📌Анонс семинара Магистратуры 15 сентября (14.30 в 5234):

🗒 Статья для разбора:

Micci-Barreca D. A preprocessing scheme for high-cardinality categorical attributes in classification and prediction problems, 2001

Докладчик: Влад Калинин
Оппонент: Игорь Бусов

Гость: Дмитрий Колодезев
Основатель сибирского филиала ODS сообщества. Директор компании Promsoft.
Тема: Датафест и ML сообщество в Академгородке.

📌Анонс семинара Лаборатории 18 сентярбя (10.50 в 4105):

🗒 Linear transformer и RetNet, альтернативы трансформеру с ускорением инференса с O(N^2) до O(N)

Олег подробно расскажет, как выглядит шаг инференса для различных архитектур, и покажет, какие практические выводы из этого можно сделать.

Докладчик: Олег Седухин

📌Анонс семинара Магистратуры 22 сентября (14.30 в 5234):

🗒Статья для разбора:

Marc G. Genton. Classes of kernels for machine learning: A statistics perspective, 2001

Докладчик: Владислав Астахов
Оппонент: Дмитрий Цыбульский

Гость: Иван Комаров
Директор дирекции машинного отделения ЦФТ, один из основателей сибирского отделения Open Data Science.
Тема: Насколько помогают новые методы при решении задачи кредитного скоринга.

📌Анонс семинара Лаборатории 25 сентярбя (10.50 в 4105):

🗒 НейроКРЯ: развитие корпусной лингвистики.

Появление корпусов — больших коллекций текстов с интерфейсом поиска по ним — необратимо изменило лингвистику и мотивировало создание языковых моделей. Стремительное развитие NLP в свою очередь позволяет внедрять в классическую лингвистику новые способы исследования. В своём докладе Дмитрий расскажет о том, как они с командой разрабатывают инструменты для НКРЯ, и немного о том, как НКРЯ может пригодится при разработке NLP-приложений.

Докладчик: Дмитрий Морозов

🗒 Рекомендательная модель для операторов поддержки клиентов.

Валентин расскажет про свою магистерскую диссертацию, где помогал операторам поддержки Тинькофф быстрее искать информацию. Помимо простых рекомендательных бейзлайнов, он расскажет про генеративные трансформеры на кликах в графическом интерфейсе. Также, в докладе будет немного про мультимодальные способы внедрения текстовых сообщений в модель.

Докладчик: Валентин Мамедов

📌Анонс семинара Магистратуры 29 сентября (14.30 в 5234):

🗒 Статья для разбора:

Audigier et al. Multiple imputation for multilevel data with continuous and binary variables, 2017

Докладчик: Болдинов Артем
Оппонент: Тарасов Артем

❗️Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

Гость: Иван Бондаренко
научный сотрудник лаборатории прикладных цифровых технологий, старший преподаватель кафедры фундаментальной и прикладной лингвистики и кафедры применения математических методов в экономике и планировании НГУ. Ранее работал специалистом по анализу данных в компании 2ГИС, архитектором решений в компании Data Monsters, техлидом команды AutoML для больших данных в компании Huawei, научным сотрудником в МФТИ, преподавателем в ДонНТУ.

Тема выступления: "О предобработке данных вообще и о восстановлении пропущенных значений в частности в практических ML-пайплайнах".

📌Анонс семинара Лаборатории 02 октября (10.50 в 4105):

🗒 Применение белковых языковых моделей для предсказания определённых семейств белков

Одной из задач биоинформатики является выравнивание аминокислотных или нуклеотидных последовательностей. По сути, речь идет об их сравнении для выявления сходства или различия. В рамках рассматриваемой проблемы, для упрощения задачи, возможно использование языковых моделей. Об одной из таких моделей и пойдет речь в презентации Эльзары.

Докладчик: Мазинова Эльзара

🗒 Как внедрять ML в физику и наоброт

Роман расскажет с какой стороны можно подойти к решению дифференциальных уравнений с помощью нейросетей, и какие основные проблемы при этом можно встретить. Кроме этого, он покажет в какую сторону движется это направление.

Докладчик: Дерунец Роман

🗒 Технический доклад о состоянии дел в биомедицинских грантах РНФ

Ростислав расскажет о недавнем результате по анализу морфологии аневризм брюшной аорты и ее связи с постоперационными осложнениями. Кроме того, он расскажет о текущем направлении исследования и попытках обучить гибридную модель для генерации поверхностных сеток, о дальнейших планах и открытых задачах.

Докладчик: Епифанов Ростислав

📌Анонс семинара Магистратуры 6 октября (14.30 в 5234):

🗒Статья для разбора:

MacKay D. J. C. Bayesian interpolation, 1992.

Докладчик: Родионов Владислав
Оппонент: Носорев Константин

❗️Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

Гость: Валентин Малых
сотрудник МТС.ai (ex Huawei, VK, DeepPavlov).

Тема выступления: "Байесовские подходы в NLP (и их отсутствие)"

📌Анонс семинара Лаборатории 09 октября (10.50 в 4105):

🗒 Учимся понимать диалоги на основе реальных данных

Антон расскажет о self-supervised методах обучения NLU моделей на основе больших объёмов реальных диалогов клиентов с ботом и операторами поддержки сервиса. Задача делалась в рамках чат-бота денежных переводов и других сервисов ЦФТ. В презентации будут показаны различные идеи к постановке задач для адаптации моделей к домену без привлечения разметчиков. В частности, будет показано как именно предобучали модельку для лучшей работы с контекстом диалога.

Докладчик: Антон Легченко

🗒 Сбор и разметка корпуса голосовых команд

В своем докладе Сюзанна опишет процесс создания набора голосовых команд с точки зрения датацентрического подхода, а также рассмотрит основные ошибки, совершенные на каждом этапе проделанной работы. Будет полезно всем, кто хоть раз в жизни сталкивался или планирует столкнуться с задачей сбора данных, но не знает, с чего начать.

Докладчик: Сюзанна Мартиросян

📌Анонс семинара Магистратуры 13 октября (14.30 в 5234):

🗒Статья для разбора:

A. P. Dawid. The well-calibrated Bayesian. Journal of the American Statistical Association, 1982.

Докладчик: Ковалевский Данил
Оппонент: Травников Владислав

Гость: Андрей Зубков
Руководитель ML-направления в "Евраз"

Тема выступления: Почему калибровка ("точность") алгоритма - не важна

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

📌Анонс семинара Лаборатории 16 октября (10.50 в 4105):

🗒 The cake is a lie: когда табличный AutoML не работает?

Современный табличный AutoML основан на принципе оценки качества по кросс-валидации или out-of-time валидации. Этот принцип красив, удобен и часто вполне применим в тех случаях, когда с данными работает ML-специалист, который может их правильно подготовить. Но в наши дни ML широко распространяется, в том числе пытаются создать AutoML-системы "для народа", ориентированные на неспециалистов. При этом принцип кросс-валидации притягивается за уши. В своем докладе Олег продемонстрирует 5 типов табличных данных, которые с точки зрения неспециалиста выглядят нормально, однако обученная на них autoML-система будет бесполезна на практике, потому что принцип кросс-валидации на них не работает.

Докладчик: Седухин Олег

🗒 Кросс-доменная устойчивость алгоритма на основе Transformer в задаче генерации ключевых слов.

Использование генеративных алгоритмов в задаче аннотирования текстов ключевыми словами позволяет достичь более релевантных результатов. Классические алгоритмы лишь выбирают ключевые из самого текста, но практика показывает, что более, чем в трети научных статей используются ключевые, не встретившиеся в тексте самой статьи. В рамках работы была исследована устойчивость алгоритма генерации ключевых на основе Transformer к сдвигу данных на примере шести корпусов из трёх различных доменов.

Докладчик: Морозов Дмитрий

📌Анонс семинара Магистратуры 20 октября (14.30 в 5234):

🗒Статья для разбора:

J. R. Quinlan, “Induction of decision trees,” Machine Learning, vol. 1, pp. 81–106, 1986

Докладчик: Гарипов Тимур
Оппонент: Артеменко Никита

Гость: Юрий Кацер
Руководитель направления предиктивной аналитики (Lead DS) в стартапе, а также научный сотрудник ЛабПЦТ ММФ НГУ.

Тема выступления: Применение машинного обучения в задачах промышленности

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

📌Анонс семинара Лаборатории 23 октября (10.50 в 4105):

🗒 Использование Байесовских методов для адаптивной квантизации моделей нейронных сетей.

Нейронные сети имеют большой потенциал для использования на устройствах таких как мобильные телефоны, бытовая техника, сетевое оборудование и другие. Однако, обычно такие устройства имеют не очень мощные процессоры и ограниченное количество памяти, поэтому необходимо решить задачу сжатия нейронных сетей. Одним из методов сжатия является квантизация нейронных сетей. Мы предлагаем использовать Байесовские методы для определения степени квантизации слоев модели.

Докладчики: Иван Плохих , Данил Таранец

📌Анонс семинара Магистратуры 27 октября (14.30 в 5234):

🗒Статья для разбора:

L. Breiman, “Bagging predictors,” Machine Learning, vol. 24, pp. 123–140, 2004

Докладчик 1: Тютюльников Михаил
Докладчик 2: Кульбаченко Илья

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

📌Анонс семинара Лаборатории 30 октября (10.50 в 4105):

🗒 Как работает сервис оценки недвижимости?

В докладе поговорим про оценку вторичной недвижимости. Рассмотрим, что происходит когда вы оцениваете квартиру: какие сервисы для этого нужны, как они взаимодействуют между собой, что считается онлайн, а что мы готовим для вас по ночам. Поговорим о процессе разработки модели от гипотезы до прода. Обсудим, почему мы отказываемся от pandas в продакшн-системах и как справляемся с проблемами многопоточности в Python.

Докладчик: Константин Носорев

📌Анонс семинара Магистратуры 3 ноября (14.30 в 5234):

🗒Статья для разбора:

L. Breiman. Random forests. Machine learning, 45(1):5–32, 2001

Докладчик 1: Хотина Алисия
Докладчик 2: Сахаров Данил

Гость: Иван Комаров
Директор дирекции машинного отделения ЦФТ, один из основателей сибирского отделения Open Data Science.

Тема: Почему случайный лес работает и в каких случаях он хорош?

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

📌Анонс семинара Лаборатории 6 ноября (10.50 в 4105):

🗒 Применение методов NLP для работы с ЭЭГ-данными.

Электроэнцефалография (ЭЭГ) -- это неинвазивный метод изучения функций головного мозга с помощью регистрации его биоэлектрической активности. Ее широко используют для диагностики и контроля лечения различных патологий, таких как: эпилепсия, психические заболевания, алкоголизм и т.д.
В своем докладе Елена рассмотрит зачем и как применяются методы автоматического распознавания речи для работы с ЭЭГ-данными, а также разберет архитектуру и работу модели wav2vec, лежащую в основе данного метода.

Докладчица: Матвеева Елена

🗒 Классификация изображений колосьев пшеницы по признаку опушения колосковых чешуй с помощью сверточных нейросетей.

Высокопроизводительное фенотипирование при анализе больших объемов биологических данных становится необходимым иструментом. На данный момент умная теплица может обойтись обычному садоводу в сумму от 1 млн. евро, а гиперспектральная камера стоит столько же, сколько новая Kia Rio. Большие компании как Monsanto, Seminis, Syngenta Sinochem Holdings разрабатывают методы построения моделей растеней, но исследований по использованию изображений растений для предсказания каких-либо специфических фенотипических признаков совсем немного. В этой работе рассмотренна задача бинарной классификации изображений колосьев по признаку опушения колосковых чешуй. В своем докладе Никита расскажет про саму задачу, каких результатов получилось добиться. В чем трудности решения подобных задач и насколько нейросеть предсказывает круче биолога-эксперта, который визуально оценивает признак по тем же изображениям.

Докладчик: Никита Артёменко

📌Анонс семинара Магистратуры 10 ноября (14.30 в 5234):

🗒Статья для разбора:

P. Geurts, D. Ernst, and L. Wehenkel. Extremely randomized trees. Machine learning, 63(1): 3–42, 2006

Докладчик 1: Ипполитов Макар
Докладчик 2: Выдрин Антон

Гость: Юрий Бабуров
CTO компании DreamDocs, преподаватель НГУ

Тема: Выбор подходящих DL и ML алгоритмов для задачи

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209

📌Анонс семинара Лаборатории 13 ноября (10.50 в 4105):

🗒 Машинное обучение для повышения эффективности методов моделирования турбулентных течений.

Одной из актуальных инженерных задач во многих отраслях машиностроения является создание методов точного и надёжного предсказания параметров турбулентных течений с помощью численного моделирования. В настоящее время высокой точности результатов можно достичь с помощью прямого численного моделирования (DNS), однако данный метод крайне требователен к вычислительным ресурсам. Поэтому в прикладных задачах часто используют менее затратные алгоритмы по поиску приближённых решений, такие как метод крупных вихрей (LES), метод отсоединённых вихрей (DES) и решение систем уравнений Навье-Стокса, осреднённых по Рейнольдсу (RANS).
Несмотря на распространённость таких подходов, точность и универсальность многочисленных моделей турбулентности, имеющих полуэмпирическую природу, довольно низки, поэтому для улучшения прогнозирования осреднённых характеристик потока и расширения спектра рассматриваемых задач такие модели нуждаются в модификациях. В своём докладе Григорий расскажет о перспективах использования методов машинного обучения для повышения эффективности подобных приближенных схем на примере решения RANS-систем для симуляции потока в канале.

Докладчик: Григорий Гусев

🗒 Задача нахождения позиционных данных при помощи IMU и проблемы ее решения.

На дворе 2023 год, и у большинства из нас в кармане располагается смартфон, определяющий наши координаты в любой момент времени, обращаясь к спутникам 4 крупнейших систем навигации. Однако точность GPS по состоянию на 2020 год заявляется на уровне 2 метров. Что делать, если требуется собрать данные значительно точнее, и к тому же внутри здания? Одно из решений — использование датчика пространственного положения и математических алгоритмов. В этом докладе Кирилл расскажет о процессе реализации такого решения в биомед-проекте, где точность должна исчисляться в миллиметрах.

Докладчик: Кирилл Тарасов

🗒 Применение нейросетевого алгоритма для прогнозирования центральной линии аневризмы аорты.

Одной из нерешенных проблем в медицине является прогнозирование рисков развития аневризмы аорты. В своем докладе Кирилл рассмотрит какие методы в решении этой проблемы применялись раньше и сейчас. А также подробно расскажет один из перспективных алгоритмов поиска центральной линии, основанный на нейросети U-Net и подходе attraction field.

Докладчик: Мелихов Кирилл

📌Анонс семинара Магистратуры 17 ноября (14.30 в 5234):

🗒Статья для разбора:

J. Friedman, “Greedy function approximation: A gradient boosting machine,” Annals of Statistics, vol. 29, pp. 1189–1232, 2001

Докладчик 1: Чупров Илья
Докладчик 2: Максаковский Никита

Гость: Павловский Евгений
Заведующий Лабораторией аналитики потоковых данных и машинного обучения

Тема доклада: О непреложной итеративности разработки применимых моделей машинного обучения

Ссылка для подключения к трансляции.
Идентификатор конференции: 830 3569 8413
Код доступа: 258209