Εκδηλώσεις με ανοιχτή εγγραφή:
14 Ιανουαρίου, 19:00-22:00, Τρίτη
Σας προσκαλούμε σε μια συνάντηση για την τεχνητή νοημοσύνη, την εφαρμογή της σε φορητές συσκευές και τις σημαντικότερες τεχνολογικές και επιχειρηματικές τάσεις της νέας δεκαετίας. Το πρόγραμμα περιλαμβάνει ενδιαφέρουσες αναφορές, συζητήσεις, πίτσα και καλή διάθεση.
Ένας από τους ομιλητές είναι πρωτοπόρος στην εισαγωγή των πιο πρόσφατων τεχνολογιών στο Χόλιγουντ, τον Λευκό Οίκο. Το βιβλίο του «Augmented: Life in the Smart Lane» αναφέρθηκε ως ένα από τα αγαπημένα του βιβλία αναφοράς από τον Πρόεδρο της Κίνας στην πρωτοχρονιάτικη ομιλία του.
15 Ιανουαρίου, ώρα Τετάρτης 18:00
- 18:00 Εγγραφές
- 19:00 Εγκαίνια - Mikhail Bilenko, Yandex
- 19:05 Ενισχυτική μάθηση στο NeurIPS 2019: πώς ήταν - Sergey Kolesnikov, TinkoffΚάθε χρόνο το θέμα της ενισχυτικής μάθησης (RL) γίνεται όλο και πιο καυτό και διαφημίζεται. Και κάθε χρόνο, το DeepMind και το OpenAI ρίχνουν λάδι στη φωτιά κυκλοφορώντας ένα νέο υπεράνθρωπο bot απόδοσης. Υπάρχει κάτι που πραγματικά αξίζει πίσω από αυτό; Και ποιες είναι οι τελευταίες τάσεις σε όλη την ποικιλομορφία RL; Ας ανακαλύψουμε!
- 19:25 Ανασκόπηση της εργασίας NLP στο NeurIPS 2019 - Mikhail Burtsev, MIPTΣήμερα, οι πιο πρωτοποριακές τάσεις στον τομέα της επεξεργασίας φυσικής γλώσσας συνδέονται με την κατασκευή αρχιτεκτονικών που βασίζονται σε γλωσσικά μοντέλα και γραφήματα γνώσης. Η αναφορά θα παρέχει μια επισκόπηση των εργασιών στις οποίες αυτές οι μέθοδοι χρησιμοποιούνται για τη δημιουργία συστημάτων διαλόγου για την υλοποίηση διαφόρων λειτουργιών. Για παράδειγμα, για την επικοινωνία σε γενικά θέματα, την αύξηση της ενσυναίσθησης και τη διεξαγωγή διαλόγου προσανατολισμένου στο στόχο.
- 19:45 Τρόποι για να κατανοήσετε τον τύπο της επιφάνειας της συνάρτησης απώλειας - Ντμίτρι Βέτροβ, Σχολή Επιστήμης Υπολογιστών, Ανώτατη Οικονομική Σχολή του Εθνικού Ερευνητικού ΠανεπιστημίουΘα συζητήσω αρκετές εργασίες που διερευνούν τα ασυνήθιστα αποτελέσματα στη βαθιά μάθηση. Αυτά τα αποτελέσματα ρίχνουν φως στην εμφάνιση της επιφάνειας της συνάρτησης απώλειας στο χώρο βάρους και μας επιτρέπουν να υποβάλουμε μια σειρά από υποθέσεις. Εάν επιβεβαιωθεί, θα είναι δυνατό να ρυθμιστεί πιο αποτελεσματικά το μέγεθος του βήματος στις μεθόδους βελτιστοποίησης. Αυτό θα καταστήσει επίσης δυνατή την πρόβλεψη της επιτεύξιμης τιμής της συνάρτησης απώλειας στο δείγμα δοκιμής πολύ πριν από το τέλος της εκπαίδευσης.
- 20:05 Ανασκόπηση εργασιών για την όραση υπολογιστή στο NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexΘα εξετάσουμε τους κύριους τομείς έρευνας και εργασίας στην όραση υπολογιστών. Ας προσπαθήσουμε να καταλάβουμε αν έχουν ήδη λυθεί όλα τα προβλήματα από πλευράς ακαδημίας, αν συνεχίζεται η νικηφόρα πορεία της ΓΑΝ σε όλους τους τομείς, ποιοι της αντιστέκονται και πότε θα γίνει η επανάσταση χωρίς επίβλεψη.
- 20:25 Διάλειμμα για καφέ
- 20:40 Ακολουθίες μοντελοποίησης με απεριόριστη σειρά παραγωγής - Dmitry Emelianenko, YandexΠροτείνουμε ένα μοντέλο που μπορεί να εισάγει λέξεις σε αυθαίρετες θέσεις στην πρόταση που δημιουργείται. Το μοντέλο μαθαίνει έμμεσα μια βολική σειρά αποκωδικοποίησης με βάση τα δεδομένα. Η καλύτερη ποιότητα επιτυγχάνεται σε πολλά σύνολα δεδομένων: για αυτόματη μετάφραση, χρήση σε LaTeX και περιγραφή εικόνας. Η αναφορά είναι αφιερωμένη σε ένα άρθρο στο οποίο δείχνουμε ότι η σειρά αποκωδικοποίησης που μάθαμε έχει πραγματικά νόημα και είναι συγκεκριμένη για το πρόβλημα που επιλύεται.
- 20:55 Reverse KL-Divergence Training of Prior Networks: Improved Uncertainty and Adversarial Robustness - Andrey Malinin, YandexΠροσεγγίσεις συνόλου για την εκτίμηση της αβεβαιότητας έχουν πρόσφατα εφαρμοστεί στις εργασίες ανίχνευσης εσφαλμένης ταξινόμησης, ανίχνευσης εισόδου εκτός διανομής και ανίχνευσης αντίθετης επίθεσης. Τα προηγούμενα δίκτυα έχουν προταθεί ως μια προσέγγιση για την αποτελεσματική μίμηση ενός συνόλου μοντέλων για ταξινόμηση παραμετροποιώντας μια προηγούμενη διανομή Dirichlet έναντι των κατανομών εξόδου. Αυτά τα μοντέλα έχουν αποδειχθεί ότι ξεπερνούν τις εναλλακτικές προσεγγίσεις συνόλου, όπως το Monte-Carlo Dropout, στο έργο της ανίχνευσης εισόδων εκτός διανομής. Ωστόσο, η κλιμάκωση των προηγούμενων δικτύων σε πολύπλοκα σύνολα δεδομένων με πολλές κλάσεις είναι δύσκολη με τη χρήση των κριτηρίων εκπαίδευσης που προτάθηκαν αρχικά. Αυτό το έγγραφο κάνει δύο συνεισφορές. Πρώτον, δείχνουμε ότι το κατάλληλο κριτήριο εκπαίδευσης για τα προηγούμενα δίκτυα είναι η αντίστροφη απόκλιση KL μεταξύ των κατανομών Dirichlet. Αυτό το ζήτημα αντιμετωπίζει τη φύση των διανομών στόχων δεδομένων εκπαίδευσης, επιτρέποντας στα προηγούμενα δίκτυα να εκπαιδεύονται επιτυχώς σε εργασίες ταξινόμησης με αυθαίρετα πολλές κλάσεις, καθώς και βελτιώνοντας την απόδοση ανίχνευσης εκτός διανομής. Δεύτερον, εκμεταλλευόμενος αυτό το νέο κριτήριο εκπαίδευσης, αυτή η εργασία διερευνά τη χρήση προηγούμενων δικτύων για τον εντοπισμό επιθέσεων αντιπάλου και προτείνει μια γενικευμένη μορφή αντίθετης εκπαίδευσης. Αποδεικνύεται ότι η κατασκευή επιτυχημένων προσαρμόσιμων επιθέσεων λευκού κουτιού, που επηρεάζουν την πρόβλεψη και την ανίχνευση αποφυγής, έναντι προηγούμενων δικτύων που έχουν εκπαιδευτεί σε CIFAR-10 και CIFAR-100 χρησιμοποιώντας την προτεινόμενη προσέγγιση απαιτεί μεγαλύτερη υπολογιστική προσπάθεια από ό,τι έναντι δικτύων που αμύνονται χρησιμοποιώντας τυπικό αντίπαλο εκπαίδευση ή εγκατάλειψη MC.
- 21:10 Συζήτηση σε πάνελ: "NeurlPS, που έχει μεγαλώσει πάρα πολύ: ποιος φταίει και τι να κάνει;" — Alexander Krainov, Yandex
- 21:40 Afterparty
16 Ιανουαρίου, 18:30-21:30, Πέμπτη
- 19:00-19:30 «Επίλυση λειτουργικών προβλημάτων με χρήση R για ανδρείκελα» - Konstantin Firsov (Netris JSC, Chief Implementation Engineer).
- 19:30-20:00 «Βελτιστοποίηση αποθέματος στο λιανικό εμπόριο» - Genrikh Ananyev (PJSC Beluga Group, Επικεφαλής αυτοματισμού αναφορών).
- 20:00-20:30 «BMS στο X5: πώς να κάνετε εξόρυξη επιχειρηματικών διαδικασιών σε μη δομημένα αρχεία καταγραφής POS χρησιμοποιώντας το R» - Evgeniy Roldugin (X5 Retail Group, Επικεφαλής Τμήματος Εργαλείων Ποιοτικού Ελέγχου Υπηρεσιών), Ilya Shutov (Τηλ. Μέσων, Επικεφαλής του τμήματος δεδομένων επιστήμονας).
18 Ιανουαρίου, 12:00-18:00, Σάββατο
- "Πότε αξίζει να ξαναγράψετε μια εφαρμογή από την αρχή και πώς να πείσετε τις επιχειρήσεις για αυτό" - Alexey Pyzhyanov, προγραμματιστής, SiburΗ πραγματική ιστορία του πώς αντιμετωπίσαμε το τεχνικό χρέος με τον πιο ριζοσπαστικό τρόπο. Θα σου πω για αυτό:
- Γιατί μια καλή εφαρμογή μετατράπηκε σε τρομερή κληρονομιά.
- Πώς πήραμε τη δύσκολη απόφαση να ξαναγράψουμε τα πάντα.
- Πώς πουλήσαμε αυτήν την ιδέα στον ιδιοκτήτη του προϊόντος.
- Τι προέκυψε από αυτήν την ιδέα τελικά και γιατί δεν μετανιώνουμε για την απόφαση που πήραμε.
- "Vuejs API mocks" — Vladislav Prusov, προγραμματιστής Frontend, AGIMA
18 Ιανουαρίου, 12:00-15:00, Σάββατο
- 12:00 «Zindi Sendy Logistics Challenge (rus)» - Roman Pyankov
- 12:30 "Data Souls Wildfire AI (rus)" - Ilya Plotnikov
- 13:00 Διάλειμμα για καφέ
- 13:20 “Topcoder SpaceNet 5 Challenge & Signate The 3rd Tellus Satellite Challenge (eng)” - Ilya Kibardin
- 14:00 Διάλειμμα για καφέ
- 14:10 «Codalab Automated Time Series Regression (eng)» — Denis Vorotyntsev
Πηγή: www.habr.com