5 доповідей IT NonStop 2021, які не можна пропустити. Вибір експерта

13 жовтня
5 доповідей IT NonStop 2021, які не можна пропустити. Вибір експерта
18–20 листопада пройде безкоштовна онлайн-конференція DataArt IT NonStop. Цього року її головними темами стануть штучний інтелект, машинне навчання, хмарні обчислення і Data Science, а доповіді представлять фахівці з університетів і провідних технологічних компаній, зокрема NVIDIA, Microsoft, Ocado та, звісно, DataArt.

Ми попросили колегу, експерта з AI і ML Конрада Лиду, вибрати у програмі IT NonStop п'ять доповідей, які здаються йому особливо цікавими (так, власний виступ теж можна додати до списку).

1. Елісон Лаундс (NVIDIA): Віртуальна реальність і прикладний штучний інтелект

Розвиток і застосування технологій штучного інтелекту тісно пов'язані з можливостями доповненої реальності та робототехнікою, високопродуктивними обчисленнями, комп'ютерною графікою, ігровими механіками тощо. Елісон Лаундс із NVIDIA розповість про взаємодію AI і VR та їхнє освоєння науковими інститутами, стартапами й великим бізнесом.

2. Кароль Пшисталські (Codete): Як уникнути помилок при побудові AI-продуктів

Згідно з дослідженнями консалтингової компанії Gartner, 85% проектів, побудованих на застосуванні штучного інтелекту, закінчуються провалом. Доктор Кароль Пшисталські обіцяє розібрати десять невдалих кейсів, загостривши увагу на тому, що залучені до них вчені, менеджери і програмісти зробили не так. Ітиметься також про деякі принципові зміни, що дозволять уникнути типових помилок у ваших власних проектах.

3. Грант Давтян (Pinsight): Вірити чи не вірити ШІ, ось у чому запитання

Штучний інтелект здатний до неправильних припущень, що породжує чимало етичних і юридичних проблем. На жаль, у необробленому вигляді майже будь-який набір даних містить можливість для когнітивного спотворення, на яку AI-системи охоче реагують. Грант Давтян з Pinsight розповість про відомі приклади упереджених рішень ШІ та способи знизити ризик помилкової інтерпретації даних.

4. Івайло Странджев (Hyperscience): Злам моделей машинного навчання

Поширення механізмів машинного навчання піддає безліч проектів специфічним ризикам. У центрі доповіді Івайла Странджева з Hyperscience — способи зламу механізмів ML, що дозволяють маніпулювати результатами прогнозів, зроблених моделлю. До цієї проблеми схильні практично будь-які моделі машинного навчання, тому розв’язувати її доведеться всім, хто планує працювати у цій сфері.

5. Конрад Лида (DataArt): Машинне навчання — будуємо, тренуємо, розгортаємо. Що далі? MLOps нам на допомогу

Машинне навчання — потужний інструмент, використання якого здатне стати серйозною конкурентною перевагою. Проте, щоб дати бізнесу те, чого він хоче, розробнику доведеться вийти за затишні межі власного ноутбука та розгорнути ML-проект у зовсім іншому масштабі. Я постарався підготувати огляд найважливіших понять і практик перенасиченого світу MLOps — розповім про доступні інструменти і способи побудови вашого першого MLOps-пайплайну.

Якщо вас цікавлять технології штучного інтелекту і машинного навчання, реєструйтеся на IT NonStop 2021. Детальніше про доповіді можна дізнатися на сайті конференції.

  • Україна, Remote.UA; Україна, Дніпро; Україна, Київ; Україна, Львів; Україна, Одеса; Україна, Харків; Україна, Херсон
    31 грудня