В апреле этого года прошла ежегодная онлайн-конференция  Data Fusion. Это одно из важных мероприятий в сфере Data Science и Big Data. Делимся с вами выступлениями преподавателей MADE и сотрудников VK.

MLOps
Александр Волынский, технический менеджер продукта ML Platform, VK Cloud Solutions

На встрече рассмотрим практические шаги по реализации технологического основания MLOps: инструменты DevOps-конвейера и надстройки для непрерывного релиза ML-моделей как ключевых компонентов ИИ. Сессия будет интересна всем, кто занимается технологическими и организационными вопросами применения DevOps для внедрения систем искусственного интеллекта.

От научной статьи до MVP
Илья Макаров, программный директор Академии больших данных MADE

Часто путь от научной статьи до MVP занимает годы, не исключена ситуация, когда идея так и не сможет оформиться в конкретный продукт. Поговорим, как происходит и какой спецификой обладает R&D в стремительно развивающейся сфере Data Science.
Дискуссия будет разбита на две части: в первой обсудим актуальные проблемы R&D в области AI и DS в России, во второй поговорим о конкретных научных работах, направлениях исследований, которые активно развиваются.

Генеративные модели
Сергей Николенко, преподаватель дисциплин «Продвинутое машинное обучение» и «Продвинутое глубокое обучение и обучение с подкреплением» в MADE

Генеративные модели ИИ по версии Gartner входят в топ актуальных технологических трендов. На встрече обсудим:

• какие есть ключевые практические области применения генеративных моделей;
• какими качественными датасетами располагают программисты на данный момент;
• есть ли перспективы использования генеративной модели в дизайне, инжиниринге, проектировании.

Рекомендательные системы
Семён Поляков, ведущий ML-инженер в VK

В докладе обсудим:

• как сегодня бизнес комбинирует базовые подходы — коллаборативную фильтрацию, контентную фильтрацию, экспертные системы, методы, основанные на матричном разложении и другие методы с deep learning и другими алгоритмами машинного обучения;
• что даёт наибольший эффект, ведёт к приросту целевого действия пользователя или позволяет сформировать максимально точную матрицу предпочтений без шума;
• какова целесообразность создания новых архитектур нейронных сетей;
• всегда ли оправдано кратное увеличение сложности используемых моделей: где бизнес находит для себя баланс между сложностью и эффективностью.

Computer Vision
Андрей Савченко, преподаватель дисциплины «Обработка изображений на мобильных устройствах» в MADE

На сессии поговорим об актуальных направлениях исследований в компьютерном зрении. Рассмотрим практические сценарии разработки моделей сегментации изображений при наличии небольшого количества обучающих данных. Также разберём подготовку моделей по анализу лиц на мобильных устройствах, которые накладывают значительные ограничения на вычислительную сложность и размер разрабатываемых моделей.