Сети и соседи: методы выживания машинного обучения в “дикой природе”. Открытый семинар AI@MIPT

Блог компании Московский физико-технический институт (МФТИ)ПрограммированиеМашинное обучениеУчебный процесс в IT
image

Привет, Хабр! 22 января в 18:30 на Физтехе состоится очередная встреча из цикла семинаров по искусственному интеллекту. Приглашаем вас прокачаться и познакомиться с атмосферой Физтеха :) Михаил Биленко, руководитель подразделения Machine Intelligence and Research в Яндексе и координатор деятельности исследовательской группы Яндекса в МФТИ, расскажет об уникальных отличиях академического и технологического машинного обучения. Семинар пройдет в 107 аудитории Биокорпуса МФТИ, зарегистрироваться можно тут (не забудьте взять паспорт).

Параметрические методы машинного обучения, такие как нейронные сети, растущие деревья (boosted trees), методы факторизации и их совокупности, задают последнее слово в бенчмарках машинного обучения от академических стандартов (таких как ImageNet) до соревнований Kaggle. Однако применение систем машинного обучения в реальном мире существенно отличается по ряду параметров.

Отличия академического и технологического обучения приводят к очень разным оптимальным решениям, в сравнении с теми, которые обычно встречаются в конкурсах и академических бенчмарках. Обсуждение каснётся необходимости объединения параметрических и непараметрических моделей (таких как современные варианты алгоритмов ближайшего соседа). Также будут описаны некоторые интересные комбинации, которые приводят к современным технологическим решениям в системах машинного перевода и диалоговых системах.

Михаил Биленко руководит подразделением Machine Intelligence and Research в Яндексе. Команды в MIR'е занимаются исследованиями, разработкой и выпуском продуктов в ключевых областях искусственного интеллекта: диалоговых системах, распознавании и синтезе речи, машинном переводе, компьютерном зрении и машинном обучении. До Яндекса Михаил руководил командой Machine Learning Algorithms в Microsoft, ML-компоненты которой были интегрированы в десятки продуктов компании. Перед этим он семь лет проработал исследователем в Microsoft Research, куда пришел после аспирантуры в университете Техаса в Остине и стажировок в Google и IBM Research.

Материалы курса доступны в Telegram-канале и группе AI@MIPT Вконтакте.

Кстати, что ещё вам было бы интересно узнать про искусственный интеллект в формате AI@MIPT?
Теги:мфтияндексмашинное обучениеискусственный интеллектнейронные сети
Хабы: Блог компании Московский физико-технический институт (МФТИ) Программирование Машинное обучение Учебный процесс в IT
+15
2,6k 20
Комментарии 6

Похожие публикации

Лучшие публикации за сутки

Информация

Дата основания
Местоположение
Россия
Сайт
mipt.ru
Численность
1 001–5 000 человек
Дата регистрации

Блог на Хабре