Ещё один коллаж, который совместно сгенерили участники конференции на стенде Онтико AI Искусство 💚

Доклад Степана Малькевича был посвящен pairwise-модели рекомендаций в ленте VK, увеличивающей качественное проведенное время пользователем на главной странице социальной сети.

Участники конференции послушали про multi-target pairwise-подход с многокритериальной оптимизацией, позволяющий достичь положительных результатов.

Друзья, в 17:00 ждём вас на заключительных докладах и панельной дискуссии AiConf:

🔹Зал «Сфера». Где применять LLM, а где это оверкилл? Валентин Малых (ИТМО)

Сейчас все хотят применять LLM для решения своих задач, но не всегда это самый подходящий инструмент. Валентин напомнит слушателям о более простых методах решения NLP-задач и расскажет, как оценить целесообразность применения больших языковых моделей на практике.

🔹Зал «Полусфера». Панельная дискуссия «AI в производственном процессе». Артем Арюткин (Яндекс), Дмитрий Меркушов (VK, Mail.ru Group), Артем Бондарь (Т-Банк), Павел Гусев (Truffle), Василий Копытов (Авито)

Главная ценность панели — разнообразие компетенций и ролей участников. Это позволит покрутить хайповую проблематику LLM-автоматизации под разными проекциями бизнеса/техники и показать zoom in/out, что хайп здесь уже трансформируется в реальную пользу для компаний и их сотрудников.

🔹Зал «Аудитория 1». Валидация в RecSys для корреляции с А/В: что работает в контентных рекомендациях. Дарья Тихонович (МТС Диджитал)

Вы обучили новую модель рекомендаций. Офлайн-метрики растут, а А/В-тест опять красный. Знакомо? Тогда этот доклад для вас. Дарья расскажет про причины возникновения этой проблемы и предложит подходы к решению, которые были протестированы в реальных сервисах экосистемы МТС.

🔹 Зал «Пресс-центр». Как мы развернули трансформер на событиях интерфейса операторов поддержки. Артем Карасюк (Т-Банк)

Инструменты для операторов службы поддержки при взаимодействии с пользователем — всегда актуальный трек для прикладного применения ML-моделей. Артем расскажет, как переход на более совершенные трансформерные модели для ранжирования интентов пользователя дает осязаемый бизнес-профит.

На панельной дискуссии «AI в производственном процессе» крутим хайповую проблематику LLM-автоматизации под разными проекциями бизнеса/техники и показываем zoom in/out, что хайп здесь уже трансформируется в реальную пользу для компаний и их сотрудников.

Главная ценность панели — разнообразие компетенций и ролей участников.

🖐️ Друзья, ловите фоточки с AiConf в альбомах ВКонтакте:

День 1

День 2

Друзья, время разрядиться и повеселиться! 🎉
Мы запускаем конкурс на самый смешной мем про вашу работу в Data Science! Главный приз - билет на AiConf 2025.
Поделитесь своими креативными мемами в комментариях к этому посту. 10 декабря мы случайным образом разыграем билет на конференцию среди всех участников!

Не упустите шанс не только посмеяться, но и стать частью AiConf! Ждем ваши мемы! 😄✨

Напоминаем про наш конкурс мемов🥳

Уже 10.12 будем подводить итоги, а сейчас еще есть время принять участие и испытать удачу!

Вы можете стать обладателем уникального приза - бесплатного онлайн-билета на AiConf 2025🔥

Желаем всем победы!

В разработке есть необычные темы. Например, как построить систему управления процессом окомкования железорудных окатышей? Никогда не задавались подобным вопросом? Самое время вникнуть в проблему и насладиться её глубиной и особенностями работы разработчиков в промышленности.

Руководитель Центра искусственного интеллекта «Северсталь Диджитал» Андрей Голов рассказал в статье о практических сложностях при внедрении решений на основе ML на промышленных объектах и нюансах реальных физических процессов, которые на это влияют: https://habr.com/ru/companies/oleg-bunin/articles/865088/

Всем привет! Мы готовы объявить победителя конкурса мемов 🙌

Им становится @kiri111ka с мемом, поздравляем 🎉

Кирилл, с вами свяжутся для вручения онлайн-билета на AiConf X 2025 👌

Хотите создать личного помощника, который будет соответствовать вашим требованиям? Но обучать свою LLM слишком сложно и затратно?

Можно дообучить готовую модель с помощью нескольких примеров и показать ей, как, например, делать разметку данных. Контекстные примеры подсказывают модели, какую задачу нужно решать, а также позволяют задать формат ответа, что может быть важно для автоматических запросов в LLM.

Давайте посмотрим, как это лучше сделать. А заодно разберемся, что такое механизм Attention и градиентный спуск, чем они отличаются и как влияют на внутреннее состояние модели: https://habr.com/ru/companies/oleg-bunin/articles/865856/

Сегодня поговорим о том, как в Т-Банке завели трансформер на событиях в интерфейсе оператора и как теперь используют его в бою.

Руководитель ML-команды в RecSys-отделе AI Центра Т-Банка Артем Карасюк расскажет, какие у них были проблемы с масштабированием, почему решили использовать трансформер и какой бизнес-профит получили.

Подробности в статье: https://habr.com/ru/companies/oleg-bunin/articles/866362/