#1 Meetup Data Science
- 18:00 - 18:50 - Modele generatywne oparte na architekturze AutoEncoderów - Przemysław Spurek
Abstrakt: Modele generatywne stanowią szeroką klasę modeli Deep Learningu służącą do modelowania rozkładu łącznego danych. Celem takiego podejścia jest wygenerowanie przykładów podobnych do tych ze zbioru uczącego ale nie identycznych z żadnym elementem ze zbiory treningowego. Takie podejście można wykorzystać np. w chemio informatyce do generowania nowych leków.
W czasie prezentacji przedstawione zostaną klasyczne modele Variational Autoencoder (VAE), Wasserstein Autoencoder (WAE) jak i nowe podejście: Cramer-Wold AutoEncoder (CWAE).
- 18:55 - 19:45 - Pracuj mądrze, nie ciężko - automatyzacja procesów przetwarzania danych i uczenia maszynowego - Konrad Łyda
Abstrakt: W pewnym momencie cyklu życia naszego projektu analizy danych i budowania modeli uczenia maszynowego musimy wyjść z ciepłego środowiska naszego własnego laptopa i wdrażać nasze rozwiązania w większej skali. Czy jesteśmy skazani na tworzenie własnych wielkich domków z kart randomowych skryptów, które zawalą się w przypadku pierwszego „dziwnego” przypadku na wejściu (patrz: https://xkcd.com/2054/)
W prezentacji pokażemy, jak wykorzystać Airflow do budowania zautomatyzowanych i kontrolowalnych workflow uczenia maszynowego, aby jak najbardziej zminimalizować konieczność ręcznego procesowania informacji i wykonywania powtarzalnych czynności. Po prezentacji będziesz również uzbrojony/a w wiedzę, czy takie rozwiązanie, jak Airflow, jest w stanie rozwiązać Twoje problemy automatyzacji procesów.
- 19:50 - 20:40 - Szczegóły wkrótce
- 20:45 - networking
Wszystkich zainteresowanych tematyką Data Science zapraszamy na drugie spotkanie w Krakowie.
PRELEGENCI:
- PRZEMYSŁAW SPUREK - Uzyskał stopień doktora nauk matematycznych w dyscyplinie informatyka za pracę doktorską z zastosowań teorii informacji oraz kompresji danych. Asystent w Katedrze Uczenia Maszynowego w Instytucie Informatyki i Matematyki Komputerowej UJ. Specjalista w zakresie nauczania maszynowego, analizy danych. Ponadto czynnie uczestniczy w pracach grupy Group of Machine Learning Research (GMUM) (http://gmum.net/), z którą współorganizował konferencje Theoretical Foundations of Machine Learning (TFML 2015, TFML 2017).
- KONRAD ŁYDA - Machine Learning Engineer w Asseco Business Solutions, zawodowo parający się głównie zagadnieniami Deep Learningu i Computer Vision. Ex-developer, ex-Project Manager, nawrócony na techniczną ścieżkę. W wolnych chwilach zgłębia szeroki ocean zastosowań Machine/Deep Learningu w różnych dziedzinach życia, współorganizuje spotkania społeczności Data Science Lublin oraz pomaga wejść w świat machine learning publikując na UczymyMaszyny.pl