Устали от докладов про RecSys и NLP? Приходите послушать доклад Владислава Маслова и Василия Вологдина «Как ML помогает производить лекарства?»

Вы узнаете, как машинное обучение трансформирует сферу фармацевтики и ускоряет разработку лекарств! Доклад особенно хорош обзором разных направлений: это и лабораторные исследования, и производство, клинические и доклинические исследования, бэк-офис…

🖐️ Ждём вас на AiConf — прикладной конференции по Data Science, которая пройдёт 26 и 27 сентября в Москве.

✅ Программа конференции, расписание и билеты на сайте

🖐️ Вчера у нас прошла онлайн-встреча экспертов в области data science с сообществом, на которой мы обсудили следующие основные тематики:

- Будущее и развитие DS. Какие интересные прикладные задачи стоят перед лидерами индустрии?
- Где стоит применять LLM, а где стоит обойтись менее сложными моделями?
- По какому вектору будет дальше развиваться "генеративный ИИ"?

Спикерами встречи стали: Андрей Кузнецов (AIRI), Евгений Смирнов (АЛЬФА-БАНК), Роман Поборчий (self-employed), Дани Эль-Айясс (Social Discovery Group) и Александр Самойлов (Wildberries)

▶️Если вы не смогли принять участие в этой дискуссии, делимся с вами записью встречи

Присоединяйтесь к нам 26 и 27 сентября на AiConf — независимую крупнейшую офлайн-конференцию по Data Science 🙌

Академические исследования — отдельный трек в программе AiConf, на котором мы будем говорить про ML будущего.

Сегодня знакомим вас со второй частью докладов трека, из которых вы узнаете:

- о фреймворке для анализа данных с использованием каузальных моделей и вероятностного ИИ;
- исследование State of the art табличных нейросетей;
- различные подходы к пониманию и улучшению рациональности в LLM;
- о текущем состоянии области физически обоснованного машинного обучения.

первая часть докладов здесь

1) Фреймворк прикладных инструментов для анализа данных на основе каузальных моделей и байесовских сетей. Ирина Деева (Университет ИТМО)

Causal ML — сложная тема, под которую необходимы специальные библиотеки для моделирования и анализа данных. Ребята из ИТМО расскажут про свою новую библиотеку, где они собрали все необходимые инструменты в одном месте, и как эта библиотека работает по сравнению с существующими решениями.

2) Превращаем нейросети в SOTA и для табличных задач. Олег Сидоршин (Альфа-Банк)

Градиентный бустинг — SOTA для работы с табличными данными. Олег расскажет, какие архитектуры нейронных сетей использовать и как именно их обучать, чтобы догнать по качеству бустинг и впоследствии в режиме end-to-end строить модели одновременно на структурированных и слабоструктурированных данных.

3) Языковые модели и основы рационального мышления. Ирина Пионтковская (Huawei Noah's Ark Lab)

Ирина расскажет о том, насколько LLM способны применять логику в своих решениях. Эти модели претендуют на роль универсальных решателей, но пока неясно, входят ли логические рассуждения в число их эмерджентных способностей, или же LLM остаются статистическим механизмом над лингвистическими данными.

4) Физически обоснованное машинное обучение — что можно и что нужно. Александр Хватов (Университет ИТМО)

Промтинжиниринг, LLM, RAG, BERT, агентные системы, GPT — НЕТ!
Дифуры, операторы Фурье, PINN, вариационное исчисление, рой роботов, моделирование поведения плазмы — ДА!
Возможно, самый «альтернативный» доклад на AIConf!
Вы узнаете о физически обоснованном МО и о том, как оно облегчает жизнь физиков.

Встречаемся 26 и 27 сентября на AiConf, присоединяйтесь 🙌

✅ Программа конференции, расписание и билеты на сайте

Офлайн или онлайн?

Рассказываем про два формата участия в AiConf, их преимуществах и доступных опциях.

Офлайн-формат: погружение в атмосферу общения.

Если вы выбираете не только слушать, а ещё активно участвовать и обмениваться опытом, офлайн-формат то, что вам нужно!

- Общение со спикерами. У вас будет возможность задать вопросы и обсудить интересующие вас темы напрямую с экспертами. Это шанс получить инсайты из первых уст.
 
- Глубокая проработка тем на воркшопах и панельных дискуссиях. Погрузитесь в обсуждения, где вы сможете поделиться своими мыслями и получить обратную связь от коллег и спикеров.

- Доступ к выставочной зоне. Исследуйте новинки технологий и продуктов от ведущих компаний. Это отличная возможность найти решения для своих проектов.

- Сытные кофебрейки и обеды. Наслаждайтесь вкусной едой и общением с коллегами.

- Подарки от партнёров и организаторов. Маленькие приятные сюрпризы, которые пригодятся для дальнейшего использования.

🗄

Онлайн-формат: Знания на расстоянии одного клика!

Не можете присутствовать на конференции лично? Этот формат дает вам возможность участвовать в событии из любой точки мира.

- Трансляция всех докладов. Следите за событиями конференции в режиме реального времени. Благодаря отличному качеству трансляции, вы сможете почувствовать атмосферу в зале даже издалека.

- Воркшопы и панельные дискуссии не транслируются. Хотя интерактивные сессии доступны только офлайн, у вас все равно будет масса информации.

🔴Опции, которые будут доступны и для офлайн-участников, и для онлайн:

- Вопросы к спикерам в telegram-чате. У вас также будет возможность задать вопрос спикеру и получить ответ.

- Все презентации спикеров. Не переживайте, если что-то пропустите — у вас будет доступ ко всем материалам.

- Видеозаписи всех докладов. Все важные моменты останутся с вами. Пересматривайте их в любое время.

Какой бы формат вы ни выбрали, мы уверены, что AiConf станет для вас настоящим источником вдохновения и знаний. Приходите, подключайтесь, участвуйте 🙌

✅ Программа конференции, расписание и билеты на сайте

Компьютерное зрение и генерация изображений — важные инструменты в арсенале дата-сантистов, которые способствуют более глубокому анализу данных и созданию инновационных решений.

На AiConf будет отдельная секция, посвященная этой теме. В этом посте рассказываем про следующие доклады и мастер-класс из секции «Компьютерное зрение и генерация изображений»

1) 3D pose estimation объектов фиксированной геометрии для складских роботов. Aлександр Тимофеев-Каракозов (Яндекс)

Александр расскажет про end-2-end-пайплайн обучения и работы складских роботов Яндекса от 3D-локализации коробок с товарами для складской робототехники через keypoints estimation и instance segmentation к финальному решению, базирующемуся на active learning в среде активно меняющихся доменов.

2) Мягкая модерация изображений: скрыть нельзя блокировать. Юрий Батраков (Авито)

Модерация UGC-контента — огромная головная боль для бизнеса и огромный простор для ML-решений. Постоянное желание пользователей обойти автоматические проверки, и высокая нагрузка рождают элегантные инженерные системы, о которых вы узнаете из доклада Юрия.

3) Побеждают ли диффузионные модели генеративные состязательные сети в задаче повышения разрешения? Денис Кузнеделев (Яндекс)

Доклад посвящён построению ряда экспериментов по сравнению диффузионных и GAN-подходов в задаче повышения разрешения при одинаковых условиях в смысле обучения/тестирования моделей. Авторы ставят эксперименты, фиксируя данные, размеры моделей, что позволяет проводить корректное сопоставление.

4) Мастер-класс «Получение высококачественных данных для обучения ИИ-моделей». Олег Секачев (Яндекс)

Если вам предстоит собирать много данных с помощью людей, а раньше вы такую разметку не организовывали, то воркшоп строго рекомендован к посещению. Там вы узнаете, как разметчики косячат, как они жульничают и что со всем этим делать вам как заказчику разметки.


Присоединяйтесь к нам 26 и 27 сентября на AiConf 🙌

✅ Посмотреть программу конференции и купить билет можно на сайте

Ozon едет на AiConf

В новом выпуске «Рандомных дров» обсудили доклады и сделали такие спойлеры, что теперь их ещё больше хочется послушать.

⭐️ Иван Антипов пояснил за трёхэтапный пайплайн матчинга, при котором находятся не пары, а целые группы товаров. Этого удалось добиться за счёт внедрения подхода кластеризации на графах. Такой алгоритм может быть полезен не только в матчинге, но и, например, в задачах антифрода.

⭐️ Алексей Гурьянов рассказал, как команда перешла на нейросетевые модели в рантайме сервисов товарных рекомендаций и добавила туда тяжёлые трансформенные сетки.

⭐️ Также Лёша поделился идеей, как среди миллионов товаров уложиться в ограничения рантайма при подборе кандидатов.

Про трансформеры, графы, кластеризацию и рекомендации за миллисекунды Ozon Tech like — слушайте на удобной платформе:

Яндекс Музыка
Apple Podcasts
Castbox
Mave

#ozontech_podcast #ML

Понимание обработки естественного языка становится все более важным для дата-сантистов, особенно с учетом растущего объема текстовых данных и потребности в их анализе. Будем погружаться в тему на докладах из секции «Обработка естественного языка». Ловите вторую часть, первая здесь

1) От промпта к агентной системе: как превратить LLM в высококачественный сервис. Никита Венедиктов (Raft)

Агентные LLM-фреймворки выглядят сейчас тем инструментом, который способен продвинуть генеративные сценарии до нужных SLI в проде. В отечественном сегменте подтверждений этому пока не так много. Тем ценнее реальный кейс на примере задачи анализа Q&A в СМБ. Результаты подтверждены метриками.

2) Визуальные языковые модели: от разбора архитектуры до запуска. Эмиль Шакиров (SberDevices)

LLM обрастает разными модальностями, одной из которых является зрение. Эмиль расскажет об архитектурах визуальных LLM, о том, какие вызовы стоят перед инженерами в создании мультимодальных архитектур. Будет интересно!

3) Генеративные модели для работы с кодом. Как мы из 0 сделали 1. Евгений Колесников (Yandex Infrastructure)

Доклад посвящен подходам к обучению больших языковых моделей для работы с кодом, а также сбору данных, анализу результатов и оценке качества генерируемых подсказок для inline code completion.


Встречаемся 26 и 27 сентября на AiConf — независимой крупнейшей офлайн-конференции по Data Science, присоединяйтесь 🙌

✅ Программа конференции, расписание и билеты на сайте

Стать более ценными дата-сантистами на рынке труда и прокачаться в решении реальных задач бизнеса поможет погружение в тему рекомендательных систем и поиска 😎. И у вас будет такая возможность на докладах секции «Рекомендательные системы и поиск».

Знакомим вас со второй частью докладов секции, первая здесь

1) Нейросети в рекомендациях: от идеи до продакшна. Любовь Куприянова (Ozon)

Любовь расскажет о том, как интегрировать нейросетевые подходы в рекомендательные пайплайны, с какими проблемами можно столкнуться и как их избежать. Данный доклад, основанный на реальном опыте — это гайд для тех, кто хочет использовать нейронные сети для задач рекомендаций.

2) Less is more: как уменьшить отправку пушей и вырастить DAU. Дарья Никанорова (VK, Одноклассники)

В своем докладе Дарья делится трудностями работы с рассылками, про сложность оценки изменений и тем, как перейти от наивного подхода к более продвинутому. Даша расскажет про то, как получилось преодолеть эти челленджи в Одноклассниках и улучшить бизнес-метрики.

3) ML на графах в e-commerce: как эффективно собирать группы на миллионах товаров. Иван Антипов (Ozon)

Community Detection — нечастый гость в бизнес-задачах. Однако в Ozon он улучшил качество склейки похожих товаров, да еще и вычисляется распределенно на графе из многих миллионов вершин. Доклад будет интересен тем, кто устал от засилья нейросетей и ностальгирует по старым добрым графовым алгоритмам.


Встречаемся уже совсем скоро на AiConf, у вас ещё есть возможность к нам присоединиться в Москве или онлайн по всему миру 🙌

✅ Программа конференции, расписание и билеты на сайте

Развитие нейросетей способствует шквальному развитию инструментов для них и даже появлению новых языков программирования.

Давайте посмотрим, чем Mojo отличается от Python, какие у них преимущества и недостатки. И сделаем всё это с помощью экспериментов на основе стандартных наборов данных: MNIST и Housing Prices Dataset. Обучим простую сверточную нейронную сеть, а заодно разберём один из методов машинного обучения — линейную регрессию.

✅ Подробности в статье: https://habr.com/ru/companies/oleg-bunin/articles/843044/

Оптимизация использования железа — важная задача для data-science инфраструктуры, которая позволяет:

- снизить расходы на оборудование и его обслуживание;
- увеличить производительность;
- снизить потребление энергии;
- увеличить скорость разработки;
- улучшить масштабируемость;
- укрепить устойчивость к сбоям.

В программе AiConf вас ждут два классных доклада с реализованными задачами ⤵️

1) Устройство и перспективы использования ML-компиляторов. Виталий Шутов (VK, ВКонтакте)

Доклад Виталия охватывает эволюцию компиляторов машинного обучения от Theano до современных решений. Рассматриваются ключевые технологии: MLIR, XLA и IREE. Подробно обсудим, как MLIR улучшает гибкость и совместимость, позволяя переиспользовать оптимизации, и как XLA ускоряет вычисления и повышает производительность моделей, учитывая гетерогенную природу вычислений. Рассмотрим конкретные примеры оптимизаций, а также перспективы и текущие исследования в области ML-компиляторов.

2) Что такое ML-платформа на базе K8s? и как в ней решены разнородные требования к квотированию и шедулингу. Тимофей Разумов (Т-Банк)

ML-платформа все чаще становится обязательной частью инфраструктуры для крупных big-tech-компаний. Тимофей расскажет, какие фреймворки помогают оркестрации и квотированию железа под обучение и инференс и почему из коробки оно не всегда оптимально.


До встречи 26 и 27 сентября в Москве на AiConf 🙌

✅ Программа конференции, расписание и билеты на сайте