Sergey Nikolenko, Chief Scientist of Neuromation.io presents the technology of Image Recognition in Retail based on deep learning on synthetic data during the biggest Eastern European ECR2017 Forum to more than 1300 TOP-managers of the retail industry. (on russian)
Machine learning with Python / Олег Шидловский / Doist [Python Meetup 27.03.15] Python Meetup
Machine learning with Python / Олег Шидловский / Web developer Doist
Олег расскажет о базовых концепциях Machine learning и покажет примеры работы с библиотеками, при помощи которых можно легко решать задачи, связанные с машинным обучением.
Python Meetup - встречи минского сообщества любителей языка программирования Python.
Присоединяйся к нам!
Мы в twitter: https://twitter.com/pythonminsk
Мы на youtube: http://www.youtube.com/pythonMinsk
Мы на slideshare: http://www.slideshare.net/MinskPythonMeetup
CV в пайплайне распознавания ценников товаров: трюки и хитрости Николай Масл...Mail.ru Group
Расскажу про различные полезные библиотеки и функции Python: от простых и известных, до специфичных и редких. Поделюсь тем, какие технологии мы используем при разработке, обучении и деплое наших моделей: что помогало улучшить качество, а что тормозило разработку.
Грани креатива: применение теории на практикеUsanov Aleksey
"Грани креатива" - это рекламное творчество между небом и землей, это взгляд нашего агентства на некоторые составляющие креатива в рекламе.
www.ragrani.ru
Machine learning with Python / Олег Шидловский / Doist [Python Meetup 27.03.15] Python Meetup
Machine learning with Python / Олег Шидловский / Web developer Doist
Олег расскажет о базовых концепциях Machine learning и покажет примеры работы с библиотеками, при помощи которых можно легко решать задачи, связанные с машинным обучением.
Python Meetup - встречи минского сообщества любителей языка программирования Python.
Присоединяйся к нам!
Мы в twitter: https://twitter.com/pythonminsk
Мы на youtube: http://www.youtube.com/pythonMinsk
Мы на slideshare: http://www.slideshare.net/MinskPythonMeetup
CV в пайплайне распознавания ценников товаров: трюки и хитрости Николай Масл...Mail.ru Group
Расскажу про различные полезные библиотеки и функции Python: от простых и известных, до специфичных и редких. Поделюсь тем, какие технологии мы используем при разработке, обучении и деплое наших моделей: что помогало улучшить качество, а что тормозило разработку.
Грани креатива: применение теории на практикеUsanov Aleksey
"Грани креатива" - это рекламное творчество между небом и землей, это взгляд нашего агентства на некоторые составляющие креатива в рекламе.
www.ragrani.ru
Обзор применения искусственного интеллекта в кибербезопасности как с позитивной, так и с негативной стороны. Как ИИ используют безопасники. Как ИИ используют хакеры. Какие угрозы могут быть для ИИ.
Машинное обучение в электронной коммерции — практика использования и подводны...Ontico
HighLoad++ 2017
Зал «Найроби+Касабланка», 7 ноября, 16:00
Тезисы:
http://www.highload.ru/2017/abstracts/2851.html
Анализ, проектирование, разработка и эксплуатация моделей предиктивной аналитики в Битрикс24.
В докладе расскажем, как мы создали несколько хайлоад-моделей для предсказания платных клиентов, потенциальной прибыли клиентов и клиентов, вероятно покидающих сервис. Поделимся опытом выбора алгоритмов, библиотек, тонкой настройки моделей в Spark MLib, фильтрации и обработки бигдаты на кластерах Spark в Amazon Web Services и всем тем, что необходимо для доведения "предиктивных" моделей до работающего при высоких нагрузках сервиса.
Самое важное в докладе - опыт доведения алгоритмов до прикладного бизнес-применения, тонкости и техники выжимания из данных самой ценной информации.
hse{sun} Как НЕ надо работать с hardware проектами или как частный бизнес-инк...Business incubator HSE
Летняя школа hse{sun} 2015
Как НЕ надо работать с hardware проектами или как частный бизнес-инкубатор "Навигатор" нашел успешную бизнес-модель?
Василь Закиев (Навигатор Кампус - http://navigatorcampus.com/)
Поймать Цифровую Волну. CleverDATA на Cnews Forum 2015Den Reymer
1. Как работать с данными
2. Как построить Цифровой Профиль Клиента
3. Зачем нужно обогащение данных
4. Что можно получить на Бирже Данных (DMC.1DMP.IO)
5. Какие кейсы наиболее востребованы в Big Data для Банков
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)CleverDATA
Как не упустить момент и не дать погибнуть Банку в эпоху цифровой трансформации. Как управлять данными клиентов и научиться извлекать из них знания для выстраивания эффективных целевых коммуникаций
“Контент-маркетинг, которого у вас нет. Системное практическое руководство бе...Cybermarketing, Moscow
— как применить классические принципы маркетинга и PR в контент-маркетинге;
— где, в каком виде и какую информацию распространять;
— какова роль визуализации в контент-маркетинге;
— как измерять эффективность контент-маркетинга;
— почему контент-маркетинг является единственным путем развития b2b-проектов в интернете;
— и многое другое.
Обзор применения искусственного интеллекта в кибербезопасности как с позитивной, так и с негативной стороны. Как ИИ используют безопасники. Как ИИ используют хакеры. Какие угрозы могут быть для ИИ.
Машинное обучение в электронной коммерции — практика использования и подводны...Ontico
HighLoad++ 2017
Зал «Найроби+Касабланка», 7 ноября, 16:00
Тезисы:
http://www.highload.ru/2017/abstracts/2851.html
Анализ, проектирование, разработка и эксплуатация моделей предиктивной аналитики в Битрикс24.
В докладе расскажем, как мы создали несколько хайлоад-моделей для предсказания платных клиентов, потенциальной прибыли клиентов и клиентов, вероятно покидающих сервис. Поделимся опытом выбора алгоритмов, библиотек, тонкой настройки моделей в Spark MLib, фильтрации и обработки бигдаты на кластерах Spark в Amazon Web Services и всем тем, что необходимо для доведения "предиктивных" моделей до работающего при высоких нагрузках сервиса.
Самое важное в докладе - опыт доведения алгоритмов до прикладного бизнес-применения, тонкости и техники выжимания из данных самой ценной информации.
hse{sun} Как НЕ надо работать с hardware проектами или как частный бизнес-инк...Business incubator HSE
Летняя школа hse{sun} 2015
Как НЕ надо работать с hardware проектами или как частный бизнес-инкубатор "Навигатор" нашел успешную бизнес-модель?
Василь Закиев (Навигатор Кампус - http://navigatorcampus.com/)
Поймать Цифровую Волну. CleverDATA на Cnews Forum 2015Den Reymer
1. Как работать с данными
2. Как построить Цифровой Профиль Клиента
3. Зачем нужно обогащение данных
4. Что можно получить на Бирже Данных (DMC.1DMP.IO)
5. Какие кейсы наиболее востребованы в Big Data для Банков
CleverDATA (Denis Reymer) presentation for CNews Forum 2015 (Banking Section)CleverDATA
Как не упустить момент и не дать погибнуть Банку в эпоху цифровой трансформации. Как управлять данными клиентов и научиться извлекать из них знания для выстраивания эффективных целевых коммуникаций
“Контент-маркетинг, которого у вас нет. Системное практическое руководство бе...Cybermarketing, Moscow
— как применить классические принципы маркетинга и PR в контент-маркетинге;
— где, в каком виде и какую информацию распространять;
— какова роль визуализации в контент-маркетинге;
— как измерять эффективность контент-маркетинга;
— почему контент-маркетинг является единственным путем развития b2b-проектов в интернете;
— и многое другое.
2. Chris
В ЭТОЙ ПРЕЗЕНТАЦИИ НЕ БУДЕТ
НИ ОДНОЙ МАТЕМАТИЧЕСКОЙ
ФОРМУЛЫ
Наличие товара на
полке
В ЭТОЙ ПРЕЗЕНТАЦИИ
НЕ БУДЕТ НИ ОДНОЙ
МАТЕМАТИЧЕСКОЙ
ФОРМУЛЫ
3. Наличие товара на
полке
Решение бизнес-задач
Наличие товара на
полке
Правильность
Контроль выполнения задания
Оптимизация работы полевого персонала
Достоверность собираемых данных
4. Chris
● Распознавание изображений на полке — первый и ключевой
этап автоматизации в рознице.
● Мы, люди, получаем 85% информации через визуальные
сенсоры.
● Научить компьютерные модели видеть и понимать, что они
видят, — это фундаментальная задача автоматизации.
IMAGE RECOGNITION IN RETAIL BY ECR RESEARCH:
ABOUT 40 BLN IMAGES PER YEAR
5. Chris
Мы даем бизнесу:
1. Экономию затрат
2. Рост продаж
3. Масштабируемость
ВОЗМОЖНОСТЬ ИСПОЛЬЗОВАТЬ РАСПОЗНАВАНИЕ НА УСТРОЙСТВЕ
БЕЗ ДОСТУПА К ИНТЕРНЕТУ
7. Chris
● Чтобы автоматически распознавать
товары на полке, нужно создать и
обучить глубокие нейронные сети
● Чтобы обучить модель различать
пакеты сока «Наш сад» и «J7», нужно
показать ей тысячи изображений с
метками «Наш сад» и «J7».
● Центральная проблема многих
приложений нейросетей — откуда
взять размеченные данные?
LABELED DATA REQUIRED
8. ● Активный каталог товаров в розничной
торговле РФ:
● На каждый артикул требуется
● А еще желательно иметь фотографии
товаров на полках в разных сочетаниях...
170 000 SKU
1000 - 5000
фотографий с метками
ГДЕ ВЗЯТЬ РАЗМЕЧЕННЫЕ ДАННЫЕ?
9. Chris
● Где взять 1 млрд размеченных
изображений?
● Сегодня их размечают вручную
десятки тысяч людей.
● За 8 часов человек размечает ~50
фотографий. ~$0.2 за фотографию.
ПАРАДОКС: ЧТОБЫ АВТОМАТИЗИРОВАТЬ РУЧНОЙ
ТРУД, НУЖНО НА ПОРЯДКИ БОЛЬШЕ РУЧНОГО ТРУДА
10. Chris
● Ручная разметка – годы работы, сотни миллионов долларов.
● Более того, краудсорсинговая разметка неточна
(человеческий фактор), много ошибок в данных.
● А ошибочные данные научат модели ошибаться.
1 МЛРД. РАЗМЕЧЕННЫХ ФОТОГРАФИЙ = 120 МЛН. ЧЕЛ-ЧАСОВ
12. ● Мы создаем виртуальную копию полки.
● Порождаем большие наборы размеченных данных автоматически.
● Обучаем глубокие нейронные сети на синтетических данных.
● Достигаем точности распознавания быстрее и дешевле аналогов.
15. Chris
BIG DATA + IMAGE RECOGNITION
OSA Hybrid Platform Распознавание изображений
Neuromation
Комплексный подход в решении
бизнес-задач и автоматизации
17. Chris
В НОВОЙ ЭКОНОМИКЕ ДАННЫЕ –
ЭТО НОВАЯ НЕФТЬ.
ГЛУБОКОЕ ОБУЧЕНИЕ НА
СИНТЕТИЧЕСКИХ ДАННЫХ ПОДОБНО
ПРОИЗВОДСТВУ СИНТЕТИЧЕСКОЙ
НЕФТИ.
В НОВОЙ ЭКОНОМИКЕ
ДАННЫЕ – ЭТО НОВАЯ НЕФТЬ
ГЛУБОКОЕ ОБУЧЕНИЕ НА
СИНТЕТИЧЕСКИХ ДАННЫХ
ПОДОБНО ПРОИЗВОДСТВУ
СИНТЕТИЧЕСКОЙ НЕФТИ