Rendezvények nyílt regisztrációval:
január 14-én 19-00 óráig, kedden
Találkozóra hívjuk Önt a mesterséges intelligenciáról, annak mobileszközökön történő alkalmazásáról és az új évtized legfontosabb technológiai és üzleti trendjeiről. A program érdekes beszámolókat, beszélgetéseket, pizzát és jó hangulatot tartalmaz.
Az egyik előadó úttörő a legújabb technológiák bevezetésében Hollywoodban, a Fehér Házban; az „Augmented: Life in the Smart Lane” című könyvét Kína elnöke egyik kedvenc referenciakönyveként említette újévi beszédében.
január 15-én, szerdán 18:00 órai kezdettel
- 18:00 Regisztráció
- 19:00 Megnyitó – Mikhail Bilenko, Yandex
- 19:05 Megerősítő tanulás a NeurIPS 2019-en: milyen volt - Sergey Kolesnikov, TinkoffA megerősítéses tanulás (RL) témája évről évre egyre forróbb és felkapottabb. És minden évben a DeepMind és az OpenAI olajat ad a tűzre egy új, emberfeletti teljesítményű robot kibocsátásával. Valóban van valami érdemleges e mögött? És mik a legújabb trendek az RL sokféleségében? Találjuk ki!
- 19:25 Az NLP munkájának áttekintése a NeurIPS 2019-en – Mikhail Burtsev, MIPTNapjainkban a természetes nyelvi feldolgozás területén a leginkább áttörő irányzatok a nyelvi modelleken és tudásgráfokon alapuló architektúrák felépítéséhez kötődnek. A jelentés áttekintést ad azokról a munkákról, amelyekben ezeket a módszereket használják párbeszédrendszerek felépítésére különböző funkciók megvalósítására. Például kommunikálni általános témákról, növelni az empátiát és célorientált párbeszédet folytatni.
- 19:45 A veszteségfüggvény felületének megértésének módjai - Dmitrij Vetrov, Számítástechnikai Kar, Nemzeti Kutatóegyetem Közgazdaságtudományi FelsőiskolaSzámos olyan tanulmányt tárgyalok, amelyek a mély tanulás szokatlan hatásait vizsgálják. Ezek a hatások rávilágítanak a veszteségfüggvény felületének súlytérbeli megjelenésére, és számos hipotézis felállítását teszik lehetővé. Ha megerősítik, akkor az optimalizálási módszerekben hatékonyabban lehet szabályozni a lépésméretet. Ez lehetővé teszi a veszteségfüggvény elérhető értékének előrejelzését is a tesztmintán, jóval a képzés vége előtt.
- 20:05 A számítógépes látással kapcsolatos munkák áttekintése a NeurIPS 2019-en – Sergey Ovcharenko, Konstantin Lakhman, YandexMegnézzük a számítógépes látással kapcsolatos kutatás és munka főbb területeit. Próbáljuk megérteni, hogy az akadémia szemszögéből minden probléma megoldódott-e, folytatódik-e minden területen a GAN győzelmes menetelése, ki áll ellene, és mikor következik be a felügyelet nélküli forradalom.
- 20:25 Kávészünet
- 20:40 Sorozatok modellezése korlátlan generálási sorrendben - Dmitrij Emelianenko, YandexOlyan modellt javasolunk, amely a generált mondat tetszőleges helyére tud szavakat beilleszteni. A modell implicit módon megtanul egy kényelmes dekódolási sorrendet az adatok alapján. A legjobb minőséget több adatkészleten érik el: gépi fordításhoz, LaTeX-ben való használathoz és képleíráshoz. A jelentést egy cikknek szenteljük, amelyben bemutatjuk, hogy a megtanult dekódolási sorrendnek van értelme, és a megoldandó problémára jellemző.
- 20:55 Korábbi hálózatok fordított KL-divergencia tréningje: Javított bizonytalanság és ellenséges robusztusság – Andrey Malinin, YandexA bizonytalanságbecslés együttes megközelítéseit a közelmúltban alkalmazták a téves besorolás észlelésére, az elosztáson kívüli bemenet észlelésére és az ellenséges támadások észlelésére. Korábbi hálózatokat javasoltak modellek együttesének hatékony emulálására az osztályozáshoz egy Dirichlet-előzetes eloszlás paraméterezésével a kimeneti eloszlások között. Kimutatták, hogy ezek a modellek felülmúlják az alternatív ensemble megközelítéseket, mint például a Monte-Carlo Dropout, az elosztáson kívüli bemenet észlelésének feladatában. A korábbi hálózatokat azonban bonyolult, sok osztályt tartalmazó adatkészletekre skálázni nehéz az eredetileg javasolt betanítási kritériumok használatával. Ez az írás két hozzájárulást ad. Először is megmutatjuk, hogy a megfelelő képzési kritérium a korábbi hálózatokhoz a fordított KL-divergencia a Dirichlet-eloszlások között. Ez a probléma a betanítási adatok céleloszlásának természetéből adódóan megoldja, lehetővé téve a korábbi hálózatok sikeres betanítását tetszőleges számú osztállyal rendelkező osztályozási feladatokra, valamint javítja az elosztáson kívüli észlelési teljesítményt. Másodszor, kihasználva ezt az új képzési kritériumot, ez a cikk a Prior Networks használatával vizsgálja az ellenséges támadások észlelését, és javasol egy általánosított ellenséges képzési formát. Kimutatták, hogy a CIFAR-10-en és CIFAR-100-on kiképzett korábbi hálózatok elleni sikeres adaptív whitebox támadások felépítése, amelyek befolyásolják az előrejelzést és az észlelést elkerülik a javasolt megközelítést alkalmazva, nagyobb számítási erőfeszítést igényel, mint a szabványos ellenséges támadásokkal védett hálózatokkal szemben. képzés vagy MC-kimaradás.
- 21:10 Panelbeszélgetés: „NeurlPS, amely túlságosan megnőtt: ki a hibás és mit kell tenni?” - Alekszandr Krainov, Yandex
- 21:40 Afterparty
január 16. 18:30-21:30, csütörtök
- 19:00-19:30 „Üzemeltetési problémák megoldása az R használatával a próbabábukhoz” – Konstantin Firsov (Netris JSC, végrehajtási főmérnök).
- 19:30-20:00 „A készletek optimalizálása a kiskereskedelemben” - Genrikh Ananyev (PJSC Beluga Group, jelentési automatizálás vezetője).
- 20:00-20:30 „BMS az X5-ben: hogyan végezzünk üzleti folyamatok bányászatát strukturálatlan POS-naplókon R használatával” - Jevgenyij Roldugin (X5 Retail Group, Szolgáltatásminőség-ellenőrző eszközök osztályvezető), Ilya Shutov (Média Tel., vezető) osztály adatkutatója).
január 18-án 12:00-18:00, szombat
- „Mikor érdemes újraírni egy alkalmazást a semmiből, és hogyan lehet erről meggyőzni az üzletet” - Alekszej Pyzhyanov, fejlesztő, SiburAz igazi történet arról, hogyan kezeltük a legradikálisabb módon a technikai adósságot. Majd mesélek róla:
- Miért lett egy jó alkalmazásból szörnyű örökség?
- Hogyan hoztuk meg azt a nehéz döntést, hogy mindent átírunk.
- Hogyan adtuk el ezt az ötletet a termék tulajdonosának.
- Végül mi sült ki ebből az ötletből, és miért nem bánjuk meg a döntésünket.
- „A Vuejs API gúnyolódik” – Vladislav Prusov, Frontend fejlesztő, AGIMA
január 18-án 12:00-15:00, szombat
- 12:00 „Zindi Sendy Logistics Challenge (rus)” – Roman Pyankov
- 12:30 „Data Souls Wildfire AI (rus)” – Ilja Plotnyikov
- 13:00 Kávészünet
- 13:20 „Topcoder SpaceNet 5 Challenge & Signate The 3rd Tellus Satellite Challenge (eng)” – Ilya Kibardin
- 14:00 Kávészünet
- 14:10 „Codalab automatizált idősoros regresszió (eng)” – Denis Vorotyntsev
Forrás: will.com