Evenementen met open inschrijving:
14 januari, 19:00-22:00, dinsdag
Wij nodigen u uit voor een bijeenkomst over kunstmatige intelligentie, de toepassing ervan op mobiele apparaten en de belangrijkste technologische en zakelijke trends van het nieuwe decennium. Op het programma staan interessante reportages, discussies, pizza en goed humeur.
Eén van de sprekers is een pionier in het introduceren van de nieuwste technologieën in Hollywood, het Witte Huis; zijn boek “Augmented: Life in the Smart Lane” werd door de president van China in zijn nieuwjaarstoespraak genoemd als een van zijn favoriete naslagwerken.
15 januari, vanaf 18 uur, woensdag
- 18:00 Registratie
- 19:00 Opening - Michail Bilenko, Yandex
- 19:05 Versterkingsleren op NeurIPS 2019: hoe het was - Sergey Kolesnikov, TinkoffElk jaar wordt het onderwerp versterkend leren (RL) steeds populairder en gehyped. En elk jaar gooien DeepMind en OpenAI olie op het vuur door een nieuwe bovenmenselijke prestatiebot uit te brengen. Zit hier echt iets waardevols achter? En wat zijn de nieuwste trends in alle RL-diversiteit? Dat zoeken we uit!
- 19:25 Terugblik op NLP-werk op NeurIPS 2019 - Mikhail Burtsev, MIPTTegenwoordig worden de meest baanbrekende trends op het gebied van natuurlijke taalverwerking geassocieerd met de constructie van architecturen gebaseerd op taalmodellen en kennisgrafieken. Het rapport geeft een overzicht van werken waarin deze methoden worden gebruikt om dialoogsystemen te bouwen om verschillende functies te implementeren. Bijvoorbeeld om over algemene onderwerpen te communiceren, de empathie te vergroten en een doelgerichte dialoog te voeren.
- 19:45 Manieren om het type oppervlak van de verliesfunctie te begrijpen - Dmitry Vetrov, Faculteit Computerwetenschappen, National Research University Higher School of EconomicsIk zal verschillende artikelen bespreken waarin ongebruikelijke effecten van deep learning worden onderzocht. Deze effecten werpen licht op het uiterlijk van het oppervlak van de verliesfunctie in de gewichtsruimte en stellen ons in staat een aantal hypothesen naar voren te brengen. Als dit wordt bevestigd, zal het mogelijk zijn om de stapgrootte in optimalisatiemethoden effectiever te reguleren. Dit maakt het ook mogelijk om de haalbare waarde van de verliesfunctie op het testmonster lang vóór het einde van de training te voorspellen.
- 20:05 Recensie van werken over computervisie op NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexWe zullen kijken naar de belangrijkste onderzoeksgebieden en werken op het gebied van computer vision. Laten we proberen te begrijpen of alle problemen al zijn opgelost vanuit het standpunt van de academie, of de zegevierende mars van GAN op alle gebieden doorgaat, wie zich ertegen verzet en wanneer de revolutie zonder toezicht zal plaatsvinden.
- 20:25 Koffiepauze
- 20:40 Modelleringssequenties met onbeperkte generatievolgorde - Dmitry Emelianenko, YandexWe stellen een model voor dat woorden op willekeurige plaatsen in de gegenereerde zin kan invoegen. Het model leert impliciet een handige decoderingsvolgorde op basis van de gegevens. De beste kwaliteit wordt bereikt op meerdere datasets: voor machinevertaling, gebruik in LaTeX en beeldbeschrijving. Het rapport is gewijd aan een artikel waarin we laten zien dat de aangeleerde decodeervolgorde daadwerkelijk zinvol is en specifiek is voor het probleem dat wordt opgelost.
- 20:55 Omgekeerde KL-divergentietraining van eerdere netwerken: verbeterde onzekerheid en vijandige robuustheid - Andrey Malinin, YandexEnsemble-benaderingen voor het schatten van onzekerheid zijn onlangs toegepast op de taken van detectie van misclassificatie, detectie van invoer die buiten de distributie valt en detectie van vijandige aanvallen. Prior Networks zijn voorgesteld als een benadering om efficiënt een ensemble van modellen voor classificatie te emuleren door een Dirichlet-prior-distributie over outputdistributies te parametriseren. Er is aangetoond dat deze modellen beter presteren dan alternatieve ensemble-benaderingen, zoals Monte-Carlo Dropout, bij de taak van detectie van invoer buiten de distributie. Het opschalen van Prior Networks naar complexe datasets met veel klassen is echter moeilijk met behulp van de oorspronkelijk voorgestelde trainingscriteria. Dit artikel levert twee bijdragen. Ten eerste laten we zien dat het geschikte trainingscriterium voor Prior Networks de omgekeerde KL-divergentie tussen Dirichlet-distributies is. Dit probleem heeft betrekking op de aard van de distributie van trainingsgegevens, waardoor eerdere netwerken met succes kunnen worden getraind in classificatietaken met willekeurig veel klassen, en de detectieprestaties buiten de distributie kunnen worden verbeterd. Ten tweede onderzoekt dit artikel, gebruikmakend van dit nieuwe trainingscriterium, het gebruik van Prior Networks om vijandige aanvallen te detecteren en stelt een algemene vorm van vijandige training voor. Er wordt aangetoond dat de constructie van succesvolle adaptieve whitebox-aanvallen, die de voorspelling beïnvloeden en detectie ontwijken, tegen eerdere netwerken die zijn getraind op CIFAR-10 en CIFAR-100 met behulp van de voorgestelde aanpak een grotere hoeveelheid rekeninspanning vereisen dan tegen netwerken die worden verdedigd met behulp van standaard vijandige aanvallen. opleiding of MC-uitval.
- 21:10 Paneldiscussie: “NeurlPS, dat te veel is gegroeid: wie is de schuldige en wat te doen?” — Alexander Krainov, Yandex
- 21:40 Afterparty
16 januari, 18:30-21:30, donderdag
- 19:00-19:30 “Oplossing van operationele problemen met R voor dummies” - Konstantin Firsov (Netris JSC, Chief Implementation Engineer).
- 19:30-20:00 “Optimalisatie van voorraad in de detailhandel” - Genrikh Ananyev (PJSC Beluga Group, hoofd van rapportageautomatisering).
- 20:00-20:30 “BMS in X5: hoe business-process mining uit te voeren op ongestructureerde POS-logboeken met behulp van R” - Evgeniy Roldugin (X5 Retail Group, hoofd van de afdeling Service Quality Control Tools), Ilya Shutov (Media Tel, hoofd van de afdeling datawetenschapper).
18 januari, 12:00-18:00, zaterdag
- "Wanneer is het de moeite waard om een applicatie helemaal opnieuw te schrijven, en hoe kun je het bedrijfsleven hiervan overtuigen" - Alexey Pyzhyanov, ontwikkelaar, SiburHet echte verhaal van hoe we op de meest radicale manier omgingen met technische schulden. Ik zal je erover vertellen:
- Waarom een goede applicatie een vreselijke erfenis werd.
- Hoe we de moeilijke beslissing namen om alles te herschrijven.
- Hoe we dit idee verkochten aan de producteigenaar.
- Wat is er uiteindelijk uit dit idee voortgekomen en waarom we geen spijt hebben van de beslissing die we hebben genomen.
- “Vuejs API spot” – Vladislav Prusov, frontend-ontwikkelaar, AGIMA
18 januari, 12:00-15:00, zaterdag
- 12:00 "Zindi Sendy Logistics Challenge (rus)" - Roman Pyankov
- 12:30 "Data Souls Wildfire AI (rus)" - Ilya Plotnikov
- 13:00 Koffiepauze
- 13:20 “Topcoder SpaceNet 5 Challenge & onderteken de 3e Tellus Satellite Challenge (eng)” - Ilya Kibardin
- 14:00 Koffiepauze
- 14:10 “Codalab geautomatiseerde tijdreeksregressie (eng)” — Denis Vorotyntsev
Bron: www.habr.com