Pie & AI Kyiv: From Data to Prediction — TensorFlow, Keras та BigQuery ML

16 вересня 2026 року відбудеться наступна онлайн-зустріч Pie & AI Kyiv Meetup у межах глобальної ініціативи Pie & AI від DeepLearning.AI.

Темою зустрічі стане «From Data to Prediction» («Від даних до прогнозування»). Цього разу основну увагу буде приділено практичному розумінню того, як моделі машинного навчання працюють із даними, навчаються знаходити в них закономірності та формують прогнози.

Захід орієнтований насамперед на початківців, однак буде корисним усім, хто цікавиться штучним інтелектом, машинним навчанням, аналізом даних, Python та практичним застосуванням AI.

Від традиційного програмування до машинного навчання

Першу частину зустрічі буде присвячено фундаментальній відмінності між традиційним програмуванням і машинним навчанням.

У традиційному програмуванні розробник визначає правила, за якими програма перетворює вхідні дані на результат. У машинному навчанні підхід змінюється: алгоритм отримує дані та приклади результатів і на їх основі намагається самостійно виявити закономірності.

Окремо розглянемо базові принципи роботи нейронних мереж: що таке вхідні ознаки, навчальні дані, цільові значення, процес навчання моделі та отримання прогнозу.

Практична частина: TensorFlow та Keras

Теоретичні принципи одразу перевіримо на практиці. Для демонстрації буде використано фінансові ринкові дані, на основі яких ми пройдемо основні етапи типового machine learning workflow:

• отримання та підготовка даних;
• визначення вхідних ознак і цільової змінної;
• поділ даних на навчальну та тестову вибірки;
• побудова простої нейронної мережі;
• навчання моделі;
• отримання прогнозів;
• візуалізація результатів;
• оцінювання якості моделі.

Для практичної демонстрації використовуватимуться Python, TensorFlow та Keras. Таким чином, учасники зможуть побачити повний шлях від початкових даних до результату роботи нейронної мережі.

Чи обов'язково використовувати Python?

Окремий короткий блок буде присвячено іншому підходу до predictive analytics — використанню SQL та Google Cloud BigQuery ML.

Мета цього прикладу — продемонструвати, що робота з моделями машинного навчання не обмежується одним технологічним стеком. Залежно від завдання та середовища частину ML-процесів можна реалізовувати безпосередньо засобами SQL.

Таким чином, протягом зустрічі ми порівняємо два практичні підходи: Python + TensorFlow/Keras та SQL + BigQuery ML.

Чи справді AI може передбачити фінансовий ринок?

Фінансові дані використовуватимуться виключно як навчальний приклад, який дозволяє наочно пройти весь цикл створення та перевірки моделі машинного навчання.

Окрему увагу буде приділено правильній інтерпретації результатів. Наявність прогнозу моделі ще не означає здатності достовірно передбачати майбутню поведінку фінансового ринку.

Ми розглянемо питання якості даних, похибок прогнозування, перенавчання (overfitting) та інших обмежень, які необхідно враховувати під час оцінювання результатів роботи ML-моделей.

Матеріали зустрічі не є інвестиційною рекомендацією чи фінансовою порадою. Фінансові часові ряди використовуються виключно для демонстрації принципів машинного навчання.

Привітання від DeepLearning.AI

Зустріч планується розпочати з короткого відеопривітання Andrew Ng та команди DeepLearning.AI для спільноти Pie & AI, після чого перейдемо безпосередньо до навчальної програми.

Програма зустрічі

• 16:00–16:05 — Welcome and Pie & AI Introduction
  Відкриття зустрічі, привітання та коротке представлення Pie & AI.
• 16:05–16:15 — From Traditional Programming to Machine Learning
  Як машинне навчання змінює традиційне співвідношення між даними, правилами та результатами.
• 16:15–16:25 — Understanding Neural Networks
  Вступ до принципів роботи нейронних мереж та навчання на даних.
• 16:25–16:35 — From Financial Data to an ML Problem
  Підготовка фінансових даних та визначення inputs, targets, training data і test data.
• 16:35–16:50 — Practical Demo: TensorFlow/Keras
  Побудова, навчання та оцінювання простої нейронної мережі на фінансових даних.
• 16:50–17:00 — Machine Learning with SQL: BigQuery ML
  Коротка демонстрація альтернативного SQL-підходу до predictive analytics у Google Cloud.
• 17:00–17:10 — What Does a Prediction Actually Tell Us?
  Оцінювання моделі, якість даних, overfitting, обмеження та відповідальна інтерпретація прогнозів.
• 17:10–17:15 — Open Discussion and Q&A
  Відкрита дискусія та відповіді на запитання.

Відкрита дискусія

Завершальна частина Pie & AI Kyiv традиційно передбачатиме можливість обговорити представлені підходи, поставити запитання та поділитися власним баченням практичного застосування машинного навчання.

Усі бажаючі учасники матимуть можливість висловити власну думку щодо розглянутих питань. За наявності зацікавленості за результатами зустрічі може бути підготовлено збірник коротких тез учасників із подальшою публікацією у відкритому доступі.

Для кого цей захід?

Зустріч розрахована насамперед на початковий рівень знань у сфері AI. До участі запрошуються студенти, розробники, аналітики, дослідники, представники професійних спільнот та всі, хто цікавиться:

• Artificial Intelligence та Machine Learning;
• нейронними мережами;
• Python;
• TensorFlow та Keras;
• аналізом даних;
• фінансовими даними та Financial Engineering;
• Google Cloud і BigQuery ML.

Для участі не потрібні поглиблені знання у сфері штучного інтелекту.

Інформація про захід

Дата: 16 вересня 2026 року
Час: 16:00–17:15 (Europe/Kyiv)
Формат: онлайн
Мова: українська
Рівень: Beginner
Організатор та спікер: Valentyn Verovkin

Реєстрація

Участь у заході передбачає реєстрацію через офіційну сторінку DeepLearning.AI на Eventbrite:

Зареєструватися на Pie & AI Kyiv: From Data to Prediction

---

Про Pie & AI

Pie & AI — це глобальна серія локальних зустрічей DeepLearning.AI, які незалежно організовуються учасниками міжнародної AI-спільноти. Формат поєднує навчання, практичну роботу з AI, професійні дискусії, обмін досвідом та спілкування між учасниками.

Організатор: Valentyn Verovkin