6月4日、オデッサでFlyElephantチームがGeeksLabと共同で、人工知能とビッグデータに関する第3回年次技術会議-AI＆BigData Labを開催します。
会議では、開発者は、ビッグデータと人工知能を操作するためのさまざまなアルゴリズム、ツール、および新しいテクノロジーの実装とアプリケーションについて議論します。 実装されたプロジェクトが提示され、その機能と機能の原則が説明されます。
会議プログラムAI＆BigData Labはすでに部分的に形成されています。 受け入れられたレポートには次のようなものがあります。
- デジタルの考え方を教えた方法。 （Diana Limanskaya、VertaMediaアナリストコーディネーター）
お気に入りの映画やシリーズを見るためにサイトに行くとき、広告が表示されるまでに数秒待ちます。 広告が表示される前の数秒で、数百の複雑なプロセスが発生しています。 数学的手法に基づいてデジタルマーケティングプラットフォーム用の自己学習システムを作成した方法、その開発のどの段階を経たのか、どのような問題に遭遇したのかを伝えたいと思います。
- 「悪い」英語から「良い」への翻訳。 （Anatoly Vostryakov、グラマーリーの研究者）
初めに、テストのエラーを自動的に修正する方法について、歴史的な小旅行を行いたいと思います。 レポートの主要部分では、現在ニューラル機械翻訳と呼ばれているものを使用して、最新のエラー修正方法を強調したいと思います。 つまり、英語のテキストを英語に翻訳しますが、出力のエラーは修正されています。 残念ながら、私はGrammerleyの実践からの特定の例に限定されているため、レポートは既に存在するか、レポートの時点までに表示されるアルゴリズムのレビューの形式になります。
- 分散ビッグデータストリームのk平均を効率的に計算します。 （イスラエル、IBMのリサーチエンジニア、Artyom Barger）
レポートでは、連続データストリームのk個の平均値（k-means）をリアルタイムで効率的に計算できる決定論的アルゴリズムを提供します。 sublinearアルゴリズムはlogn * k ^ O（1）メモリのみを使用し、分散コンピューティングシステムにも容易に適応し、利用可能なコンピューティング能力に比例した計算を短時間で可能にします。 人気のあるデータセットの実験結果は最後に表示されます。
- #DataForGood-データ分析で世界をより良く変える方法。 （Maxim Tereshchenko、Zoomdataのプロダクトオーナー）
ビジネスにおける意思決定の有効性を最適化および改善するためのビッグデータの使用は、すでに議論されています。 ほとんどすべての大企業は、その武器庫にビッグデータプラットフォームを持っています。 しかし、レポートの一部として、ビジネスから離れて、ソーシャルプロジェクトにAIとビッグデータを使用するトピックを検討したいと思います。 何百、何千人ものアナリスト、データサイエンティスト、ビッグデータのエンジニアが団結し、世界中の普通の人々の生活を変えるプロジェクトを実施し、特に発展途上国の住民を支援しています。 ここでは、まったく異なるレベルの動機付けとチームワークについて話しています。 レポートの一部として、これらの人々を駆り立てるもの、テクノロジーが実装された実際のプロジェクト、人々の生活をどのように変えたかについて話したいと思います。
- データサイエンスプロジェクトの方法論。 （VITechのデータサイエンス部長、Sergey Shelpuk）
データ分析の分野のプロジェクトは、エンジニアだけでなく管理者にとっても課題です。 レポートは、R＆Dの不確実性に直面した従来の開発、チームの役割、および顧客との対話の構築と比較した、このようなプロジェクトの機能に専念します。
- 深く、非常に深く、繰り返し発生するネットワークを学習します。 （Artyom Chernodub、NS、IPMS IAS）
このレポートは、ディープでリカレントなニューラルネットワークを教えるための新しいアプローチの概要を提供します。 畳み込みおよびリカレントニューラルネットワークの重みの直交初期化と、勾配効果の消失、ミニパケットの正規化（バッチ正規化）、および差分学習（残差学習）の問題への影響について説明します。
- MOLAP：可能性のための新しいフロンティア。 （Konstantin Gerasimenko、Easy MOLAP、ドイツのCEO）
MOLAPとは何かの物語。 従来のアプローチとの比較。 長所と短所。
- スパイクおよびバイオニックニューラルネットワーク：問題と展望。 （ドミトリーノヴィツキー、主任研究員、NASUサイバネティックス研究所の准教授）
長年、機械学習の世界では、フィードフォワードニューラルネットワークが支配的でしたが、これは脳のニューロンやネットワークとはほとんど関係がありません。 このレポートでは、バイオニック（生物学的にもっともらしい）ニューラルネットワークに精通します。 それらのほとんどで、ニューロンはインパルス（接着）を発し、受け取ります。 そのようなネットワークを訓練することの問題と困難は何ですか？ どのような伝統的に解決不可能な（または不十分に解決された）問題でそれらが効果的であるか、それらの人間と動物の脳はどれほど効果的ですか？ このようなネットワークをハードウェアに実装するにはどうすればよいですか？ニューロモーフィックコンピューティングとは何ですか？ -これらは、このプレゼンテーションが専念する質問です。
登録および会議ウェブサイト上のすべての詳細。 ブログの読者には、FlyElephantHabrahabrの15％割引プロモーションコードがあります。