Къде да отидете: предстоящи безплатни събития за ИТ специалисти в Москва (14–18 януари)

Събития с отворена регистрация:

• AI и мобилни устройства
• NeurIPS новогодишно афтърпарти
• R Московска среща #5
• Frontend Meetup в Москва (Gastromarket Balchug)
• Обучение за машинно обучение в Avito 2.0

AI и мобилни устройства

14 януари, 19:00-22:00, вторник

Каним ви на среща за изкуствения интелект, приложението му върху мобилни устройства и най-важните технологични и бизнес тенденции на новото десетилетие. Програмата включва интересни доклади, дискусии, пица и добро настроение.

Един от лекторите е пионер в въвеждането на най-новите технологии в Холивуд, Белия дом; неговата книга „Augmented: Life in the Smart Lane“ беше спомената като една от любимите му справочници от президента на Китай в новогодишното му обръщение.

NeurIPS новогодишно афтърпарти

15 януари от 18:00 часа, сряда

• 18:00 Регистрация
• 19:00 Откриване - Михаил Биленко, Yandex
• 19:05 Обучение за засилване на NeurIPS 2019: как беше - Сергей Колесников, TinkoffВсяка година темата за ученето с подсилване (RL) става все по-гореща и по-нашумела. И всяка година DeepMind и OpenAI наливат масло в огъня, като пускат нов бот за свръхчовешка производителност. Има ли нещо наистина ценно зад това? И какви са най-новите тенденции в цялото разнообразие на RL? Нека разберем!
• 19:25 Преглед на работата по НЛП на NeurIPS 2019 - Михаил Бурцев, MIPTДнес най-пробивните тенденции в областта на обработката на естествен език са свързани с изграждането на архитектури, базирани на езикови модели и графове на знания. Докладът ще предостави преглед на произведенията, в които тези методи се използват за изграждане на диалогови системи за прилагане на различни функции. Например за общуване по общи теми, повишаване на емпатията и провеждане на целенасочен диалог.
• 19:45 Начини за разбиране на вида на повърхността на функцията на загубите - Дмитрий Ветров, Факултет по компютърни науки, Национален изследователски университет Висше училище по икономикаЩе обсъдя няколко статии, които изследват необичайни ефекти при дълбокото обучение. Тези ефекти хвърлят светлина върху външния вид на повърхността на функцията на загуба в тегловното пространство и ни позволяват да изложим редица хипотези. Ако бъде потвърдено, ще бъде възможно по-ефективно да се регулира размерът на стъпката в методите за оптимизация. Това също така ще позволи да се предскаже постижимата стойност на функцията на загуба върху тестовата проба много преди края на обучението.
• 20:05 Преглед на работите по компютърно зрение на NeurIPS 2019 - Сергей Овчаренко, Константин Лахман, YandexЩе разгледаме основните области на изследване и работа в компютърното зрение. Нека се опитаме да разберем дали всички проблеми вече са решени от гледна точка на академията, дали победоносното шествие на GAN продължава във всички области, кой му се съпротивлява и кога ще се състои неконтролираната революция.
• 20:25 Кафе пауза
• 20:40 Моделиране на последователности с неограничен ред на генериране - Дмитрий Емеляненко, YandexНие предлагаме модел, който може да вмъква думи на произволни места в генерираното изречение. Моделът имплицитно научава удобен ред за декодиране въз основа на данните. Най-доброто качество се постига на няколко набора от данни: за машинен превод, използване в LaTeX и описание на изображения. Докладът е посветен на статия, в която показваме, че наученият ред на декодиране действително има смисъл и е специфичен за проблема, който се решава.
• 20:55 Обучение за обратна KL-дивергенция на предишни мрежи: Подобрена несигурност и устойчивост на състезание - Андрей Малинин, YandexСъвкупните подходи за оценка на несигурността наскоро бяха приложени към задачите за откриване на грешна класификация, откриване на вход извън разпространението и откриване на състезателна атака. Предишни мрежи са предложени като подход за ефективно емулиране на ансамбъл от модели за класификация чрез параметризиране на предишно разпределение на Дирихле върху изходни разпределения. Доказано е, че тези модели превъзхождат алтернативните групови подходи, като Monte-Carlo Dropout, при задачата за откриване на вход извън разпределение. Въпреки това мащабирането на предишни мрежи до сложни набори от данни с много класове е трудно, като се използват първоначално предложените критерии за обучение. Този документ прави два приноса. Първо, показваме, че подходящият критерий за обучение за предишни мрежи е обратната KL-дивергенция между разпределенията на Дирихле. Този проблем се отнася до естеството на целевите разпределения на данни за обучение, позволявайки на предишни мрежи да бъдат успешно обучени на класификационни задачи с произволно много класове, както и подобряване на ефективността на откриване извън разпространението. Второ, като се възползва от този нов критерий за обучение, тази статия изследва използването на предишни мрежи за откриване на състезателни атаки и предлага обобщена форма на състезателно обучение. Показано е, че изграждането на успешни адаптивни атаки с бяла кутия, които влияят на прогнозирането и избягват откриването, срещу предишни мрежи, обучени на CIFAR-10 и CIFAR-100, използвайки предложения подход, изисква по-голямо количество изчислително усилие, отколкото срещу мрежи, защитени с помощта на стандартен състезателен обучение или MC-отпадане.
• 21:10 Панелна дискусия: „NeurlPS, която се разрасна твърде много: кой е виновен и какво да правим?“ — Александър Крайнов, Яндекс
• 21:40 Афтърпарти

R Московска среща #5

16 януари, 18:30-21:30, четвъртък

• 19:00-19:30 „Решаване на оперативни проблеми с помощта на R for dummies” - Константин Фирсов (Нетрис АД, главен инженер по внедряване).
• 19:30-20:00 „Оптимизиране на инвентара в търговията на дребно“ - Генрих Ананиев (PJSC Beluga Group, ръководител на автоматизацията на отчетите).
• 20:00-20:30 „BMS в X5: как да правите копаене на бизнес процеси върху неструктурирани POS логове с помощта на R“ - Евгений Ролдугин (X5 Retail Group, ръководител на отдел Инструменти за контрол на качеството на услугите), Иля Шутов (Media Tel, ръководител на учен по данни на отдела).

Frontend Meetup в Москва (Gastromarket Balchug)

18 януари, 12:00-18:00, събота

• „Кога си струва да пренапишем приложение от нулата и как да убедим бизнеса в това“ - Алексей Пижанов, разработчик, СибурИстинската история за това как се справихме с техническия дълг по най-радикален начин. Ще ви разкажа за това:
  1. Защо едно добро приложение се превърна в ужасно наследство.
  2. Как взехме трудното решение да пренапишем всичко.
  3. Как продадохме тази идея на собственика на продукта.
  4. Какво излезе от тази идея в крайна сметка и защо не съжаляваме за взетото решение.

• „Vuejs API се подиграва“ — Владислав Прусов, Frontend разработчик, AGIMA

Обучение за машинно обучение в Avito 2.0

18 януари, 12:00-15:00, събота

• 12:00 “Zindi Sendy Logistics Challenge (rus)” - Роман Пянков
• 12:30 “Data Souls Wildfire AI (rus)” – Иля Плотников
• 13:00 Кафе пауза
• 13:20 „Topcoder SpaceNet 5 Challenge & Signate The 3rd Tellus Satellite Challenge (eng)“ – Иля Кибардин
• 14:00 Кафе пауза
• 14:10 „Codalab Automated Time Series Regression (eng)“ — Денис Воротинцев

Източник: www.habr.com