Конференция Город IT
Город IT 2018 | «ЦИФРОВОЕ И НАСТОЯЩЕЕ»
Машинное обучение
10 ноября
11:00 — 13:00
Цели и задачи:

Популяризировать направление, рассказать о современных трендах, технологиях и подходах в Machine Learning.

Формат секции:
Классический доклад
  • 25 минут - доклад
  • 5 минут - ответы на вопросы
Кому будет интересно
Программисты уровней Medior, Senior
Software engineers
Students (PhD, Master)
Data scientists
Программа секции
Усов Максим
Основатель / Технический директор компании ENBISYS
Открытие секции
Павел Хаустов
Руководитель направления Machine Learning, компания Rubius
Как дискриминация помогает генерировать изображения

Подробнее
Александр Радионов
Руководитель сервисов Поиска и ML, компания 2GIS
Storekeeper – поиск дубликатов товаров

Подробнее
Иван Комаров
Руководитель группы "Машинное отделение", ГК ЦФТ
Задачи машинного обучения в финансовой сфере

Подробнее
Дмитрий Красавин
Data scientist, компания ENBISYS
Еще один шаг к будущему - или как нейросеть голландских детей учит

Подробнее
Павел Хаустов
Информация о докладе:
Тема: Как дискриминация помогает генерировать изображения

Вычислительные мощности современных графических процессоров позволяют разрабатывать и обучать алгоритмы машинного обучения для генерации фотореалистичных изображений за считанные часы. Однако, в отличие от более привычных задач машинного обучения, обучение модели для генерации изображений осложняется необходимостью выбора входных данных для модели-генератора, а также способа оценки правдоподобия создаваемого изображения. Не так давно для обучения таких моделей стали применяться модели-дискриминаторы, которые позволяют переложить большую часть забот при разработке алгоритма на плечи вычислительной системы.

В докладе на наглядном примере будет показано, как обучить алгоритм для генерации фотореалистичных изображений с помощью модели-дискриминатора.
Александр Радионов
Storekeeper – поиск дубликатов товаров

В докладе рассказывается как при помощи NLP и ML была решена проблема поиска одинаковых описаний товаров среди миллионов товарных предложений разных магазинов.

  • Как правильно подготовить Dataset
  • Возможно ли использовать синтетические данные и насколько они эффективны?
  • Как выйти в продакшн - проблемы масштабирования (50+ серверов)
Иван Комаров
Задачи машинного обучения в финансовой сфере

В докладе рассматриваются подробно решаемые задачи для основных направлений использования машинного обучения в финансовой организации на примере "ГК ЦФТ".

  • Принимаем грамотные бизнес решения с поддержкой алгоритмов ML
  • Используем технологии data science для снижения финансовых рисков
  • "Умный бизнес" - оптимизируем процессы на основе больших данных
  • Как правильно интегрировать технологии ML в существующую модель организации?
  • Как правильно поставить задачу отделу data science?
Дмитрий Красавин
Еще один шаг к будущему - или как нейросеть голландских детей учит

В докладе рассказывается о том, как передать в нейросети лучшие педагогические практики на примере математики для начальных классов.

  • Почему много данных в школе - это хорошо
  • Двоечников больше не будет ?
  • Как создать цифрового двойника (digital twin)
  • Нейросеть - гадалка (сдашь/не сдашь экзамен)
  • Комбинаторный взрыв или почему reinforcement learning не подходит