках миллионов пациентов, и как определять пропущенные диагнозы и лечебные действия. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Recent deep learning approaches for speech generation Дмитрий Белевцов (Techlead at IBDI) В последние пол года появилось несколько важных моделей на базе глубоких нейронных сетей, способных успешно синтезировать человеческую речь на уровне отдельных сэмплов. Это позволило обойти многие недостатки классических спектральных подходов. В этом докладе я сделаю небольшой обзор архитектур наиболее популярных сетей, таких как Wavenet и SampleRNN. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Распределенные вычисления: использование BOINC в Data Science Виталий Кошура (Software Developer at Lohika) BOINC - это открытое программное обеспечение для распределенных вычислений. Данный доклад освещает использование приложения BOINC в различных областях науки, которые связаны с обработкой огромных массивов данных, на примере текущих активных исследовательских проектов. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Магистерская программа "Data Science" в УКУ Орест Купин(Master's Student at UCU) В этом докладе я расскажу вам о магистерской программе со специализацией в анализе данных в Украинском Католическом Университете. Я расскажу про структуру программы, основные курсы, а также опишу свой опыт как студента УКУ и поговорю об вызовах с которыми мы столкнулись в этом году. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Cервинг моделей, построенных на больших данных с помощью Apache Spark Степан Пушкарев (GM (Kazan) at Provectus / CTO at Hydrosphere.io) После подготовки данных и обучения моделей на больших данных с использованием Apache Spark встает вопрос о том, как использовать обученные модели в реальных приложениях. Помимо модели важно не забывать про весь пайплайн пре-процессинга данных, который должен попасть в продакшн в том виде, в котором его спроектировал и реализовал дата саентист. Такие решения, как PMML/PFA, основанные на экспорте/импорте модели и алгоритма имеют очевидные недостатки и ограничения. В данном докладе мы предложим альтернативное решение, которое упрощает процесс использования моделей и пайплайнов в реальных боевых приложениях. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 BioVec: Word2Vec в задачах анализа геномных данных и биоинформатики Дмитрий Новицкий (Старший научный сотрудник в ИПММС НАНУ) Этот доклад посвящен bioVec: применению технологии word2vec в задачах биоинфоматики. Сначала мы напомним как работает Word2vec и аналогичные ему методы Word Embedding. Затем расскажем об особенностях Word2vec в применении к геномным последовательностям-- основному виду данных в биоинформатике. Как обучать bioVec, и применять эту технологию к задачам классификации белков, предсказания их функции и др. В заключении мы продемонстрируем примеры кода для обучения и использования bioVec. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Data Sciences и Big Data в Телекоме Александр Саенко (Software Engineer at SoftServe/CISCO) Александр расскажет о некоторых интересных примерах использования Big Data и Data Science в Телекоме: оптимизация сотовой сети, улучшение клиентского опыта, модели прогнозирования местоположения мобильных устройств, предотвращения оттока абонентов, обнаружение фрода и других. Рассмотрит основные современные подходы к их решению на основе алгоритмов машинного обучения. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Высокопроизводительные вычислительные возможности для систем анализа данных Михаил Федосеев ( Архитектор инфраструктурных решений, LanTec) В докладе мы поговорим о hardware стороне систем анализа данных для случаев построения приватных облаков или локальных высокопроизводительных вычислительных кластеров. Рассмотрим какие технологии и комплексные решения от компании Hewlett Packard Enterprise позволяют ускорить процесс анализа данных. Это не только зарекомендовавшие в своей области лучшие в своем сегменте сервера линейки HPE Apollo, а так же высокоскоростные сетевые коммутаторы HPE, но и дополнительные вспомогательные элементы решения, такие как мощные графические карты NVIDIA и хост-процессоры Xeon Phi. Так же будет рассмотрен стек HPE Core HPC Software Stack, который позволяет администраторам контролировать использование ресурсов системы. Все материалы доступны по ссылке: http://datascience.in.ua/report2017

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Мониторинг модных трендов с помощью глубокого обучения и TensorFlow, Ольга Романюк (Data Scientist at Eleks) В течении последних 8 месяцев мы в Eleks работали над системой отслеживания модных трендов, основанной на глубинной остаточной нейронной сети с тождественным отображением. При тренировке сети мы использовали онлайн увеличение объема данных, а также распараллеливание данных по двум картам GPU. Мы создали эту систему с нуля при помощи TensorFlow. В презентации я расскажу о практической стороне проекта, нюансах реализации и подводных камнях, с которыми мы столкнулись во время работы. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

GeeksLab Odessa

DataScience Lab, 13 мая 2017 Кто здесь? Автоматическая разметка спикеров на телефонных разговорах Юрий Гуц (Machine Learning Engineer, DataRobot) Автоматическая аннотация спикеров — интересная задача в обработке мультимедиа-данных. Нам нужно ответить на вопрос "Кто говорит когда?", не зная ничего о количестве и личности спикеров, присутствующих на записи. В этом докладе мы рассмотрим работающие методы для аннотации спикеров на телефонных разговорах. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

GeeksLab Odessa

From bag of texts to bag of clusters Терпиль Евгений / Павел Худан (Data Scientists / NLP Engineer at YouScan) Мы рассмотрим современные подходы к кластеризации текстов и их визуализации. Начиная от классического K-means на TF-IDF и заканчивая Deep Learning репрезентациями текстов. В качестве практического примера, мы проанализируем набор сообщений из соц. сетей и попробуем найти основные темы обсуждения. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

GeeksLab Odessa

Графические вероятностные модели для принятия решений в проектном управлении Ольга Татаринцева (Data Scientist at Eleks) Как часто вам приходится принимать решения, используя знания в определенной предметной области? На сколько хороши такие решения? А теперь представьте, что вы собрали знания лучших экспертов в предметной области. Похоже, что ваши решения, основанные на этих знаниях, будут куда более взвешенными, не так ли? Мы будем говорить о системе ProjectHealth, которая была построена на основе опыта лучших экспертов в проектном управлении в компании Eleks. Для реализации поставленной задачи была использована графовая вероятностная модель, а именно байесовская сеть, имплементированная на Python. За время работы над проектом мы прошли шаги от извлечения требований, поиска данных и построения модели с нуля до реализации BI дашборда с возможностью углубиться в детали, доходя до сырых данных. Сейчас ProjectHealth экономит большое количество времени для топ менеджмента и ресурсов компании, так как мониторит состояние бизнеса в малейших деталях ежедневно и делает это как настоящий эксперт. Все материалы: http://datascience.in.ua/report2017

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Оптимизация гиперпараметров машинного обучения при помощи Байесовской оптимизации Максим Бевза (Research Engineer at Grammarly) Все алгоритмы машинного обучения нуждаются в настройке (тьюнинге). Часто мы используем Grid Search или Randomized Search или нашу интуицию для подбора гиперпараметров. Байесовская оптимизация поможет нам направить Randomized Search в те места, которые наиболее перспективны, так, чтобы тот же (или лучший) результат мы получили за меньшее количество итераций. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

GeeksLab Odessa

DataScienceLab, 13 мая 2017 Как знать всё о покупателях (или почти всё)? Дарина Перемот (ML Engineer at SynergyOne) Раскроем собственный ответ на вопрос "Чего же хочет покупатель?". Поделимся результатами исследований транзакций и расскажем, есть ли у вас домашний питомец. А так же, продемонстрируем, как машинное обучение уже сейчас помогает узнавать вас ближе. Все материалы: http://datascience.in.ua/report2017

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

GeeksLab Odessa

JS Lab 2017, 25 марта Mapbox GL: как работают современные интерактивные карты Владимир Агафонкин (Lead JavaScript Engineer at MapBox) Mapbox GL JS — открытая JS-библиотека для создания современных интерактивных карт на основе WebGL. В разработке более трех лет, она сочетает в себе множество удивительных технологий, сложных алгоритмов и идей для достижения плавной отрисовки тысяч векторных объектов с миллионами точек в реальном времени. В этом докладе вы узнаете, как работает библиотека внутри, и с какими сложностями сталкиваются разработчики современных WebGL-приложений. В докладе: отрисовка шрифтов, триангуляция линий и полигонов, пространственные индексы, определение коллизий, расстановка надписей, кластеризация точек, обрезка фигур, упрощение линий, упаковка спрайтов, компактные бинарные форматы, параллельная обработка данных в браузере, тестирование отрисовки и другие сложности. Все материалы: http://jslab.in.ua/2017

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Под микроскопом: блеск и нищета микросервисов на node.js Илья Климов (CEO at Javascript.Ninja) "- Что это? - Микросервис! - И что он делает? - Микропадает". Про микросервисы сейчас не рассуждает только ленивый. Все рассказывают про то, как микросервисы спасают от сложности разработки, снижают время развертывание и повышают общую надежность систем. Этот доклад - про подводные камни, которые ждут оседлавших волну этого хайпа с Node.JS. Мы поговорим про ошибки, которые стоили мне и моей компании бессонных ночей, потерянной прибыли и, временами, веры в могущество микросервисной архитектуры. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

GeeksLab Odessa

JS Lab2017, 25 марта, Одесса Redux: время двигаться дальше? Екатерина Лизогубова (Coach at JavaScript.Ninja) React + Redux стал стандартом де-факто в разработке приложений на React. Говорим React - подразумеваем Redux. Говорим Redux - подразумеваем React. Однако спустя два года активного использования подобного стека у меня накопилось множество проблем: решаемых и не очень. Так что же - пришло время двигаться дальше на волнах хайпа или старый друг лучше новых двух? Как Redux отравляет жизнь и что с этим делать. Все материалы: http://jslab.in.ua/ Организаторы: http://geekslab.org.ua/

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

GeeksLab Odessa

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

GeeksLab Odessa

JS Lab2017_Lightning Talks_Рекрутинг.js

JS Lab2017_Lightning Talks_Рекрутинг.js

JS Lab2017_Lightning Talks_Рекрутинг.js

GeeksLab Odessa

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

GeeksLab Odessa

More from GeeksLab Odessa (20)

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Блиц-доклад

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Redux: время двигаться дальше?_Екатерина Лизогубова

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_React Perfomance

JS Lab2017_Lightning Talks_Рекрутинг.js

JS Lab2017_Lightning Talks_Рекрутинг.js

JS Lab2017_Lightning Talks_Рекрутинг.js

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

JS Lab2017_Lightning Talks_PostCSS - there is a plugin for that

Николай Рева_Совместная работа Дизайнер + Разработчик

1.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16. режим коментариев

18.

19.

20.

21.

22.

23.

24.

25. EMAIL: n.reva@mobidev.biz ! SKYPE: mykola_reva ! PHONE: 097 221 06 32 ! INSTAGRAMM: http://instagram.com/nick_reva