Październikowy KI: głębokie sieci neuronowe
Oddział Mazowiecki PTI zaprasza na pierwsze powakacyjne spotkanie Klubu Informatyka.
Pierwsza prezentacja rozpocznie się o godzinie 18:30. Tematem przewodnim Klubu będą Głębokie sieci neuronowe - przykłady użycia, zalety i ograniczenia.
Trzej doktoranci prof. Jacka Mańdziuka, kierownika Zakładu Sztucznej Inteligencji i Metod Obliczeniowych na Wydziale MiNI PW opowiedzą o swoich doświadczeniach w uczeniu architektur głębokich, w szczególności sieci konwolucyjnych (Dominik Lewy), autoenkoderów (Adam Żychowski) oraz generatywnych sieci adwersarialnych (Maciej Żelaszczyk). Będzie o czym rozmawiać, bo w ostatnich latach, wykorzystanie uczenia głębokiego doprowadziło do przełomowych osiągnięć metod sztucznej inteligencji (AI) w wielu dziedzinach praktycznych.
Wstęp na Klub jest wolny. Ze względów logistyczno-aprowizacyjnych Oddział Mazowiecki prosi o zgłoszenia (z podaniem liczby osób) pod adres omaz[at]pti.org.pl. Klub będzie filmowany. Wiąże się to z wyrażeniem przez uczestników Klubu zgody na wykorzystanie ich wizerunku w relacjach wideo, które można znaleźć w kanale PTI portalu Youtube, a także w portalu Oddziału Mazowieckiego PTI. (d)
Wykładowcy i prezentacje
Dominik Lewy to doktorant informatyki na Wydziale MiNi. Zawodowo, lider zespołu zajmującego się projektami w obszarze uczenia maszynowego oraz computer vision. Obszarami jego zainteresowań naukowych są sztuczne sieci neuronowe, a w szczególności te dedykowane do pracy z obrazem. Prezentacja dotyczyć będzie tego: Czy można skorzystać z zaszumionych danych w uczeniu głębokim? Jednym z istotnych problemów związanych z wykorzystaniem uczenia głębokiego w zagadnieniach praktycznych jest ograniczony wolumen dostępnych danych. Prezentacja dotyczy jednego z możliwych podejść do rozwiązania tego problemu, polegającego na wykorzystaniu danych webowych – zebranych zgodnie z wybranymi słowami kluczowymi z kont w mediach społecznościowych – jako substytutu danych dostarczonych/zaetykietowanych przez ekspertów.
Adam Żychowski to również doktorant informatyki na Wydziale MiNI PW. W roku 2015 ukończył z wyróżnieniem studia magisterskie w specjalności Metody Sztucznej Inteligencji. Pracę zawodową łączy z działalnością naukowo-badawczą w dziedzinie uczenia maszynowego. Obszarami jego zainteresowań naukowych są sztuczne sieci neuronowe, algorytmy ewolucyjne oraz teoria gier. W swojej prezentacji opowie o tym Czy sieci głębokie potrafią rozwiązywać testy na inteligencję? Jednym z kluczowych wyzwań stojących przed systemami AI jest umiejętność rozumowania abstrakcyjnego. W ramach prezentacji przedstawiony zostanie system rozwiązujący najpopularniejszy typ zadań z testów na inteligencję - matryce Ravena, które stanowią między innymi podstawę testów kwalifikacyjnych Stowarzyszenia Mensa.
Maciej Żelaszczyk to także doktorant MiNI. Entuzjasta uczenia głębokiego, sztucznej inteligencji i badań łączących neurobiologię z uczeniem maszynowym. Absolwent Szkoły Głównej Handlowej na kierunkach Metody Ilościowe w Ekonomii i Systemy Informacyjne oraz Finanse i Rachunkowość. Zawodowo, analityk rynków finansowych z doświadczeniem w obszarze metali szlachetnych oraz kryptowalut. W swoim wystąpieniu omówi Postępy w generatywnych sieciach adwersarialnych. Innowacyjność generatywnych sieci adwersarialnych (GAN) wynika z zastosowania wcześniej mało znanej metody uczenia, zaczerpniętej całkowicie spoza obrębu tradycyjnego uczenia maszynowego. W przeciągu kilku lat sieci GAN stały się de facto standardem w procesie generowania obrazów, osiągając jakość w praktyce nie odbiegającą od obrazów rzeczywistych. Z drugiej strony, proces ich uczenia cechuje się dużą niestabilnością. Brakuje także wyczerpujących badań nad możliwościami ich użycia w przypadku informacji pochodzących z różnych modalności (audio, obrazy,
