5 докладов IT NonStop 2021, которые нельзя пропустить. Выбор эксперта

14 октября
5 докладов IT NonStop 2021, которые нельзя пропустить. Выбор эксперта
18–20 ноября пройдет бесплатная онлайн-конференция DataArt IT NonStop. В 2021-м ее главными темами станут искусственный интеллект, машинное обучение, облачные вычисления и Data Science, а доклады представят специалисты из университетов и ведущих технологических компаний, включая NVIDIA, Microsoft, Ocado и, разумеется, DataArt.

Мы попросили коллегу, эксперта по AI и ML Конрада Лыду, выбрать в программе IT NonStop пять выступлений, которые кажутся ему особенно интересными (да, собственное выступление тоже можно включить в список).

1. «Виртуальная реальность и прикладной искусственный интеллект». Элисон Лаундс (NVIDIA)

Развитие и применение технологий искусственного интеллекта тесно связаны c возможностями дополненной реальности и робототехникой, высокопроизводительными вычислениями, компьютерной графикой, игровыми механиками и т. д. Элисон Лаундс из NVIDIA расскажет о взаимодействии AI и VR и его освоении научными институтами, стартапами и крупным бизнесом.

2. «Как избежать ошибок при построении AI-продуктов». Кароль Пшистальски (Codete)

Согласно исследованиям консалтинговой компании Gartner, 85 % проектов, построенных на применении искусственного интеллекта, оканчиваются провалом. Доктор Кароль Пшистальски обещает разобрать десять неудачных кейсов, заострив внимание на том, что же вовлеченные в них ученые, менеджеры и программисты сделали не так. Речь также пойдет о некоторых принципиальных изменениях, которые позволят избежать типичных ошибок в ваших собственных проектах.

3. «Верить или не верить ИИ, вот в чем вопрос». Грант Давтян (Pinsight)

Искусственный интеллект способен к неверным предположениям, что порождает немало этических и юридических проблем. К сожалению, в необработанном виде почти любой набор данных содержит возможность для когнитивного искажения, на которую AI-системы охотно реагируют. Грант Давтян из Pinsight расскажет об известных примерах предвзятых решений ИИ и способах снизить риск ошибочной интерпретации данных.

4.«Взлом моделей машинного обучения». Ивайло Странджев (Hyperscience)

Распространение механизмов машинного обучения подвергает множество проектов специфическим рискам. В центре доклада Ивайло Странджева из Hyperscience — способы взлома механизмов ML, позволяющие манипулировать результатами прогнозов, сделанных моделью. Этой проблеме подвержены практически любые модели машинного обучения, поэтому решать ее придется всем, кто планирует работать в этой сфере.

5. Машинное обучение: строим, тренируем, разворачиваем. Что дальше? MLOps нам в помощь. Конрад Лыда (DataArt)

Машинное обучение — мощный инструмент, использование которого способно стать серьезным конкурентным преимуществом. Однако чтобы дать бизнесу то, чего он хочет, разработчику придется покинуть уютные пределы собственного ноутбука и развернуть ML-проект в совершенно ином масштабе. Я постарался подготовить обзор важнейших понятий и практик изрядно перенасыщенного мира MLOps — расскажу о доступных инструментах и способах построения вашего первого MLOps-пайплайна.


Если вас интересуют технологии искусственного интеллекта и машинного обучения, регистрируйтесь на IT NonStop 2021 здесь.