Юрий, ты обещал ссылки на конференции выложить. Меня интересуют ссылки на конференции по NLP. Заранее спасибо!
@НикитаСтепанов-ы1б
2 жыл бұрын
Сберовские переговорки узнаются сразу))
@ViTalityYT
2 жыл бұрын
Таймкоды из гуглодока: 00:00 Приветствие и представление гостя 1:06 Я - математик (ссылки на теоремы Глеба интересные) 7:45 Как Глеб пришёл в ресёрч в искусственном интеллекте 9:20 Как появился Яндекс.Ресёрч 13:40 Кому нужен ресёрч в ИИ 16:45 Где искусственный интеллект приносит больше всего денег 17:20 Поиск Яндекса: тогда и сейчас 18:53 Алгоритмы поиска VS поисковая оптимизация 19:30 Adversarial attacks 20:24 Таня и блюстители чистоты русского языка в IT 20:49 Машинное обучение в поисковых системах 22:33 Инструменты и методы машинного обучения 26:57 Вершина айсберга - исследования в ИИ 28:54 Драйверы развития ИИ 30:27 Inductive bias 31:33 Сколько нужно ресёрчеров компании 33:32 О конкуренции и спросе в ресёрче 35:40 Небольшие компании не могут позволить себе исследования 36:52 Институт искусственного интеллекта AIRI 38:48 Направления в AIRI 42:29 Что нужно, чтобы стать исследователем 48:21 Сколько платят ресёрчеру в ИИ 54:10 Как ИИ вытеснит Data Scientist-ов 55:28 Нужно любить свою работу 56:42 Как проходит жизнь исследователя 57:34 Статьи и конференции 59:39 Почему вашу первую статью не примут на конференцию 1:00:51 О рецензентах на конференциях 1:03:27 Blind-схема ревью и arxiv 1:05:03 От идеи к статье 1:08:50 Почему важен эксперимент 1:10:12 Откуда берутся идеи 1:11:47 Followup-идеи 1:17:12 Идеи на стыке областей 1:18:55 Статья Глеба про adversarial attacks 1:23:06 Адаптация методов в других областях 1:24:12 Эмбеддинги в пространстве Лобачевского 1:25:54 Ошибка в коде 1:26:28 Новые задачи из индустрии 1:31:22 Ресёрчеру всегда нужно смотреть на другие области 1:32:22 Идеи в результате теоретического переосмысления 1:36:10 Метод от Булата и Глеба в библиотеке Catboost 1:37:40 Как рождаются гениальные идеи 1:40:44 Какие бутерброды мы любим 1:41:12 Как живёт исследователь 1:45:42 У ресёрчера нет плана 1:49:09 О руководителях ресёрч-подразделений 1:50:44 Тренды в искусственном интеллекте 1:51:35 Интерпретируемость и ответственность ИИ 1:54:30 Создание универсальных моделей машинного обучения 1:56:29 Нейросимвольные подходы 1:59:13 Где хорошо работают нейросети, а где плохо 2:01:38 World modeling и планирование 2:03:20 Где работают нейросимвольные подходы 2:06:10 Почему важны нейросимвольные подходы 2:07:47 Дискретные структуры мышления 2:11:30 Что такое сущность 2:13:06 Ребёнок как агент Reinforcement Learning 2:14:36 Зачем моделировать человеческий мозг 2:22:16 Про тест Тьюринга 2:24:06 “Кто за стеной” 2:26:20 Цель развития ИИ 2:29:34 Искусственному интеллекту не хватает модальностей 2:32:00 Божья искра 2:34:34 Модель, которая решит всё 2:38:02 Блиц! 2:46:01 Всё нажмите
@Egor-sm4bl
2 жыл бұрын
Все круто, но для видео на два с половиной часа было бы здорово иметь тайм-коды.
@naotsuga1795
2 жыл бұрын
есть они, посмотрите в гугл доке в описании
@Egor-sm4bl
2 жыл бұрын
@@naotsuga1795 да, спасибо! Увидел. Но я имел ввиду ссылки в видео. Чтобы можно было интерактивно перемещаться
@DeepLearningSchool
2 жыл бұрын
Сделали!
@Egor-sm4bl
2 жыл бұрын
@@DeepLearningSchool спасибо огромное! 🤝👏👏👏
@Ridick-Furian
2 жыл бұрын
Здравствуйте, подскажите как реализовать генетический алгоритм в связке с библиотекой Keras и tensorflow или pytorch
@Alan_Ry
Жыл бұрын
Задайте это в Gpt) и не забудьте сказать пож. Получилось иль нет
@stanferrari4550
Жыл бұрын
Изи.
@TyphoonUSSR
2 жыл бұрын
*Критика, на которую вы не должны обижаться.* На безрыбье и рак рыба. Это о математиках, которые идут в ИИ "ресёчерами". Там от них пользы, как от коСла - молока. Дети..., чем больше вы производите англицизмов на ровном месте, тем ниже ваша оценка у тех, кто вас слушает. Англицизм это первый признак вашей профессиональной несостоятельности. Бывают редкие исключения, но не более. Всех ближе к профессии инженера - исследователя Татьяна, т.к. у неё на горизонте проф. роста есть понимание простой истины - любая значимая работа в любой области начинается с решения прикладной задачи. Практика критерий истины. Только Татьяна из троих близка к "открытию", что современный ИИ это на 10% традиционное программирование архитектур НС, и на 90% это сбор датасетов, которые и являются в парадигме глубокого обучения новой формой программы, которая придает традиционному ПО когнитивные функции близкие к человеческим. Именно появление когнитивных функций у ПО и дает нам право называть обученные НС фрагментами ИИ. Без понимания этого, вы так и останетесь несостоявшимися "ресёчерами" не способными решать прикладные задачи. Машинное обучение конечно шире, чем область глубокого обучения (ГО), и в основе всего лежит математика, но именно ГО сделало революцию в ИИ на рубеже 2012г с приходом AlexNet, хотя реальную революцию совершил создатель сверточных нейронных сетей (СНС) Ликун, когда решал прикладную задачу распознавание рукописных цифр на банковских чеках. СНС стали допингом машинного обучения, т.к. избавили людей от задачи выбора оптимального признакового пространства, чем сделали эффективность работы НС сравнимой с человеческой.
@yuryyarovikov3323
2 жыл бұрын
Для этого мы и приводим разных спикеров, чтобы услышать разные мнения:)
@TyphoonUSSR
2 жыл бұрын
@@yuryyarovikov3323 тогда пригласите Андрея Карпатый (Andrej Karpathy) и задайте ему правильные вопросы. Сможете?
@yuryyarovikov3323
2 жыл бұрын
@@TyphoonUSSR телефончик не найдётся?:)
@TyphoonUSSR
2 жыл бұрын
@@yuryyarovikov3323 есть гит, твиттер, фб и куча других подходов. Поскольку Маск его отправил в отпуск на 4 мес. из-за неудач с автопилотом, он 3 дня назад был в гите, а 2 недели назад ретвитнул тему аппаратной акселерации, которая собрала всего 33 комментария. Т.е. если сделаете бота, который будет его отслеживать в реальном времени на контактах, есть шанс его поймать и впарить ваше предложение.
Пікірлер: 18