Шумихи вокруг ИИ стало поменьше, теперь уже не выходят каждый день однообразные тексты «уволят ли нас всех». А вот практическая польза от машинного обучения при этом никуда не делась. Работать с ML-технологиями нужно всё большему числу людей, и нужно уметь делать это правильно.
И 30 августа мы проведём онлайн-мероприятие TechTrain, где ML/AI будут рассматриваться не просто как «футуристические штуки, меняющие нашу жизнь», а как конкретные технологии. Как использовать их для различных задач? Как оптимизировать работу с ними? Как внедрить MLOps?
В программе есть материал и для тех, кто уже лично работает над ML-проектами, и для тех, кто «просто интересуется». Публикуем здесь описания всех восьми докладов. Участие в TechTrain бесплатное, требуется зарегистрироваться.
Программируем игры с ChatGPT: экспресс-хакатон
Дмитрий Сошников
МАИ / НИУ ВШЭ / ex-Microsoft
Лёгкий доклад, не требующий даже умения хорошо программировать. Мы познакомимся с тем, как работают генеративые сети типа ChatGPT, и как с помощью них быстро писать код. Во время основного доклада мы вместе попробуем написать простую игру на Python. После доклада мы перейдем в Zoom, где вы сможете попробовать сами в течение часа написать свою игру. Основную часть работы за вас сделают генеративные языковые модели вроде ChatGPT. Посмотрим, что может сделать человек за час с помощью ИИ!
Техники ускорения инференса и деплоя Large Language Models
Сергей Савов
Компании, от небольших стартапов до крупных корпораций, хотят использовать возможности современных LLMs и внедрять их в продукты и инфраструктуру компании. Одна из проблем, с которыми они сталкиваются, заключается в огромном потреблении ресурсов при использовании больших моделей (инференса). Ускорение инференса — важная задача для разработчика, т.к. она напрямую связана с уменьшением платы за вычислительные ресурсы и скоростью отклика приложений. Спикер расскажет про разные методы для ускорения скорости генерации текста и уменьшения потребляемой памяти. А также узнаем, как лучше деплоить такие большие модели.
Новости из мира NLP: что было, что грядёт, как пользоваться тем, что есть сейчас?
Михаил Хрущёв
Яндекс
Мы стали свидетелями технической революции в области NLP. За последние годы NLP-модели во многих областях стали догонять, и вроде обгонять людей в решении задач на текстах. Но с чего все это началось? К чему все это идет? Как принять участие в этом? Обо всем этом расскажет спикер.
Как научить искусственный интеллект психотерапии?
Ксения Ларькина
Нежно Space
По прогнозам рынок Mental Health Tech вырастет до 71.1 млрд долларов к 2030 году. Потенциально это большой рынок труда для специалистов в области AI, VR и гейминга, так как именно эти технологии начинают доказывать свою эффективность для помощи очень большому числу людей с одной стороны, и делать x10 для инвесторов — с другой.
Нужно ли разработчикам разбираться в проблеме, чтобы решать технические задачи? Где тонкая грань между работой в импакт-проекте, который поддерживают Cartier, ЮНЕСКО и другие большие имена и разработкой приложения для чтения Таро? Спикер покажет на примере «Нежно Space» все технические сложности, как они собирают платформу для психотерапии РПП на основе ИИ с нуля.
Conjoint-анализ: зачем нужен, как устроен и как использовать
Александр Земсков
RADAR Agency
Conjoint-анализ — это метод изучения потребительских предпочтений относительно конкретного продукта или линейки продуктов на определенном рынке. Метод позволяет прогнозировать спрос на продукт в зависимости от его конфигурации (характеристик, функционала, фич), цены и конкурентного окружения На входе — параметры продукта, вариации цен. На выходе — симулятор рыночного потенциала для разных конфигураций продукта.
Подходит для таких бизнес-задач, как оптимизация продуктового предложения и ценообразования, разработка и оптимизация продуктовых линеек, оценка потенциала новых продуктов и их параметров.
50 оттенков рекомендаций, или Как мы пытались растить выручку через персонализацию
Ибрагим Бадертдинов
Независимый эксперт
Рекомендательные системы — это больно. Технические метрики не коррелируют с онлайн-метриками, результаты академических статей не воспроизводятся, дефицит открытых датасетов.
Спикер постарается помочь сэкономить время тем, кто начинает или уже строит рекомендации в своем продукте. Доклад будет посвящен эволюционному развитию рекомендаций умной ленты и не только (похожие айтемы, рекомендации авторов) на одной из платформ монетизации контента. Он расскажет, как они рисовали иерархию метрик, строили архитектуру real-time рекомендаций, пробовали и сравнивали между собой разные модели, проводили и ускоряли A/B-тесты. Покажет решения, из-за которых они теряли деньги, и решения, которые стали основой рекомендаций.
От Jupyter Notebook к MLOps pipeline в связке с ClearML для проекта видеоаналитики «Антифрод»
Игорь Терехин
Napoleon IT
Спикер расскажет, как после появления проекта видеоаналитики «Антифрод», препятствующий кражам товаров на кассах самообслуживания (с поддержкой множества CV моделей), они осознали необходимость MLOps. Поговорим, что такое MLOps, что они пробовали и почему не зашло и к чему пришли. Посмотрим на примерах, как это работает.
Автоматизация разметки данных с помощью ML-моделей
Роман Куцев
TrainingData.Solutions
Спикер расскажет, как автоматизация меняет рынок разметки данных, какие технологии на рынке есть, как внедряются в бизнес-процесс разметки данных и сколько денег позволяют экономить. Из доклада вы узнаете:
Сколько данных нужно для обучения нейронной сети
Что выгоднее: улучшать архитектуру нейронной сети или увеличивать датасет
Зачем использовать Active Learning
Как предразметка позволяет удешевить создание датасета
В чем главный плюс концепции Human in the Loop
Тренды в разметке данных
Заключение
Напоминаем: участие в TechTrain бесплатное, но требуется зарегистрироваться.
После каждого доклада участники смогут как следует позадавать вопросы спикеру в формате видеосозвона. Так что TechTrain — это не только «посмотреть видеопоток», там будет и онлайн-общение.
А тем, кто ценит общение в офлайне, советуем обратить внимание на наши следующие мероприятия. TechTrain открывает наш осенний конференционный сезон, и за ним последует целый ряд больших конференций. От Java до Python, от тестирования до девопса — они посвящены совсем разным темам, так что среди них может быть подходящая для вас. Весь список можно увидеть на сайте jugru.org.
