ProHoster > Blog > internetske vijesti > Kamo ići: nadolazeći besplatni događaji za IT profesionalce u Moskvi (14. – 18. siječnja)

Kamo ići: nadolazeći besplatni događaji za IT profesionalce u Moskvi (14. – 18. siječnja)

Kamo ići: nadolazeći besplatni događaji za IT profesionalce u Moskvi (14. – 18. siječnja)

Događaji s otvorenom registracijom:


AI & Mobile

14. siječnja, 19:00-22:00, utorak

Pozivamo vas na skup o umjetnoj inteligenciji, njenoj primjeni na mobilnim uređajima te najvažnijim tehnološkim i poslovnim trendovima novog desetljeća. Program uključuje zanimljive reportaže, rasprave, pizzu i dobro raspoloženje.

Jedan od govornika je pionir u uvođenju najnovijih tehnologija u Hollywood, Bijela kuća; njegovu knjigu "Augmented: Life in the Smart Lane" predsjednik Kine je u svom novogodišnjem obraćanju spomenuo kao jednu od svojih omiljenih referentnih knjiga.

NeurIPS Novogodišnji After Party

15. siječnja s početkom u 18 sati, srijeda

  • 18:00 Registracija
  • 19:00 Otvaranje - Mikhail Bilenko, Yandex
  • 19:05 Učenje za potkrepljivanje na NeurIPS 2019: kako je bilo - Sergey Kolesnikov, TinkoffSvake godine tema učenja s potkrepljenjem (RL) postaje sve goruća i razvikanija. A svake godine DeepMind i OpenAI dodaju ulje na vatru izdavanjem novog bota za nadljudske performanse. Postoji li nešto zaista vrijedno iza ovoga? A koji su najnoviji trendovi u svim RL raznolikostima? Hajde da vidimo!
  • 19:25 Pregled NLP rada na NeurIPS 2019 - Mikhail Burtsev, MIPTDanas su najprobojnija područja u području obrade prirodnog jezika povezana s izgradnjom arhitektura temeljenih na jezičnim modelima i grafovima znanja. Izvješće će dati pregled radova u kojima se ove metode koriste za izgradnju dijaloških sustava za implementaciju različitih funkcija. Na primjer, za komunikaciju o općim temama, povećanje empatije i vođenje dijaloga usmjerenog na cilj.
  • 19:45 Načini razumijevanja vrste površine funkcije gubitka - Dmitrij Vetrov, Fakultet računarskih znanosti, Nacionalno istraživačko sveučilište Visoka škola ekonomijeRaspravljat ću o nekoliko radova koji istražuju neobične učinke dubokog učenja. Ovi učinci bacaju svjetlo na izgled površine funkcije gubitka u težinskom prostoru i omogućuju nam iznošenje niza hipoteza. Ako se potvrdi, bit će moguće učinkovitije regulirati veličinu koraka u optimizacijskim metodama. Ovo će također omogućiti predviđanje dostižne vrijednosti funkcije gubitaka na ispitnom uzorku mnogo prije završetka treninga.
  • 20:05 Pregled radova o računalnom vidu na NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexPogledat ćemo glavna područja istraživanja i rada u računalnom vidu. Pokušajmo shvatiti jesu li svi problemi već riješeni sa stajališta akademije, nastavlja li se pobjednički pohod GAN-a na svim područjima, tko mu se opire i kada će se dogoditi nenadgledana revolucija.
  • 20:25 Pauza za kavu
  • 20:40 Modeliranje nizova s ​​neograničenim redoslijedom generiranja - Dmitry Emelianenko, YandexPredlažemo model koji može umetati riječi na proizvoljna mjesta u generiranoj rečenici. Model implicitno uči prikladan redoslijed dekodiranja na temelju podataka. Najbolja kvaliteta postiže se na nekoliko skupova podataka: za strojno prevođenje, korištenje u LaTeX-u i opis slike. Izvješće je posvećeno članku u kojem pokazujemo da naučeni redoslijed dekodiranja zapravo ima smisla i da je specifičan za problem koji se rješava.
  • 20:55 Obuka obrnute KL-divergencije prijašnjih mreža: poboljšana nesigurnost i kontradiktorna otpornost - Andrey Malinin, YandexSkupni pristupi za procjenu nesigurnosti nedavno su primijenjeni na zadatke otkrivanja pogrešne klasifikacije, otkrivanja ulaza izvan distribucije i otkrivanja kontradiktornog napada. Prethodne mreže su predložene kao pristup učinkovitom oponašanju skupa modela za klasifikaciju parametrizacijom Dirichletove prethodne distribucije preko izlaznih distribucija. Pokazalo se da ovi modeli nadmašuju alternativne skupne pristupe, kao što je Monte-Carlo Dropout, na zadatku otkrivanja ulaza izvan distribucije. Međutim, teško je skalirati Prior Networks na složene skupove podataka s mnogo klasa korištenjem izvorno predloženih kriterija obuke. Ovaj rad daje dva doprinosa. Prvo, pokazujemo da je odgovarajući kriterij uvježbavanja za prijašnje mreže obrnuta KL-divergencija između Dirichletovih distribucija. Ova se pitanja odnose na prirodu ciljnih distribucija podataka o obuci, omogućujući prijašnjim mrežama da budu uspješno osposobljene za zadatke klasifikacije s proizvoljno mnogo klasa, kao i poboljšanje performansi otkrivanja izvan distribucije. Drugo, koristeći prednost ovog novog kriterija obuke, ovaj rad istražuje korištenje prethodnih mreža za otkrivanje kontradiktornih napada i predlaže generalizirani oblik kontradiktorne obuke. Pokazano je da konstrukcija uspješnih adaptivnih napada bijele kutije, koji utječu na predviđanje i izbjegavaju detekciju, protiv prethodnih mreža obučenih na CIFAR-10 i CIFAR-100 korištenjem predloženog pristupa zahtijeva veću količinu računalnog napora nego protiv mreža koje se brane korištenjem standardnog kontradiktornog pristupa trening ili MC-ispadanje.
  • 21:10 Panel rasprava: “NeurlPS, koji je previše narastao: tko je kriv i što učiniti?” — Alexander Krainov, Yandex
  • 21:40 Afterparty

R Moscow Meetup #5

16. siječnja, 18:30-21:30, četvrtak

  • 19:00-19:30 “Rješavanje operativnih problema korištenjem R for dummies” - Konstantin Firsov (Netris JSC, glavni inženjer implementacije).
  • 19:30-20:00 “Optimizacija zaliha u maloprodaji” - Genrikh Ananyev (PJSC Beluga Group, voditelj automatizacije izvješćivanja).
  • 20:00-20:30 “BMS u X5: kako rudariti poslovne procese na nestrukturiranim POS zapisnicima koristeći R” - Evgeniy Roldugin (X5 Retail Group, voditelj odjela alata za kontrolu kvalitete usluge), Ilya Shutov (Media Tel, voditelj of Department data scientist).

Frontend Meetup u Moskvi (Gastromarket Balchug)

18. siječnja, 12:00-18:00, subota

  • „Kada se isplati prepisati aplikaciju ispočetka i kako u to uvjeriti posao“ - Alexey Pyzhyanov, programer, SiburPrava priča o tome kako smo se na najradikalniji način nosili s tehničkim dugom. Reći ću vam o tome:
    1. Zašto se dobra aplikacija pretvorila u užasno nasljeđe.
    2. Kako smo donijeli tešku odluku da sve prepišemo.
    3. Kako smo ovu ideju prodali vlasniku proizvoda.
    4. Što je na kraju ispalo iz ove ideje i zašto ne žalimo zbog odluke koju smo donijeli.

  • “Vuejs API ismijava” — Vladislav Prusov, Frontend programer, AGIMA

Obuka strojnog učenja u Avitu 2.0

18. siječnja, 12:00-15:00, subota

  • 12:00 “Zindi Sendy Logistics Challenge (rus)” - Roman Pyankov
  • 12:30 “Data Souls Wildfire AI (rus)” - Ilya Plotnikov
  • 13:00 Pauza za kavu
  • 13:20 “Topcoder SpaceNet 5 Challenge & Signate The 3rd Tellus Satellite Challenge (eng)” - Ilya Kibardin
  • 14:00 Pauza za kavu
  • 14:10 “Codalab Automated Time Series Regression (eng)” — Denis Vorotyntsev

Izvor: www.habr.com

Dodajte komentar