Eveneminten mei iepen registraasje:
14. Jannewaris, 19:00-22:00, Tiisdei
Wy noegje jo út foar in gearkomste oer keunstmjittige yntelliginsje, har tapassing op mobile apparaten en de wichtichste technologyske en saaklike trends fan it nije desennium. Op it programma steane nijsgjirrige reportaazjes, diskusjes, pizza en goede stimming.
Ien fan de sprekkers is in pionier yn it yntrodusearjen fan de nijste technologyen yn Hollywood, it Wite Hûs; syn boek "Augmented: Life in the Smart Lane" waard neamd as ien fan syn favorite referinsje boeken troch de presidint fan Sina yn syn nijjiersadres.
15. Jannewaris, begjinnend om 18:00, woansdei
- 18:00 Registraasje
- 19:00 Iepening - Mikhail Bilenko, Yandex
- 19:05 Reinforcement learning by NeurIPS 2019: hoe it wie - Sergey Kolesnikov, TinkoffAlle jierren wurdt it ûnderwerp fan fersterking learen (RL) waarmer en hypeder. En elk jier foegje DeepMind en OpenAI brânstof oan it fjoer ta troch in nije boppeminsklike prestaasjebot út te bringen. Is der wat echt de muoite wurdich efter dit? En wat binne de lêste trends yn alle RL ferskaat? Litte wy útfine!
- 19:25 Oersjoch fan NLP-wurk by NeurIPS 2019 - Mikhail Burtsev, MIPTTsjintwurdich binne de meast trochbraaktrends op it mêd fan natuerlike taalferwurking ferbûn mei it bouwen fan arsjitektueren basearre op taalmodellen en kennisgrafiken. It rapport sil in oersjoch jaan fan wurken wêryn dizze metoaden wurde brûkt om dialoochsystemen te bouwen om ferskate funksjes út te fieren. Bygelyks foar it kommunisearjen oer algemiene ûnderwerpen, it fergrutsjen fan empaty en it fieren fan doelrjochte dialooch.
- 19:45 Manieren om it type oerflak fan 'e ferliesfunksje te begripen - Dmitry Vetrov, Fakulteit fan Computer Science, National Research University Higher School of EconomicsIk sil ferskate papers besprekke dy't ûngewoane effekten ûndersiikje yn djip learen. Dizze effekten smyt ljocht op it uterlik fan it oerflak fan it ferlies funksje yn gewicht romte en tastean ús te setten in oantal hypotezen. As befêstige, sil it mooglik wêze om de stapgrutte effektiver te regeljen yn optimisaasjemetoaden. Dit sil it ek mooglik meitsje om de te berikken wearde fan 'e ferliesfunksje op' e testmonster lang foar it ein fan 'e training te foarsizzen.
- 20:05 Oersjoch fan wurken oer kompjûterfisy by NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexWy sille sjen nei de wichtichste gebieten fan ûndersyk en wurk yn kompjûterfisy. Lit ús besykje te begripen oft alle problemen binne al oplost út it eachpunt fan 'e akademy, oft de oerwinnende mars fan GAN bliuwt yn alle gebieten, dy't ferset it, en wannear sil plakfine sûnder tafersjoch revolúsje.
- 20:25 Kofje
- 20:40 Modelingssekwinsjes mei ûnbeheinde folchoarder fan generaasje - Dmitry Emelianenko, YandexWy stelle in model foar dat wurden kin ynfoegje op willekeurige plakken yn 'e generearre sin. It model leart ymplisyt in handige dekodearjen folchoarder basearre op de gegevens. De bêste kwaliteit wurdt berikt op ferskate datasets: foar masine-oersetting, gebrûk yn LaTeX en ôfbyldingsbeskriuwing. It rapport is wijd oan in artikel dêr't wy sjen litte dat de learde dekodearjen folchoarder eins makket sin en is spesifyk foar it probleem wurdt oplost.
- 20:55 Reverse KL-Divergence Training fan foarôfgeande netwurken: Ferbettere ûnwissichheid en tsjinstridige robústiteit - Andrey Malinin, YandexEnsemble-oanpakken foar skatting fan ûnwissichheid binne koartlyn tapast op 'e taken fan deteksje fan misklassifikaasje, deteksje fan bûtenferdieling en deteksje fan adversariële oanfallen. Foarôfgeande netwurken binne foarsteld as in oanpak om effisjint te emulearjen in ensemble fan modellen foar klassifikaasje troch parameterizing in Dirichlet foarôfgeande distribúsje oer útfier distribúsjes. Dizze modellen binne oantoand dat se alternative ensemblebenaderingen oertreffe, lykas Monte-Carlo Dropout, op 'e taak fan ynputdeteksje bûten distribúsje. It skaaljen fan foarôfgeande netwurken nei komplekse datasets mei in protte klassen is lykwols lestich mei de oarspronklik foarstelde trainingskritearia. Dit papier jout twa bydragen. Earst litte wy sjen dat it passende treningskriterium foar foarôfgeande netwurken de omkearde KL-diverginsje is tusken Dirichlet-distribúsjes. Dit problemen adressen yn 'e natuer fan' e training data doel distribúsjes, wêrtroch foarôfgeande netwurken wurde mei súkses oplaat op klassifikaasje taken mei willekeurich in protte klassen, likegoed as it ferbetterjen fan out-of-distribúsje detection prestaasje. Twad, profitearje fan dit nije opliedingskriterium, dit papier ûndersiket it brûken fan Prior Networks om adversariële oanfallen te detectearjen en stelt in generalisearre foarm fan adversarial training foar. It wurdt oantoand dat de bou fan suksesfolle adaptive whitebox-oanfallen, dy't ynfloed hawwe op de foarsizzing en ûntdutsen detectie, tsjin foarôfgeande netwurken oplaat op CIFAR-10 en CIFAR-100 mei de foarstelde oanpak in gruttere hoemannichte komputaasje-ynspanning fereasket dan tsjin netwurken dy't ferdigene mei standert adversarial training of MC-dropout.
- 21:10 Paneldiskusje: "NeurlPS, dy't te folle groeid is: wa is de skuld en wat te dwaan?" - Alexander Krainov, Yandex
- 21:40 Afterparty
16. Jannewaris, 18:30-21:30, Tongersdei
- 19:00-19:30 "Oplossen fan operasjonele problemen mei R foar dummies" - Konstantin Firsov (Netris JSC, Chief Implementation Engineer).
- 19: 30-20: 00 "Optimalisaasje fan ynventarisaasje yn detailhannel" - Genrikh Ananyev (PJSC Beluga Group, haad fan rapportaazjeautomatisearring).
- 20:00-20:30 "BMS yn X5: hoe't jo bedriuwsproses mynbou dwaan op ûnstrukturearre POS-logs mei R" - Evgeniy Roldugin (X5 Retail Group, Head of Service Quality Control Tools Department), Ilya Shutov (Media Tel, Head of Department data scientist).
18. Jannewaris, 12:00-18:00, Sneon
- "Wannear is it wurdich om in applikaasje fanôf it begjin te herskriuwen, en hoe't jo it bedriuw fan dit oertsjûgje" - Alexey Pyzhyanov, ûntwikkelder, SiburIt echte ferhaal fan hoe't wy op 'e meast radikale manier omgean mei technyske skuld. Ik sil jo der oer fertelle:
- Wêrom in goede applikaasje feroare yn in skriklike erfenis.
- Hoe't wy it drege beslút makke hawwe om alles oer te skriuwen.
- Hoe't wy dit idee ferkochten oan de produkteigner.
- Wat kaam út dit idee yn 'e ein, en wêrom wy gjin spyt fan it beslút we makke.
- "Vuejs API mocks" - Vladislav Prusov, Frontend-ûntwikkelder, AGIMA
18. Jannewaris, 12:00-15:00, Sneon
- 12:00 "Zindi Sendy Logistics Challenge (rus)" - Roman Pyankov
- 12:30 "Data Souls Wildfire AI (rus)" - Ilya Plotnikov
- 13:00 Kofje
- 13:20 "Topcoder SpaceNet 5 Challenge & Signate The 3rd Tellus Satellite Challenge (eng)" - Ilya Kibardin
- 14:00 Kofje
- 14:10 "Codalab Automated Time Series Regression (eng)" - Denis Vorotyntsev
Boarne: www.habr.com