1. Cyfrowa transformacja - konsekwencje dla biznesu
2. Kiedy warto robić Machine Learning? Skalowalność i algorytmizacja
3. Od czego zacząć? Jak identyfikować miejsca, w których inwestycja w data-driven przyniesie najszybszy i największy wzrost?
4. Podstawowe zagadnienia rozwiązywane przy pomocy Machine Learning
5. Przegląd przykładów modeli użycia rozwiązań opartych o Machine Learning
6. Zasoby niezbędne do stworzenia rozwiązań ML: dane, ludzie, moc obliczeniowa
7. Decyzje strategiczne do podjęcia: Wewnątrz organizacji czy outsourcing? Proof-of-concept czy od razu docelowe rozwiązanie?
8. Analiza opłacalności wprowadzenia rozwiązania ML
9. Robimy Machine Learning - studium przypadku