Адрес e-mail:
Прошедшие события
Александр Львовский: «Квантовая революция как мировой технологический тренд»
Выпускной МФТИ 2020: онлайн-формат не отменяет праздник
Директор ФИАН Николай Колачевский: «Наука и технологии: путь в лидерство»
Онлайн-презентация кафедры космической физики ЛФИ
Сессия вопросов-ответов с биоинформатиком Антоном Буздиным
Презентация магистерской программы «Физика сверхпроводимости и квантовых материалов»
Презентация магистерской программы «Двумерные материалы: физика и технология наноструктур»
Презентация магистерской программы «Цифровые технологии в бизнесе»
Денис Дмитриев: «Особенности поступления и ответы на вопросы. Приемная кампания — 2020»
Всероссийский онлайн-выпускной
Онлайн-презентация кафедры интегрированных киберсистем ФРТК
Сессия вопросов-ответов с Михаилом Щелкановым
Круглый стол: «Тенденции рынка труда во время всеобщей самоизоляции»
Онлайн-марафон #надоразобраться
Максим Поташев: «Бридж – самый популярный в мире интеллектуальный вид спорта»
Сергей Иванов: «Человек в центре бизнеса: конкурентное преимущество или корпоративные сказки?»
Семинар: «Выбор обратной связи в системах управления как задача оптимизации»
Константин Виноградов: «Как работают венчурные фонды и почему стоит строить глобальный бизнес с первого дня»
Интеллектуальная игра Genium Challenge с Максимом Поташёвым
Цифровая ярмарка вакансий МФТИ

Семинар AI@MIPT «Сети и соседи: методы выживания машинного обучения в “дикой природе”»

Семинар AI@MIPT «Сети и соседи: методы выживания машинного обучения в “дикой природе”»

22 января в 18:30 в 107 БФК состоится очередная встреча из цикла семинаров по искусственному интеллекту «Сети и соседи: Параметрические и непараметрические методы для выживания машинного обучения в “дикой природе”». Ведущий — Михаил Биленко, руководитель подразделения Machine Intelligence and Research в Яндексе и координатор деятельности исследовательской группы Яндекса в МФТИ. 

Параметрические методы машинного обучения, такие как нейронные сети, растущие деревья (boosted trees), методы факторизации и их совокупности, задают последнее слово в бенчмарках машинного обучения от академических стандартов (таких как ImageNet) до соревнований Kaggle. Однако применение систем машинного обучения в реальном мире существенно отличается по ряду параметров. 

На лекции речь пойдёт об уникальных отличиях академического и технологического машинного обучения. Они приводят к очень разным оптимальным решениям, в сравнении с теми, которые обычно встречаются в конкурсах и академических бенчмарках. Обсуждение коснётся необходимости объединения параметрических и непараметрических моделей (таких как современные варианты алгоритмов ближайшего соседа). Также будут описаны некоторые интересные комбинации, которые приводят к современным технологическим решениям в системах машинного перевода и диалоговых системах. 

Для участия в семинаре необходимо предварительно зарегистрироваться

Михаил Биленко руководит подразделением Machine Intelligence and Research в Яндексе. Команды в MIR'е занимаются исследованиями, разработкой и выпуском продуктов в ключевых областях искусственного интеллекта: диалоговых системах, распознавании и синтезе речи, машинном переводе, компьютерном зрении и машинном обучении. До Яндекса Михаил руководил командой Machine Learning Algorithms в Microsoft, ML-компоненты которой были интегрированы в десятки продуктов компании. Перед этим он семь лет проработал исследователем в Microsoft Research, куда пришёл после аспирантуры в университете Техаса в Остине и стажировок в Google и IBM Research.

Материалы курса доступны в Telegram-канале и группе AI@MIPT Вконтакте.

Если вы заметили в тексте ошибку, выделите её и нажмите Ctrl+Enter.

© 2001-2020 Московский физико-технический институт (национальный исследовательский университет)

Противодействие коррупции | Сведения о доходах

Политика обработки персональных данных МФТИ

Техподдержка сайта | API

Использование новостных материалов сайта возможно только при наличии активной ссылки на https://mipt.ru

МФТИ в социальных сетях