Воркшоп для комьюнити «Искусственного интеллекта»

Уже завтра (23 ноября) онлайн-магистратура «Искусственный интеллект» приоткрывает свои двери, чтобы вы могли присоединиться к Воркшопу.

✏️ Воркшоп — это ежегодная однодневная конференция для сообщества магистратуры. На воркшопе у участников есть возможность поделиться собственными достижениями в области искусственного интеллекта, а также пообщаться с единомышленниками.

Программа мероприятия обширна:
⚪️ Зачем нужна ML-инфраструктура
⚪️ Применение ИИ-технологий в приложении погоды
⚪️ ML в AdTech — какие направления стоит изучать уже сейчас
⚪️Как NLP улучшает банковский сервис
⚪️Мультимодальные модели или как научить LLM видеть и понимать увиденное

Спикерами выступают студенты, выпускники и преподаватели магистратуры, а так же приглашены внешние эксперты.

*📆 *Когда: 23 ноября, 12:00-20:00
💻 Где: онлайн для внешних слушателей, очно только для комьюнити ИИ/МОВС на Покровском бульваре 11

📕 Узнать расписание и зарегистрироваться

Привет, друзья! 👋🏼

Значения Шепли — важная концепция для интерпретации алгоритмов машинного и глубинного обучения. О кратком введении мы говорили в предыдущем посте.

📈 По определению значения Шепли вычисляются по оценке вклада признака во все возможные "коалиции" (подмножества признаков)..

…и если у нас N признаков, нам необходимо перебрать 2^N комбинаций для оценки вклада каждого признака полностью!Во избежание долгихвычислений, примеряется аппроксимация.

📉 Отсюда возникают вопросы:

- достаточно ли такого весьма грубого вычисления (особенно, если у нас картинка, которую хотелось бы оценить максимально детально)?
- насколько значения Шепли далеки от случайности и основаны на данных?

Читайте в материале автора нашего курса по Explainable AI на Хабре:
✔️ Практическая устойчивость значений Шепли в интерпретации моделей ИИ

P.S Остаёмся на связи и мы продолжаем улучшать и структурировать наши курсы!

Впереди новые анонсы, открытые семинары, и мы рады, что вы остаетесь с нами!

Всегда ваша,
Команда AI Education!

Привет, друзья! 👋

Недавно мы провели вебинар, посвященный введению в Uplift-моделирование от эксперта в области, Артема Савельева.

Публикуем запись вебинара:
🎥 YouTube | Яндекс.Диск

В нашем курсе Продвинутые методы машинного обучения Uplift-моделированию посвящен объемный модуль, состоящий из 10 уроков! Приглашаем вас присоединиться к курсу и погрузиться в тему Uplift-моделирования! И не только в нее 🙂 В курсе мы рассказываем о различных нетривиальных и не всегда простых, но важных приложениях классического машинного обучения к решению практических задач.

В течение этого месяца на курс действует промокод.

P.S. В ближайший месяц мы планируем опубликовать серию небольших статей в telegraph, посвященных обзору различных прикладных задач машинного обучения, и начнем с Uplift!

Хорошего дня! 🌞

? Сейчас начнется презентация программы «Искусственный интеллект», подключайтесь по ссылке!

Елена Кантонистова, академический руководитель онлайн-магистратуры «Искусственный интеллект», и Роман Залесинский, студент программы, расскажут об онлайн-магистратуре и ответят на все ваши вопросы:

Запускаем серию материалов про применение машинного обучения в жизни

Первая статья из серии раскрывает, что такое кластеризация и как её применять в бизнесе. В этот раз мы рассказываем про метод Kmeans.

?️ Прочитать статью можно ниже

Если у вас есть удачные кейсы применения машинного обучения, можете поделиться в комментариях!

Telegraph

Кластеризация как кейс применения машинного обучения в бизнесе

Чаще всего в машинном обучении нам приходится решать задачи классификации и регрессии. Но есть и другие интересные задачи! Довольно часто в бизнесе встает задача кластеризации (или сегментации) клиентов: нам необходимо разбить всех клиентов на кластеры (группы)…