Людмила Чумак

Как искусственный интеллект и машинное обучение изменились за последний год

Международная научно-практическая конференция International Conference on Big Data and its Applications (ICBDA) выросла из мероприятия Big Data Russia и проводится один раз в год, объединяя на одной площадке создателей новых технологий в области больших данных, представителей бизнеса, а также научных сотрудников и молодых ученых. В этом году конференция прошла 16 сентября в коворкинге Deworkracy.

Организаторы ICBDA благодарят Data-Centric Alliance (DCA) за поддержку мероприятия, а также отдельное спасибо Artox Media и NVIDIA

Следующая конференция состоится 14 сентября 2017 года.

Здесь собраны материалы по блоку «Искусственный интеллект и машинное обучение» (технический трек).


В блоке «Искусственный интеллект и машинное обучение» спикеры рассуждали о том, как изменились технологии искусственного интеллекта за последнее время и как можно использовать машинное обучение и нейронные сети в бизнесе.

Представляем доклады спикеров.


Анатолий Левенчук — «Интеллект-стек 2016»

Анатолий Левенчук, президент ТехИнвестЛаб, рассказал о том, как развились технологии машинного обучения за год, какие проблемы есть в области и как финансируется интеллект-стек.


Станислав Семенов — «Использование целевой переменной для улучшения прогноза в прикладных задачах анализа данных»

Станислав Семенов, консультант по анализу данных, победитель чемпионата ICBDA'15, #1 в рейтинге Kaggle, поделился кейсом о том, как использовать метод LogLoss для решения стандартных задач машинного обучения.


Андрей Калинин — «Artisto: стилизация изображений и видео при помощи нейронных сетей»

Андрей Калинин, руководитель проекта Поиск@Mail.Ru, рассказал о том, как работает приложение Artisto, которое использует нейронные сети для обработки видео.


Другие материалы с конференции ищите по тегу #icbda. Фотоотчет Дениса Стебенева доступен тут. Фотоотчет Артема Саватеева — тут.


comments powered by Disqus

Подпишитесь на рассылку RUSBASE

Мы будем вам писать только тогда, когда это действительно очень важно