Мы обсудим современные задачи в области построения творческого ИИ и поговорим о том, почему это важно и интересно, а также расскажем, как мы создавали Neurona, Нейронную Оборону и Пианолу.
Подробнее
Рассмотрим задачу персонализации новостной ленты и поговорим о получении модели и основанных на ней прогнозов, а также о технологиях обработки и хранения данных экосистемы Hadoop.
Подробнее
Поговорим о самых неожиданных и контринтуитивных наблюдениях, которые можно сделать с помощью анализа данных в социальных сетях. Не обойдём вниманием вопросы статистической значимости таких наблюдений, влиянии ботов и ложных корреляций.
Подробнее
Основываясь на опыте создания и использования краудсорсинговой платформы Яндекс.Толока, рассмотрим вопросы контроля качества, мотивации исполнителей, а также различные модели агрегации результатов разметки.
Подробнее
Как наиболее эффективно пользоваться алгоритмом градиентного бустинга CatBoost, где он применяется уже сейчас, где будет применяться и кому стоит обратить на него внимание.
Подробнее
В данном докладе пойдет речь о построении системы для решения задачи scene recognition при помощи state-of-the-art подхода, основанного на глубоких сверточных нейронных сетях.
Подробнее
Поговорим о том, что такое Audit-Driven Development и откуда оно взялось, как организовать битемпоральное хранилище фактов, зачем распределённой системе нужна машина времени, а также поделимся «универсальной формулой факта» и чем чаще всего оказываются задачи так называемой «аналитики».
Подробнее
Разберем ряд пилотов и боевых проектов с применением популярных и «редких» алгоритмов машинного обучения. Рассматривается техническая реализация на платформах Java, PHP, Python с использованием открытых библиотек и спектра инструментов в Amazon Web Services.
Подробнее
Как мы переработали архитектуру платформы для обработки в реальном времени данных 600 миллионов пользователей (сотни тысяч событий в секунду), с какими проблемами столкнулись и как их решали.
Подробнее
Рассмотрим пример обучения глубоких свёрточных сетей для локализации ключевых точек объекта на полностью синтетическом наборе данных.
Подробнее
Поговорим об обеспечении высокой доступности компонентов Hadoop-кластера, зачем и как это делать.
Подробнее
Попробуем вместе разобраться - нужна ли вам в 2017-2018 видеокарта, чтобы обучать градиентный бустинг.
Подробнее
Рассмотрим практические аспекты применения глубинного обучения, коллаборативной и контентной фильтрации и фильтрации по времени как подходов в рекомендательных системах, а также построение гибридных рекомендательных систем и модификации подходов для онлайн обучения на Spark.
Подробнее
9-15 марта 2016 года программа AlphaGo, созданная Google DeepMind на основе методов deep reinforcement learning, победила со счётом 4-1 Ли Седоля, профессионала го 9 дана и одного из лучших игроков-людей. А спустя год победила номера один мирового рейтинга Кэ Цзе уже совсем в одну калитку.
Подробнее
Обсуждаем генеративные и дискриминантные модели и связь между ними в терминах специализации программ, роль этих моделей в рамках глубокого обучения и вероятностного программирования. В частности, речь пойдёт о нейробайесовском подходе и о нейровероятностном программировании как объединении двух парадигм на примере библиотеки Edward.
Подробнее
Доклад о распределенном роботе для обхода веба, поиска и извлечения контактной информации с корпоративных веб-сайтов.
Подробнее
Доступ к госданным открывает новые возможности для бизнеса, но требует знания и понимания того, как устроены сбор, анализ и публикация данных.
Подробнее