DataArt запрошує на IT talk з напрямку Machine Learning. Обговоримо бібліотеки Machine Learning. Доповіді орієнтовані на розробників, які шукають нові підходи та інструменти.
Спікери та теми
Антон Долгих — керівник відділу AI, Healthcare and Life Sciences у DataArt.
Керує проектами, орієнтованими на AI та ML, практики Healthcare and Life Sciences у DataArt, проводить для розробників освітні семінари та тренінги про розв’язання бізнес-задач за допомогою методів ML. Має академічний бекграунд: до DataArt працював на кафедрі складних систем в Université libre de Bruxelles, одному з найвідоміших бельгійських приватних дослідницьких університетів. До цього викладав фізику і математику, вів наукові дослідження у Воронезькому державному університеті, публікував статті з фізики конденсованого стану, квантової механіки та статистичної фізики. Має ступінь бакалавра і магістра з теоретичної фізики, кандидатський ступінь з фізики конденсованих середовищ у Воронезькому державному університеті.
Про доповідь:
Поговоримо про «складність» даних. Залежно від контексту, складність можна розуміти по-різному, тому обговоримо одне визначення складності, пов’язане з розмірністю простору. Багато хто майже напевно працював з даними, визначеними у просторі з десятком тисяч вимірів. Людині, яка живе у трьох вимірах, неможливо уявити такі координатні безодні. До того ж з геометричної точки зору, дані лежать на складних структурах, які сильно відрізняються від звичного Евклідового простору.
Часто відбувається так, що викликаючи метод з бібліотеки scikit-learn або з якоїсь іншої, ми вдовольняємось її коротким описом: зниження розмірності, кластеризація даних. Але що приховують ці скупі визначення?
Наша задача — роздивитися величезний і складний світ, що ховається під словами «manifold learning», та проникнути в його суть, зберігши розум і не ховаючи нерозуміння за складністю визначень.
Олександр Грибанов — Senior Frontend Developer у DataArt.
Понад 10 років у IT. Починав з PHP, але поступово змінив фокус на фронтенд — JS, а згодом і fullstack js. Останнім часом цікавиться високою продуктивністю JavaScript-застосунків і новими трендами у JS.
Про доповідь:
Поговоримо про сучасні можливості машинного навчання у браузері, доступні вже просто зараз. У першу чергу, про бібліотеку TensorFlow.js та інші. Обговоримо, які моделі доступні, як їх тренувати та використовувати.
Для реєстрації переходьте за посиланням www.eventbrite.com/...ages-tickets-127444242159
Реєстрація обов’язкова.
До зустрічі!
Немає коментарів
Додати коментар Підписатись на коментаріВідписатись від коментарів