ML-конференция: от обучения до эксплуатации моделей
16–17 маяСанкт-Петербург + ONLINEКонгресс-отель Airportcity Plaza: ул. Стартовая, 6, литера А
IML — техническая конференция для тех, кто использует ML в проектах. Здесь собираются ML-инженеры, дата-сайентисты, исследователи, аналитики и разработчики, чтобы делиться как успешным опытом реализации ML-проектов, так и фейлами при их внедрении.
В программе — разносторонние выступления: от фундаментальных вопросов машинного обучения до его практического применения в продуктах. От табличных данных, NLP и CV — до Big Data ML и конкретных кейсов из industrial, fintech, medical и social ML. MLOps, RL, RecSys, Uplift Modelling, Causal Inference — все это и многое другое.
Форматы выступлений: доклады с последующими дискуссиями, мастер-классы по самым горячим технологиям и интервью с интересными людьми.
Если раньше мы встречались в онлайне, то сейчас соберемся очно. Вы сможете лично пообщаться с интересными вам людьми, задать важные для вас вопросы. Присоединяйтесь!
Организатор конференции — JUG Ru Group.
Совместный выпуск подкастов от конференций IML и PiterPy.
Когда два DS-а садятся обсуждать современный ИИ, разговор может пойти по любому сценарию. На этот раз мы держали себя в рамках — говорили про современный ИИ и его влияние на разработку. Затронули ассистентов, бенчмарки и модных ныне агентов. Чувствуют ли разработчики эффект зловещей долины при работе с ними?..
Обсуждаем языковые модели, сдвиг парадигм в ML и челленджи, с которыми столкнулись при создании GigaChat от Сбера. От растущих требований к железу до встраивания LLM в экосистему.
Говорим про типы данных, с помощью которых модель учится понимать мир. Разбираемся в истории появления мультимодальных моделей и сравниваем их с нейронными сетями внутри человека.
Обсуждаем ML-инфраструктуру, включая MLOps. Как устроен этот процесс в компаниях разного уровня зрелости, как выводить модели в прод быстро и переиспользовать код. Как выглядит ML-платформа и кому лучше заниматься ее построением.
Продолжаем говорить о доставке моделей в прод. На этот раз — о задачах, с которыми сталкивается компания на всех этапах. Про датасеты, обучение моделей и пайплайны.
Разрабатываем модели на Big Data, отправляем их в прод и мерджим LLM.
Говорим о том, как менялась практика оценки NLP-моделей, обсуждаем влияние кодогенерации на бизнес и жизнь разработчика. Поднимаем вопросы о доверии к профессионалам и роли людей в создании новых метрик.
Существует множество проверенных архитектур для ранжирования. В этом выпуске изучаем их эффективность и обсуждаем, как сделать удобную инфраструктуру — вместе с Head of ML в Wildberries.
Разбираемся, что такое ML System Design Document — когда его внедрять, кто должен этим заниматься, и что вообще подразумевается под System Design для ML-специфики.
Всё о специфике ML в логистике — объем и доступность данных, создание и тестирование алгоритмов для срочной и плановой доставки, реальные бизнес-процессы и прогнозирование заказов.
Обсуждаем AutoML и области его применения в банках: от распознавания документов до торговли на биржах. Рассматриваем Python-библиотеки для задач AutoML.
Рассматриваем задачи Computer Vision на примере детекции драк. Проводим мысленный эксперимент с пет-проектами вселенского масштаба. Обсуждаем жизнь CV-инженера — от простого сотрудника до руководителя команды и директора, влияющего на бизнес.
Разбираем главные тренды медиапространства вместе с редакторами каналов по ML и DS. ML-продукты, исследования, робототехника, новые индустрии, регуляция AI и направления работы корпораций и стартапов.
Wildberries Tech
Wildberries Tech
Цельс
OpenIPC
Яндекс
Точка