Eventi con registrazione aperta:
14 gennaio, 19:00-22:00, martedì
Ti invitiamo a un incontro sull'intelligenza artificiale, la sua applicazione sui dispositivi mobili e le più importanti tendenze tecnologiche e di business del nuovo decennio. Il programma prevede interessanti resoconti, dibattiti, pizza e buon umore.
Uno dei relatori è un pioniere nell'introduzione delle ultime tecnologie a Hollywood, alla Casa Bianca; il suo libro “Augmented: Life in the Smart Lane” è stato menzionato come uno dei suoi libri di riferimento preferiti dal Presidente della Cina nel suo discorso di Capodanno.
Mercoledì 15 gennaio, a partire dalle ore 18:00
- 18:00 Registrazione
- 19:00 Inaugurazione - Mikhail Bilenko, Yandex
- 19:05 Apprendimento rinforzato al NeurIPS 2019: com'è stato - Sergey Kolesnikov, TinkoffOgni anno il tema dell'apprendimento per rinforzo (RL) diventa sempre più caldo e pubblicizzato. E ogni anno, DeepMind e OpenAI aggiungono benzina sul fuoco rilasciando un nuovo bot dalle prestazioni sovrumane. C'è qualcosa di veramente utile dietro questo? E quali sono le ultime tendenze in tutta la diversità RL? Scopriamolo!
- 19:25 Revisione del lavoro sulla PNL al NeurIPS 2019 - Mikhail Burtsev, MIPTOggi, le tendenze più innovative nel campo dell’elaborazione del linguaggio naturale sono associate alla costruzione di architetture basate su modelli linguistici e grafi della conoscenza. Il rapporto fornirà una panoramica dei lavori in cui questi metodi vengono utilizzati per costruire sistemi di dialogo per implementare varie funzioni. Ad esempio, per comunicare su argomenti generali, aumentare l’empatia e condurre un dialogo orientato agli obiettivi.
- 19:45 Modi per comprendere il tipo di superficie della funzione di perdita - Dmitry Vetrov, Facoltà di Informatica, Scuola Superiore di Economia della National Research UniversityDiscuterò diversi articoli che esplorano effetti insoliti nel deep learning. Questi effetti fanno luce sull'aspetto della superficie della funzione di perdita nello spazio dei pesi e ci consentono di avanzare una serie di ipotesi. Se confermato, sarà possibile regolare in modo più efficace la dimensione del passo nei metodi di ottimizzazione. Ciò consentirà inoltre di prevedere il valore ottenibile della funzione di perdita sul campione di prova molto prima della fine dell'addestramento.
- 20:05 Rassegna dei lavori sulla visione artificiale al NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexEsamineremo le principali aree di ricerca e lavoro nella visione artificiale. Cerchiamo di capire se tutti i problemi sono già stati risolti dal punto di vista dell'accademia, se la marcia vittoriosa del GAN continua in tutti i settori, chi resiste e quando avrà luogo la rivoluzione senza supervisione.
- 20:25 Pausa caffè
- 20:40 Sequenze di modellazione con ordine di generazione illimitato - Dmitry Emelianenko, YandexProponiamo un modello in grado di inserire parole in posti arbitrari nella frase generata. Il modello apprende implicitamente un comodo ordine di decodifica basato sui dati. La migliore qualità si ottiene su diversi set di dati: per la traduzione automatica, l'uso in LaTeX e la descrizione delle immagini. Il rapporto è dedicato a un articolo in cui mostriamo che l'ordine di decodificazione appreso ha effettivamente senso ed è specifico per il problema da risolvere.
- 20:55 Formazione sulla divergenza KL inversa delle reti precedenti: miglioramento dell'incertezza e della robustezza del contraddittorio - Andrey Malinin, YandexApprocci complessivi per la stima dell'incertezza sono stati recentemente applicati ai compiti di rilevamento di classificazioni errate, rilevamento di input fuori distribuzione e rilevamento di attacchi avversari. Le reti a priori sono state proposte come approccio per emulare in modo efficiente un insieme di modelli per la classificazione parametrizzando una distribuzione a priori di Dirichlet sulle distribuzioni di output. È stato dimostrato che questi modelli superano gli approcci di insieme alternativi, come Monte-Carlo Dropout, nel compito di rilevamento degli input fuori distribuzione. Tuttavia, adattare le reti precedenti a set di dati complessi con molte classi è difficile utilizzando i criteri di formazione originariamente proposti. Questo articolo offre due contributi. Innanzitutto, mostriamo che il criterio di addestramento appropriato per le reti a priori è la divergenza KL inversa tra le distribuzioni di Dirichlet. Questo problema riguarda la natura delle distribuzioni dei target dei dati di addestramento, consentendo alle reti precedenti di essere addestrate con successo su attività di classificazione con un numero arbitrario di classi, oltre a migliorare le prestazioni di rilevamento fuori distribuzione. In secondo luogo, sfruttando questo nuovo criterio di formazione, questo articolo indaga l’utilizzo delle reti precedenti per rilevare attacchi avversari e propone una forma generalizzata di formazione avversaria. È dimostrato che la costruzione di attacchi whitebox adattivi di successo, che influenzano la previsione ed eludono il rilevamento, contro reti precedenti addestrate su CIFAR-10 e CIFAR-100 utilizzando l'approccio proposto richiede uno sforzo computazionale maggiore rispetto a reti difese utilizzando avversari standard. formazione o abbandono MC.
- 21:10 Tavola rotonda: “NeurlPS, che è cresciuto troppo: di chi è la colpa e cosa fare?” —Aleksandr Krainov, Yandex
- 21:40 Dopocena
16 gennaio, 18:30-21:30, giovedì
- 19:00-19:30 "Risolvere problemi operativi utilizzando R for dummies" - Konstantin Firsov (Netris JSC, Capo ingegnere dell'implementazione).
- 19:30-20:00 "Ottimizzazione dell'inventario nella vendita al dettaglio" - Genrikh Ananyev (PJSC Beluga Group, responsabile dell'automazione del reporting).
- 20:00-20:30 "BMS in X5: come eseguire l'estrazione dei processi aziendali su registri POS non strutturati utilizzando R" - Evgeniy Roldugin (X5 Retail Group, responsabile del dipartimento Strumenti di controllo della qualità del servizio), Ilya Shutov (Media Tel, responsabile del Data Scientist del Dipartimento).
Sabato 18 gennaio, 12:00-18:00
- "Quando vale la pena riscrivere un'applicazione da zero e come convincerne l'azienda" - Alexey Pyzhyanov, sviluppatore, SiburLa vera storia di come abbiamo affrontato il debito tecnico nel modo più radicale. Te lo racconto:
- Perché una buona applicazione si è trasformata in una terribile eredità.
- Come abbiamo preso la difficile decisione di riscrivere tutto.
- Come abbiamo venduto questa idea al proprietario del prodotto.
- Alla fine, cosa è venuto fuori da questa idea e perché non rimpiangiamo la decisione che abbiamo preso.
- “Vuejs API mock” — Vladislav Prusov, sviluppatore frontend, AGIMA
Sabato 18 gennaio, 12:00-15:00
- 12:00 “Zindi Sendy Logistics Challenge (rus)” - Roman Pyankov
- 12:30 “Data Souls Wildfire AI (rus)” - Ilya Plotnikov
- 13:00 Pausa caffè
- 13:20 "Topcoder SpaceNet 5 Challenge e firma la terza sfida satellitare Tellus (eng)" - Ilya Kibardin
- 14:00 Pausa caffè
- 14:10 “Regressione automatizzata delle serie temporali Codalab (ita)” — Denis Vorotyntsev
Fonte: habr.com