ВКонтакте совместно с МФТИ и ВШМ СПбГУ запускает бесплатный образовательный курс для преподавателей информатики. Они узнают основы машинного обучения и смогут использовать новые знания в своей работе. Также среди тем — управление IT-проектами и мотивация учеников. Педагоги, которые пройдут курс целиком, получат сертификат о повышении квалификации.

Пройти курс может любой педагог. Запись уже открыта: stepik.org/course/71439/promo

Курс будет размещён на платформе stepik.org. Он состоит из 21 видео, каждое из которых посвящено отдельной теме, — занятия можно будет пройти в удобном темпе до 24 августа. В половине из них будет разбираться теория, а в другой половине учителям предстоит применить новые знания на практике. Видеоролики длятся в среднем по 7–15 минут — удобно смотреть в дороге или в паузе между другими делами. Также педагоги будут получать домашние задания и материалы для дополнительного изучения, а в специальном сообществе ВКонтакте смогут задавать уточняющие вопросы организаторам и делиться опытом с коллегами.

В такой области глубокого обучения, как обработка изображений, библиотека Keras играет ключевую роль, радикально упрощая обучение transfer learning и использование предварительно обученных моделей. В области обработки естественного языка (NLP) для решения достаточно сложных задач, таких как ответы на вопросы или классификация намерений, приходится комбинировать серию моделей. В этой статье мы расскажем, как библиотека DeepPavlov упрощает построение цепочек моделей для NLP. На основе DeepPavlov и с помощью Azure ML мы построим вопросно-ответную нейросеть, обученную на наборе данных COVID-19.

26 апреля пройдет финальный чемпионат фестиваля RuCode, который объединит тысячи разработчиков со всего мира.

Команды разделят на дивизионы по уровню подготовки: А/B — для опытных программистов и C/D — для начинающих. Задания составили ведущие преподаватели вузов России, чемпионы международных соревнований и тренеры Moscow Workshops.

16 апреля в 18:30 пройдет вебинар «Искусственный интеллект в вопросах и ответах». Участникам расскажут, что изменилось в области AI в течение последнего десятилетия и какие вызовы нас ждут в будущем. Трансляция: youtube.com/watch?v=kGUlPv_r-ow

Сегодня мы все чаще используем приложения для обмена мгновенными сообщениями (Facebook Messenger, WhatsApp, Telegram и т. д.) и устройства в виде голосовых помощников (Amazon Echo и Google Home и т. д.), помогающих получать моментальный ответ на запрос. Поэтому современные компании закладывают значительный бюджет в разработку искусственных помощников, чтобы предоставлять своим пользователям наилучший клиентский сервис, когда это необходимо. В этой статье мы расскажем, как использовали технологию искусственного интеллекта DeepPavlov для расширения возможностей обслуживания клиентов компании Интерсвязь.

4-5 апреля пройдет отбор на онлайн-интенсивы в рамах фестиваля RuCode

Это программа для начинающих в сфере спортивного программирования (дивизионы C и D) и искусственного интеллекта. Участвовать приглашаются все желающие — школьники, студенты вузов и колледжей, специалисты и так далее.

Пройти регистрацию и подать заявку на участие можно до 3 апреля включительно на сайте rucode.net.

Магистерская программа в Физтех-школе прикладной математики и информатики будет готовить специалистов по управлению данными и внедрению высокоэффективных продуктов.

S7 Group и Московский физико-технический институт открывают набор студентов на базовую кафедру «Информационные технологии в авиации», ориентированную на подготовку специалистов по созданию и внедрению data-driven ИТ-систем. Обучение по новой магистерской программе начнется 1 сентября 2020 года.

МФТИ совместно с Фондом развития Физтех-школ при поддержке Фонда президентских грантов открыл набор на бесплатный онлайн-курс «Быстрый старт в спортивное программирование» для студентов младших курсов технических специальностей и тех, кто обладает базовыми навыками программирования. Онлайн-курс – это первая ступень проекта интенсивной подготовки по спортивному программированию RuCode.

Когда еще один плодотворный год подходит к концу, хочется оглянуться назад, подвести итоги и показать, что мы смогли сделать за это время. Библиотеке #DeepPavlov, на минуточку, уже два года, и мы рады, что наше сообщество с каждым днем растет.

За год работы над библиотекой мы достигли:

• Скачивания библиотеки возросли на треть по сравнению с прошлым годом. Сейчас у DeepPavlov более 100 тысяч установок и более 10 тысяч установок контейнеров.
• Увеличилось количество коммерческих решений за счет state-of-art технологий, реализованных в DeepPavlov, в разных отраслях от ритейла до промышленности.
• Вышел первый релиз DeepPavlov Agent.
• Количество активных участников сообщества возросло в 5 раз.
• Наша команда студентов и аспирантов была отобрана для участия в Alexa Prize Socialbot Grand Challenge 3.
• Библиотека стала призером конкурса от компании Google «Powered by TensorFlow Challenge».

Что же помогло достичь таких результатов и почему DeepPavlov — это лучший открытый источник для построения разговорного AI? Расскажем в нашей статье.

В июне этого года компания Amazon опубликовала шорт-лист конкурса Alexa Prize Socialbot Grand Challenge 3. Из 375 заявок комитет Alexa Prize отобрал 10 финалистов, в том числе единственную из России команду МФТИ. Эти счастливчики — команда DREAM. Ребята являются сотрудниками лаборатории нейронных систем и глубокого обучения МФТИ. Но как продвигается работа, и над чем трудится команда DREAM?


Слева на право: Идрис Юсупов, Диляра Баймурзина, капитан команды Юрий Куратов, Денис Кузнецов, Дмитрий Карпов, Ле Ань, руководитель Михаил Бурцев.

В данной статье речь пойдет о машинном обучении как части искусственного интеллекта. ИИ во многом подразумевает под собой разговорную составляющую, ведь общение – то, что делает нас людьми. Соответственно, если мы будем делать системы, которые могут нас понимать, отвечать на наши слова, мы в какой-то степени приблизимся к разработке искусственного интеллекта. Однако это все теория на грани философии. Давайте перейдем к практике.

Все статьи цикла:

1. DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов
2. DeepPavlov для разработчиков: #2 настройка и деплоймент

Всем привет! В первой статье из нашего цикла мы узнали, что такое DeepPavlov, какие модели библиотеки готовы к использованию без предварительного обучения и как запустить REST серверы с ними. Перед тем, как приступить к обучению моделей, мы расскажем о различных возможностях деплоймента моделей DeepPavlov и некоторых особенностях настройки библиотеки.

Договоримся, что все скрипты запуска библиотеки выполняются в environment Python с установленной библиотекой DeepPavlov (про установку см. первую статью, про virtualenv можно прочитать здесь). Примеры из этой статьи не требуют знания синтаксиса Python.

В издательстве “ДМК Пресс” вышла книга “Олимпиадное программирование” с подзаголовком “Изучение и улучшение алгоритмов на соревнованиях”. Она стала глотком свежего воздуха для всех, кто интересуется, готовит и готовится к участию, или только планирует в будущем, в таком интеллектуальном виде деятельности, как различные мероприятия спортивного программирования. В России с ними знакомы недостаточно.

Российское издание книги “Guide to Competitive Programming” (издательство Springer International Publishing AG)вышло при поддержке Центра развития ИТ-образования МФТИ и его руководителя Алексея Малеева, Mail.Ru Group, а также проекта Moscow Workshops ICPC.

Всем привет! Мы открываем цикл статей, посвященных решению практических задач, связанных с обработкой естественного языка (Natural Language Processing или просто NLP) и созданием диалоговых агентов (чат-ботов) с помощью open-source библиотеки DeepPavlov, которую разрабатывает наша команда лаборатории Нейронных систем и глубокого обучения МФТИ. Главная цель цикла — познакомить широкий круг разработчиков с DeepPavlov и показать, как можно решать прикладные задачи NLP, не обладая при этом глубокими познаниями в Machine Learning и PhD in Mathematics.

К NLP задачам относят определение тональности текста, парсинг именованных сущностей, определение того, что хочет от вашего бота собеседник: заказать пиццу или получить справочную информацию и многое другое. Более подробно про задачи и методы NLP вы можете прочитать тут.

В этой статье мы расскажем, как запустить REST север с предобученными моделями NLP, готовыми к использованию без какой-либо дополнительной настройки или обучения.

Все статьи цикла:
1. DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов
2. DeepPavlov для разработчиков: #2 настройка и деплоймент

Меня зовут Иван Бондаренко. Я занимаюсь алгоритмами машинного обучения для анализа текстов и устной речи примерно с 2005 года. Сейчас работаю в Московском Физтехе ведущим научным разработчиком лаборатории бизнес-решений на основе Центра компетенций НТИ по Искусственному интеллекту МФТИ и в компании Data Monsters, которая занимается вопросами практической разработки диалоговых систем для решения тех или иных задач в индустрии. Также немного преподаю у нас в университете. Мой рассказ будет посвящен тому, что такое чат-бот, как алгоритмы машинного обучения и другие подходы применяются для автоматизации общения человека и компьютера и где это может быть реализовано.

Полную версию моего выступления на «Ночи научных историй» можно посмотреть в видеозаписи, а краткие тезисы я приведу в тексте ниже.

Согласно исследованию ResearchAndMarket, мировой рынок чат-ботов и виртуальных ассистентов в 2019 году составляет около 2 миллиардов долларов и растет на 30% в год. В исследовании рассмотрены наиболее популярные в мире чат-бот-платформы, среди которых есть три решения от российских разработчиков — DeepPavlov, Electra.AI и Just.AI.

Лаборатория бизнес-решений на основе Центра компетенций НТИ по Искусственному интеллекту МФТИ представляет рейтинг 50 чат-бот платформ и виртуальных ассистентов 2019 года. В работе были рассмотрены 50 инструментов для создания чат-ботов, наиболее широко представленных на мировом рынке. Степень проникновения каждого продукта на рынок оценивалась по таким признакам, как количество публикаций с упоминанием платформы, число публичных кейсов по ее использованию, частота упоминаний в профессиональном сообществе, а также по результатам сбора консолидированного мнения экспертов рынка, которые приняли участие в создании данного отчета.

Одним из главных событий в области компьютерной лингвистики и машинного обучения в 2018 году был выпуск BERT от Google AI, который признан лучшим докладом года по мнению североамериканского отделения Ассоциации компьютерной лингвистики (NACL). В этой статье мы расскажем об этой языковой модели и ее возможностях.

Для тех, кто не слышал ранее, BERT — это нейронная сеть, основанная на методе предварительной подготовки контекстных представлений слов, то есть использует двунаправленную модель языка, а также позволяет анализировать целые предложения. В этом случае, учитываются слова, которые идут после данного и через тоже. Этот метод позволяет получать с большим отрывом state-of-the-art результаты в широком спектре задач обработки естественного языка (NLP), но требует больших вычислительных мощностей.

Привет, хабр! С вами Физтех.Science — видеоблог-погружение в этот странный, странный научный мир. И сегодня мы хотим немного покопаться в голове. Естественно, с научной точки зрения.

Вы, возможно, удивитесь, но центральный процессор центральной нервной системы, то есть мозг, постоянно дает сбои, а мы даже об этом не подозреваем.

Речь идет про так называемые систематические ошибки мышления или когнитивные искажения, которые сопровождают нас каждый день и при принятии решений.

Искажений довольно много, но возникают они не в случайных местах. Поэтому мы рассмотрим основные причины их появления и обратим внимание на уловки и приемы, которые при этом использует хитрый и коварный мозг.

Приятного просмотра!

Программа разработана кафедрой дискретной математики МФТИ и базовыми кафедрами ИТ-компаний Сбертех, Тинькофф, Яндекс, ABBYY и 1C в Физтех-школе прикладной математики и информатики (ФПМИ). Она представляет собой набор курсов, которые смогут выбрать лучшие абитуриенты магистратуры ФПМИ по результатам вступительных испытаний.

Продолжаем постигать современную магию (компьютерное зрение). Часть 2 не значит, что нужно сначала читать часть 1. Часть 2 значит, что теперь всё серьёзно — мы хотим понять всю мощь нейросетей в зрении. Детектирование, трекинг, сегментация, оценка позы, распознавание действий… Самые модные и крутые архитектуры, сотни слоёв и десятки гениальных идей уже ждут вас под катом!