Конференция Kharkiv IT NonStop: Machine Learning объединит энтузиастов, профессионалов в Machine learning, Artificial intellect и Big Data, Data Science-разработчиков, аналитиков данных, BI-инженеров из разных сфер бизнеса. Лидеры отрасли поделятся опытом и последними достижениями в отрасли, перспективами разработки, новыми методами и подходами в Machine Learning и Data Science
Программа:
— “Building intelligent apps with Microsoft AI platform”
Александр Краковецкий, Microsoft Regional Director, Software Engineer and Architect
Платформа Microsoft AI содержит ряд инструментов и сервисов, позволяющих достаточно легко добавить "интеллект" к вашим программным решениям. Вы можете выбрать как готовые модели, используя Azure ML Studio и Azure Cognitive Services или создать собственные модели с помощью ML.NET. В презентации поговорим об имплементации различных сценариев на базе платформы Microsoft AI.
— “When you should (not) use ML”
Андрей Сорокин, Software Developer, DataArt
Обсудим почему мы программируем компьютеры, и как парадигма перешла от обычного программирования к машинному обучению. Во второй части доклада рассмотрим примеры из области распознавания образов, здравоохранения, финансов и робототехники, иллюстрирующие применимость методов машинного обучения для решения подобных задач, а также ограничения подхода.
— “NI ÞML ÌAI (Of AI and men)”
Антон Долгих, Head of AI, Healthcare and Life Sciences, DataArt
В докладе Антон расскажет о том, что же такое AI и как менялось наше понимание AI со временем. Рассмотрит то, как AI использовался и продолжает использоваться для решения проблем медицины. Расскажет, что AI играет не только в Го, но и в бога. И в финале покажет, какие смелые мечты фантастов прошлого стали частью нашей повседневной жизни.
— “Building Neural Tagger for Natural Texts from Scratch”
Артем Чернодуб, Senior Research Engineer at Grammarly and Associate Professor at UCU
В докладе мы сосредоточимся на решении широко известной проблемы в обработке естественных языков — на проблеме тегирования последовательностей слов с использованием нейросетевого подхода. Мы рассмотрим декомпозицию задачи тегирования для популярной модели BiLSTM+CNN+CRF и изучим внутреннее устройство ее компонентов. Мы обсудим, как реализовать такую модель на фреймворке PyTorch «с нуля» и получить результаты, близкие к state-of-the-art для датасета «NER 2003 shared task».
— "How to do serverless machine learning with scikit-learn on AWS"
Людмила Дежкина, TeamLead, Software Developer, DataArt
AWS SageMaker — сервис, который позволяет аналитикам и разработчикам создавать, обучать и разворачивать модели. Основная цель доклада — показать, насколько быстро и просто может быть построена архитектура при помощи SageMaker API и дать обзор основных встроенных моделей. Людмила покажет полный цикл на примере одного-двух алгоритмов. Во время презентации, суммируем плюсы и минусы “быстрого” старта и обсудим возможность кастомизации существующих моделей и преимущества использования своих алгоритмов.
— "Time series: why forecasting is not easy"
Александр Кондофуров, Data Science Competence Leader, AltexSoft
Временные ряды — особый тип данных, для которого подходят далеко не все привычные подходы и алгоритмы предсказаний. Для них придуманы свои методы декомпозиции, валидации и даже специальные прогностические модели. Несмотря на это, достичь хорошую точность прогнозирования не так просто. В докладе мы рассмотрим различные методы прогнозирования, их сильные и слабые стороны.
— "Interpretable machine learning models"
Влад Колбасин, Lead Data Scientist in Globallogic
В докладе Влад рассмотрит, что такое interpretable models в машинном обучении, зачем они нужны, что значит объяснить модель. Даст обзор подходов и библиотек для объяснения и анализа моделей как в white-box представлении, так и в случае black-box. Покажет пример, как анализ моделей помогает улучшить качество конкретной модели.
— "Azure Cognitive Services for images recognition 101"
Антон Бойко, Founder, Senior Speaker at Ukrainian Microsoft Azure Community and DevOps Evangelist.
Основное преимущество сервиса перед библиотекой в том, что сервис даёт возможность начать что-то делать сразу после его создания. Сервис можно обучать, как и библиотеку. Сервис может продолжать обучаться сам на протяжении работы приложения, как и библиотека. Во время доклада Антон покажет как можно буквально за пару минут создать и начать использовать свой собственный сервис по распознаванию изображений.
Сайт конференции с деталями всех докладов и таймингом: https://it-nonstop.net/city/Kharkiv
Мероприятие в Facebook с деталями всех докладов: https://www.facebook.com/events/239576050070907/
Присоединяйтесь!