ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: исследования и игры, креативность и артистизм, генер...Alexey Neznanov
Лекция для школьников, пришедших на Летнюю школу мобильной разработки ФКН НИУ ВШЭ (http://cs.hse.ru/mobile/2020/). Много ссылок на примеры работы ИИ и участия в его разработке. В том числе в креативной деятельности и компьютерных играх.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ: исследования и игры, креативность и артистизм, генер...Alexey Neznanov
Лекция для школьников, пришедших на Летнюю школу мобильной разработки ФКН НИУ ВШЭ (http://cs.hse.ru/mobile/2020/). Много ссылок на примеры работы ИИ и участия в его разработке. В том числе в креативной деятельности и компьютерных играх.
В докладе попытка ответить на вопрос «Кто такой data scientist». На самом деле этим словом разные IT-компании называют принципиально разных специалистов, совместить работу которых сможет в себе лишь утопический data scientist. Рассматривается структура специальностей и академических инициатив в области анализа данных, которые есть в мире, обсудим их программы. На уровне компетенций объясняется, почему читаются именно такие курсы, соответствует ли их содержание ожиданиям индустрии.
Преподавание архитектуры предприятия в университетах РФMaxim Arzumanyan
Презентация доклада "Преподавание архитектуры предприятия в университетах РФ" на конференции АПКИТ "Преподавание информационных технологий в РФ 2016", СПб, СПбГУ, 19.05.2016
D2D Чипец 2 Виталий Мазуревич - Engeneering designDev2Dev
Как мы проектируем в Agima. Как спроектировать то, что не только нужно пользователям и бизнесу, но и возможно разработать. Почему проектирование должно быть отчуждаемо и как этого добиться? Как составлять проектную документацию не для галочки, а для дела?
Анджей Аршавский, Директор ЦК, ЦК по супермассивам данных, Сбербанк-Технологии. "Типы данных и корпоративная платформа для полного цикла работы с данными"
•19:20-19:40 Максим Еременко, Управляющий директор-начальник управления, Управление инструментов и моделей, Сбербанк. "Как модели могут сохранять или зарабатывать деньги?"
•19:40-20:00 Тихонов Роман, Управляющий директор — директор управления, Управление валидации, Сбербанк. "Кейсы Сбербанка: от предсказания дефолта в реальном времени до глубинного обучения на данных естественного языка".
Если вы хотите получить доступ к видео выступления, напишите нам на datascienceweek2016@gmail.com.
Искусственный интеллект и Big Data в бизнесеExpasoft
Презентация семинара по анализу больших данных и машинному обучению 16.11.2016 г.
- Чем искусственный интеллект может помочь бизнесу?
- Что такое глубинное обучение и какие инновационные технологии можно создать на его основе?
- Почему аналитик больших данных самая сексуальная профессия XXI века?
Организаторы семинара:
Лаборатория аналитики потоковых данных и машинного обучения НГУ,
Центр обучения Big Data Analytics "НГУ-Экспасофт". Евгений Павловский — сертифицированный EMC Data Science Associate, Кандидат физико-математических наук, старший преподаватель Кафедры Общей Информатики НГУ, заведующий лабораторией аналитики потоковых данных и машинного обучения НГУ-Экспасофт,
Business Development Director в «ExpaSoft».
https://expasoft.com/edu/
Поиск, отбор, подготовка лидера проекта. Дискуссионная площадка в рамках конференции «Делаем бизнес-проект», Тольяттинская академия управления, 29 ноября 2012
Everything has its pros and cons, and machine learning algorithms are not an exception. We will discuss several cases where classical methods of machine learning prove to be more effective than neural networks. We will emphasize on the importance of a comprehensive view of machine learning, and rational approach to each problem.
В докладе попытка ответить на вопрос «Кто такой data scientist». На самом деле этим словом разные IT-компании называют принципиально разных специалистов, совместить работу которых сможет в себе лишь утопический data scientist. Рассматривается структура специальностей и академических инициатив в области анализа данных, которые есть в мире, обсудим их программы. На уровне компетенций объясняется, почему читаются именно такие курсы, соответствует ли их содержание ожиданиям индустрии.
Преподавание архитектуры предприятия в университетах РФMaxim Arzumanyan
Презентация доклада "Преподавание архитектуры предприятия в университетах РФ" на конференции АПКИТ "Преподавание информационных технологий в РФ 2016", СПб, СПбГУ, 19.05.2016
D2D Чипец 2 Виталий Мазуревич - Engeneering designDev2Dev
Как мы проектируем в Agima. Как спроектировать то, что не только нужно пользователям и бизнесу, но и возможно разработать. Почему проектирование должно быть отчуждаемо и как этого добиться? Как составлять проектную документацию не для галочки, а для дела?
Анджей Аршавский, Директор ЦК, ЦК по супермассивам данных, Сбербанк-Технологии. "Типы данных и корпоративная платформа для полного цикла работы с данными"
•19:20-19:40 Максим Еременко, Управляющий директор-начальник управления, Управление инструментов и моделей, Сбербанк. "Как модели могут сохранять или зарабатывать деньги?"
•19:40-20:00 Тихонов Роман, Управляющий директор — директор управления, Управление валидации, Сбербанк. "Кейсы Сбербанка: от предсказания дефолта в реальном времени до глубинного обучения на данных естественного языка".
Если вы хотите получить доступ к видео выступления, напишите нам на datascienceweek2016@gmail.com.
Искусственный интеллект и Big Data в бизнесеExpasoft
Презентация семинара по анализу больших данных и машинному обучению 16.11.2016 г.
- Чем искусственный интеллект может помочь бизнесу?
- Что такое глубинное обучение и какие инновационные технологии можно создать на его основе?
- Почему аналитик больших данных самая сексуальная профессия XXI века?
Организаторы семинара:
Лаборатория аналитики потоковых данных и машинного обучения НГУ,
Центр обучения Big Data Analytics "НГУ-Экспасофт". Евгений Павловский — сертифицированный EMC Data Science Associate, Кандидат физико-математических наук, старший преподаватель Кафедры Общей Информатики НГУ, заведующий лабораторией аналитики потоковых данных и машинного обучения НГУ-Экспасофт,
Business Development Director в «ExpaSoft».
https://expasoft.com/edu/
Поиск, отбор, подготовка лидера проекта. Дискуссионная площадка в рамках конференции «Делаем бизнес-проект», Тольяттинская академия управления, 29 ноября 2012
Similar to Machine Learning and Artificial Intelligence as a business tool and a foundation of new products (20)
Everything has its pros and cons, and machine learning algorithms are not an exception. We will discuss several cases where classical methods of machine learning prove to be more effective than neural networks. We will emphasize on the importance of a comprehensive view of machine learning, and rational approach to each problem.
Разработка интеллектуальных информационных систем: взгляд изнутриDzianis Pirshtuk
Каждый день в мире обсуждаются новые идеи и алгоритмы анализа быстрорастущих данных, рассказываются, как искусственные нейронные сети все больше захватывают мир и помогают людям. Обычно обсуждений так много, что голова идет кругом. Мы же пробуем рассмотреть на примерах, в сторону каких технологий в каком случае следует смотреть, и на какой список вопросов следует самому себе ответить, планируя разработку новых Data Science-фичей.
Обзорный рассказ про СУБД PostgreSQL, ее место в мире RDBMS и архитектурные особенности для митапа Big Data Minsk User Group 17 марта 2016 г.: https://www.facebook.com/events/1551967968434009/
Видеозапись: https://www.youtube.com/watch?v=_-sdVNwKcEA
Обзорный рассказ про новые возможности в мире PostgreSQL для митапа Big Data Minsk User Group 29 апреля 2016 г.: https://www.facebook.com/events/120784531655479/
Ключевые идеи алгоритмов обучения по прецедентам и почему про них следует помнить при выборе алгоритма и его настройке, поиске оптимальных параметров. Какие подходы позволяют повысить качество модели, какие программные средства удобно использовать при проведении экспериментов и где спрятаны любимые “грабли”.
32. Выводы
1. Должна быть проблема
2. Без данных никуда
3. Правильный подход:
даже из малых данных
можно что-то выжать
4. Внедряйте там, где будет ценность
5. Data Science – это множество компетенций
6. Просто нейросеть никому не нужна
7. Кто контролирует данные
обладает преимуществом
8. Будущее будем интересным J