Стачка.Искусственный интеллект

Секция посвящена технологиям искусственного интеллекта, которые уже прочно вошли в нашу жизнь и продолжают развиваться. Поговорим о:

  • анализе больших объемов данных;
  • распознавании образов в реальном времени;
  • системах принятия решений;
  • автоматизации и т.д.

Несомненно, за развитием искусственного интеллекта будущее. Приглашаем это будущее обсудить.


Модератор секции: Ринат Гареев

Data scientist c 8+ лет опыта в R&D в области обработки естественного языка и прикладного машинного обучения в целом. Половина моего опыта - работа в академии (Казанском федеральном университете), половина - индустриальная. Последние 2 года веду machine learning проекты в Provectus, выстраивая полный цикл разработки: от формулирования задачи в терминах ML до деплоя в production, мониторинга и поддержки.


Модератор секции: Эмиль Магеррамов

Эксперт в сферах Data Science и управления командами.

Сооснователь EORA - компании, делающей Data Science-решения на заказ и выпускающей свои продукты в сфере компьютерного зрения. Опыт работы Data Scientist в Beiersdorf, YouthLabs и EORA.

Основатель клуба Машинного Обучения в Иннополисе, около 600 участников (всего в городе 5000 человек). Привлек спикеров из таких компаний, как Сбербанк, Акбарс банк, X5 Retail group, СКБ Контур, Visiology, Innosoft, RoadAR, Provectus, DBrain и других.

Докладчик на таких конференций, как CISCO Connect, Saint TeamLead conf, AI.One, DataStart и других.

Участник 24 хакатонов, из них 11 призовых мест. Примеры хакатонов с призовыми местами: SkinHack, AI.Hack, Urban.Tech Challenge и другие. Был экспертом в двух хакатонах.

Купить билеты


Валерий Бабушкин
Директор по моделированию и анализу данных / Руководитель группы аналитики @ X5 Retail Group / Yandex
Москва
Как ускорить А/Б тесты в 10-100 раз

Доклад принят в программу конференции


из Доклады

    А/Б тестирование весьма каверзная задача, особенно когда количество данных слишком мало, чтобы сделать выводы за адекватное количество времени. Хочу рассказать историю о том, как в одном сервисе переключились на новую, самую важную метрику, в связи с чем количества необходимого для А/Б трафика упало в 2 раза и отом, как мы решили эту проблему с помощью Линеаризации, перевзвешивания, машинного обучения и теоремы Баеса

    Презентация


    Алексей Натекин
    Основатель @ Open Data Science
    Москва
    2019: speculations on future of ML

    Доклад принят в программу конференции


    из Доклады

      Шел 2019 год. Вокруг куча интересных слов: Transfer Learning, Meta Learning, Federated Learning, Reinforcement Learning, плюс еще и мейнстрим Deep Learning с все новыми типами данных.

      Параллельно с этим, развивается и ML Engineering, а вокруг него еще и свой ML Safety. Вроде бы, на вопрос "куда копать", проблем с ответом нет.

      Однако, деды и отцы-основатели ML стали все чаще говорить про фундаментальные нерешенные проблемы, типа Causality. Стали переосмыслять и припоминать в суе страшный "AI", и даже периодически фантазировать про эфемерный "AGI". Это будет небольшой рассказ - попытка осмыслить происходящее в ML сегодня, и прикинуть - куда ML будет двигаться завтра (а может быть и послезавтра).


      Александр Сербул
      Руководитель Отдела направления контроля качества интеграции и внедрений @ 1С-Битрикс
      Москва
      Гибкое управление проектами в области машинного обучения и BigData

      Доклад принят в программу конференции


      из Доклады

        В докладе простыми словами расскажем, как применять популярные гибкие методологии (Agile, Scrum) в сложных проектах, связанных с машинным обучением, математикой, большими данными. Пройдем все этапы от проектирования, анализа, защиты бизнес-идеи и подбора команды, до оценок качества и конверсии сервиса «на бою». Разберем возможности быстрого запуска подобных проектов с использованием готовых облачных сервисов «Amazom Sage Maker», а также поделимся успешным опытом реализации ML-проектов внутри компании.

        Доклад будет полезен менеджерам, заинтересованным в снижении издержек и рисков запуска проектов по машинному обучению, AI и большим данным в организациях. Также, доклад будет интересен всем, кто хочет привлечь в проект внешние ML-команды, стартапы, научные организации, в т.ч. через организацию конкурсов и хакатонов.

        Презентация


        Александр Паринов
        Ведущий архитектор систем компьютерного зрения @ X5 Retail Group
        Москва
        Albumentations. Как мы сделали библиотеку для аугментации изображений

        Доклад принят в программу конференции


        из Доклады

          Чтобы обучить сверточную нейронную сеть требуется большое количество данных. Аугментация изображений - простой и быстрый способ увеличить обучающую выборку и получить более качественные модели. Существующие библиотеки для аугментаций нас не устроили: они были слишком медленными, поддерживали ограниченный набор преобразований, не умели работать с данными для разных типов задач, их документация была неполной. Мы хотели, чтобы наша библиотека одновременно предоставляла удобный интерфейс на Python и при этом работала достаточно быстро. Также приходилось решать проблемы, присущие любому Open Source проекту - как писать понятную документацию и примеры использования, как чинить баги и не допускать появления большого числа ошибок в новых релизах, как продвигать библиотеку и как следовать пожеланиям сообщества и дальше развивать проект.

          Презентация


          Пётр Ермаков
          Senior Data Scientist @ DataGym.ru / Lamoda
          Москва
          Python DS puzzlers

          Доклад принят в программу конференции


          из Доклады

            Работа с данными в Python не предвещает беды и сюрпризов.

            Да и какие тут еще пазлеры? Нетривиальное поведение возможно только в Java. Но не тут то было!

            В интерактивном формате вместе с аудиторией мы откроем новые возможности выстрелить себе в ногу и облажаться в Python-е для DataScience

            Презентация


            Catalyst.RL – reproducible RL research framework

            Доклад принят в программу конференции


            из Доклады

              Несмотря на большой прогресс в области RL и, возможно, именно из-за него, крайне сложно провести сравнению различных алгоритмов RL. Чтобы исправить этот недостаток и быть уверенным в работоспособности новых решений мы представляем Catalyst.RL - библиотеку для проведения RL исследований с акцентом на воспроизводимость и гибкость.

              В этом докладе я расскажу вам про обучение с подкреплением, про то, как появилась эта библиотека, какие открытия уже были сделаны с ее помощью, а какие соревнования - выиграны.

              Есть ли воспроизводимость результатов в RL? Что требуется, чтобы этого добиться? Все просто – переходите на catalyst.

              Презентация


              Артур Кузин
              Руководитель направления нейронных сетей @ X5 Retail Group
              Москва
              Компьютерное зрение и Видеоаналитика в ритейле

              Доклад принят в программу конференции


              из Доклады

                В сети X5 Retail Group 14к+ магазинов, в которых будет развернута видеоаналитика для решения различных задач. А именно: определение доступности товаров на полке, контроль сотрудников, определение очередей.

                В докладе будет рассказано про основные подходы к решению задачи. Будет описан процесс разработки пайплайна на примере соревнований по машинному обучению на платформе kaggle и datasouls.

                Также будут показаны примеры работы решений в проде на реальных магазинах.

                Презентация


                Вячеслав Шульц
                Computer Vision Engineer @ EORA
                Иннополис
                Когда MNISTa мало, а счетчиков для воды — в самый раз

                Доклад принят в программу конференции


                из Доклады

                  1) Как построить многокомпонентный пайплайн для задач компьютерного зрения.

                  2) Как наладить взаимодействие в чистой Data Science - команде.

                  3) На какие подводные камни мы натолкнулись, распознавая цифры на счётчиках.

                  Презентация


                  Рамиль Кулеев
                  Руководитель лаборатории искусственного интеллекта @ АНО ВО "Университет Иннополис"
                  Иннополис
                  Что общего между поиском патологий легких и леса

                  Доклад принят в программу конференции


                  из Доклады

                    Университет Иннополис реализует проекты в области компьютерного зрения и машинного обучения для различных отраслей. Среди них – распознавание медицинских изображений и мониторинг изменений леса по данным космосъемки.

                    В докладе будет рассказано об опыте реализации некоторых проектов: формировании команды, работы с заказчиком, применяемых технологиях, «подводных камнях».

                    Презентация


                    Эмиль Магеррамов
                    COO @ EORA
                    Иннополис
                    Процесс в Data Science-разработке для чайников

                    Доклад принят в программу конференции


                    из Доклады

                      Какие шишки мы набили и лайфхаки нашли в EORA, когда учились управлять Data Science-командой с нуля.

                      Как мы сейчас строим процесс Data Science-разработки.

                      Презентация