Eventos com inscrições abertas:
14 de janeiro, 19h00-22h00, terça-feira
Convidamos você para um encontro sobre inteligência artificial, sua aplicação em dispositivos móveis e as mais importantes tendências tecnológicas e de negócios da nova década. O programa inclui reportagens interessantes, discussões, pizza e bom humor.
Um dos palestrantes é pioneiro na introdução das mais recentes tecnologias em Hollywood, a Casa Branca; o seu livro “Augmented: Life in the Smart Lane” foi mencionado como um dos seus livros de referência favoritos pelo Presidente da China no seu discurso de Ano Novo.
15 de janeiro, a partir das 18h, quarta-feira
- 18h00 Inscrições
- 19h00 Abertura - Mikhail Bilenko, Yandex
- 19:05 Aprendizado por reforço no NeurIPS 2019: como foi - Sergey Kolesnikov, TinkoffA cada ano, o tema da aprendizagem por reforço (RL) está se tornando mais quente e mais badalado. E todos os anos, DeepMind e OpenAI colocam lenha na fogueira ao lançar um novo bot de desempenho sobre-humano. Existe algo realmente valioso por trás disso? E quais são as últimas tendências em toda a diversidade RL? Vamos descobrir!
- 19:25 Revisão do trabalho de PNL no NeurIPS 2019 - Mikhail Burtsev, MIPTHoje, as tendências mais inovadoras no campo do processamento de linguagem natural estão associadas à construção de arquiteturas baseadas em modelos de linguagem e gráficos de conhecimento. O relatório fornecerá uma visão geral dos trabalhos nos quais esses métodos são usados para construir sistemas de diálogo para implementar diversas funções. Por exemplo, para comunicar sobre temas gerais, aumentar a empatia e conduzir um diálogo orientado para objetivos.
- 19:45 Maneiras de entender o tipo de superfície da função de perda - Dmitry Vetrov, Faculdade de Ciência da Computação, Escola Superior de Economia da National Research UniversityDiscutirei vários artigos que exploram efeitos incomuns na aprendizagem profunda. Esses efeitos esclarecem a aparência da superfície da função de perda no espaço de peso e nos permitem propor uma série de hipóteses. Se confirmado, será possível regular de forma mais eficaz o tamanho do passo nos métodos de otimização. Isto também tornará possível prever o valor alcançável da função de perda na amostra de teste muito antes do final do treinamento.
- 20:05 Revisão de trabalhos sobre visão computacional no NeurIPS 2019 - Sergey Ovcharenko, Konstantin Lakhman, YandexVeremos as principais áreas de pesquisa e trabalho em visão computacional. Vamos tentar perceber se todos os problemas já foram resolvidos do ponto de vista da academia, se a marcha vitoriosa do GAN continua em todas as áreas, quem lhe resiste e quando acontecerá a revolução não supervisionada.
- 20h25 Coffee break
- 20:40 Sequências de modelagem com ordem de geração ilimitada - Dmitry Emelianenko, YandexPropomos um modelo que pode inserir palavras em locais arbitrários na frase gerada. O modelo aprende implicitamente uma ordem de decodificação conveniente com base nos dados. A melhor qualidade é alcançada em vários conjuntos de dados: para tradução automática, uso em LaTeX e descrição de imagens. O relatório é dedicado a um artigo no qual mostramos que a ordem de decodificação aprendida realmente faz sentido e é específica para o problema que está sendo resolvido.
- 20:55 Treinamento reverso de divergência KL de redes anteriores: incerteza aprimorada e robustez adversária - Andrey Malinin, YandexAbordagens de conjunto para estimativa de incerteza foram recentemente aplicadas às tarefas de detecção de classificação incorreta, detecção de entrada fora de distribuição e detecção de ataques adversários. Redes anteriores foram propostas como uma abordagem para emular eficientemente um conjunto de modelos para classificação, parametrizando uma distribuição anterior de Dirichlet sobre distribuições de produção. Foi demonstrado que esses modelos superam abordagens de conjuntos alternativos, como Monte-Carlo Dropout, na tarefa de detecção de entrada fora de distribuição. No entanto, escalar Redes Prioritárias para conjuntos de dados complexos com muitas classes é difícil usando os critérios de treinamento originalmente propostos. Este artigo traz duas contribuições. Primeiro, mostramos que o critério de treinamento apropriado para Redes Prioritárias é a divergência KL reversa entre distribuições de Dirichlet. Este problema aborda a natureza das distribuições de destino de dados de treinamento, permitindo que redes anteriores sejam treinadas com sucesso em tarefas de classificação com muitas classes arbitrariamente, bem como melhorando o desempenho de detecção fora de distribuição. Em segundo lugar, aproveitando este novo critério de treinamento, este artigo investiga o uso de Redes Prioritárias para detectar ataques adversários e propõe uma forma generalizada de treinamento adversário. É mostrado que a construção de ataques de caixa branca adaptativos bem-sucedidos, que afetam a previsão e evitam a detecção, contra redes anteriores treinadas em CIFAR-10 e CIFAR-100 usando a abordagem proposta requer um esforço computacional maior do que contra redes defendidas usando adversário padrão. treinamento ou abandono do MC.
- 21:10 Painel de discussão: “NeurlPS, que cresceu demais: quem é o culpado e o que fazer?” - Alexander Krainov, Yandex
- 21h40 Pós-festa
16 de janeiro, 18h30-21h30, quinta-feira
- 19h00-19h30 “Resolvendo problemas operacionais usando R para manequins” - Konstantin Firsov (Netris JSC, Engenheiro Chefe de Implementação).
- 19h30-20h00 “Otimização de estoque no varejo” - Genrikh Ananyev (PJSC Beluga Group, Chefe de automação de relatórios).
- 20h00-20h30 “BMS no X5: como fazer mineração de processos de negócios em logs de PDV não estruturados usando R” - Evgeniy Roldugin (X5 Retail Group, Chefe do Departamento de Ferramentas de Controle de Qualidade de Serviço), Ilya Shutov (Media Tel, Chefe do Departamento de Cientista de Dados).
18 de janeiro, 12h00-18h00, sábado
- “Quando vale a pena reescrever um aplicativo do zero e como convencer as empresas disso” - Alexey Pyzhyanov, desenvolvedor, SiburA verdadeira história de como lidamos com a dívida técnica da forma mais radical. Eu vou te contar sobre isso:
- Por que um bom aplicativo se transformou em um péssimo legado.
- Como tomamos a difícil decisão de reescrever tudo.
- Como vendemos essa ideia ao product owner.
- O que resultou dessa ideia no final e por que não nos arrependemos da decisão que tomamos.
- “Simulações de API Vuejs” — Vladislav Prusov, desenvolvedor Frontend, AGIMA
18 de janeiro, 12h00-15h00, sábado
- 12h00 “Desafio Logístico Zindi Sendy (rus)” - Roman Pyankov
- 12h30 “Data Souls Wildfire AI (rus)” - Ilya Plotnikov
- 13h00 Coffee break
- 13:20 “Desafio Topcoder SpaceNet 5 e assinatura do 3º Desafio de Satélite Tellus (eng)” - Ilya Kibardin
- 14h00 Coffee break
- 14:10 “Regressão Automatizada de Séries Temporais Codalab (eng)” - Denis Vorotyntsev
Fonte: habr.com