Վաղը կարևոր սեմինար է պլանավորման ուսուցման վերաբերյալ

Arec Jamgochian
Learning Safe Plans Under Uncertainty.

Friday, August 23, 2024 | 4:30 PM - 6:00 PM | YSU Krisp-AI Lab

Abstract:
Can LLMs plan? How reliable are robot policies that are learned end-to-end? Will agentic systems generalize given internet-scale data? All important questions… but not really one’s I’ll answer (maybe at the end). This talk will focus instead on a more bottoms-up perspective of data-driven planning — how to use good predictive models of a structured system’s behavior to come up with a sequence of actions that will optimize some objective. I’ll talk about types of uncertainty present in agentic systems, frameworks for handling uncertainty, and some roles for learning when planning (think reinforcement learning, imitation learning, AlphaZero, etc.). I’ll then overview some of our recent work on ConstrainedZero (IJCAI 2024), where we learn to plan under imperfect information while imposing safety constraints. Finally, I’ll briefly discuss how we are using some of these methods at TerraAI to do sustainable mineral and geothermal exploration.

About Arec:
Arec recently finished his PhD in autonomy (Aero/Astro + CS) from Stanford University with Prof. Mykel Kochenderfer. His research investigated methods for safe, data-driven, autonomous planning under uncertainty, with special applications to self-driving cars and energy systems. He just began a role as a founding research scientist at TerraAI, a Khosla-backed start-up working on AI for sustainable energy and resource planning. He has worked in autonomous driving, rocketry, and in finance at BlackRock AI Labs with Prof. Stephen Boyd. He was the head teaching assistant for Stanford CS classes on optimization and sequential decision-making, as well as an NSF graduate research fellow and an Accel fellow.

⚠️⚠️⚠️ Գրանցմանը մնաց 3 օր։ ⚠️⚠️⚠️
📣📣📣 Արդեն ավանդույթ դարձած հերթական դասընթացը ՏՏ ոլորտի, Ճարտարագիտության և Ինֆորմատիկայի ուսանողների համար։ Գրովֆը սկսում է անվճար դասընթաց Grow With Grovf Internships & Trainings-ի շրջանակներում։ Դասընթացը հաջողությամբ ավարտելու դեպքում կընձեռնվի աշխատանքի անցնելու հնարավորություն հենց Գրովֆում, որտեղ դուք հնարավորություն կունենաք աշխատելու աշխարհում լայն տարածում գտած բարդ չիպերի նախագծման վրա։
Դասընթացը ներառում է․
✔️ Թվային Էլեկտրոնիկայի նախագծման հիմունքներ
✔️ (RTL) նախագծում SystemVerilog լեզվի միջոցով
✔️ FPGA նախագծում AMD (Xilinx) կազմակերպության Vivado գործիքի միջոցով
✔️ Թվային Էլեկտրոնիկայի վերիֆիկացման հիմունքներ
✔️ Ծանոթացում Ունիվերսալ Վերիֆիկացման Մեթոդոլոգիաների (UVM) հետ
📣 Դասընթացը կանցկացնեն համաշխարհային բարձր վարկանիշով ինժեներներ, այնպիսի աշխարհահռչակ կազմակերպություններից ինչպիսիք են ARM-ը և Intel-ը։
Պահանջվող գիտելիքներ և հմտություններ․
➡️ Մաթեմատիկա
➡️ Էլեկտրոնիկա
➡️ Ծրագրավորում
➡️ Ալգորիթմների տեսություն (պարզագույն հմտություններ)
➡️ C/C++ (պարզագույն հմտություններ)
➡️ Linux (պարզագույն հմտություններ)
➡️ Ռուսերենի ու անգլերենի իմացությունը կդիտվի որպես առավելություն
➡️ VHDL, Verilog իմացությունը կդիտվի որպես առավելություն
Եթե տարված ես նորարարություններով և ցանկանում ես տիրապետել hardware /software bundle-ներից բաղկացած համակարգերի ստեղծմանը, ապա բաց մի՛ թող քո հնարավորությունը միանալու մեր թիմին։
📩 Ուղարկի՛ր քո CV-ն [email protected] էլեկտրոնային հասցեին` թեմա դաշտում նշելով "Internship 2024-3"։
⚠️ Դիմելու վերջնաժամկետ՝ Հունիսի 15, 2024
⏰ Դասընթացի սկիզբ՝ Հուլիսի 1, 2024

We are looking for new team members at YerevaNN and YSU ML Group. Here are the open positions:

1. Machine learning researcher. The core topic: ML for radiosignals and IoT [ https://forms.gle/aueaS4EiqBSPCU2o7 ]
2. Research interns (multiple positions) [ https://forms.gle/GdiedBZJqdbPSH6VA ]
3. DevOps engineer [ https://forms.gle/dVuwMaNA8k5hw8sZ7 ]

?️ The deadline of applications is June 16, 2024.

Please spread the word!

Այսօր 15:00 ԳԱԱ Մաթեմատիկայի ինստիտուտում տեղի կունենա Լիաննա Համբարձումյանի սեմինարը Ռամսեի տեսության վերաբերյալ․

Սեմինարի ընթացքում կքննարկվեն հետևյալ առանցքային խնդիրները՝ կոմբինատորիկայի Ռամսեի տեսությունում (Ramsey theory).
- ինչքա՞ն մեծ կարող է լինել {1, 2, …, N} բազմության այն ենթաբազմությունը, որը չունի k երկարության թվաբանական պրոգրեսիա,
- ինչքա՞ն մեծ կարող է լինել {1, 2, …, N}^k բազմության այն ենթաբազմությունը, որը չունի k-չափանի «անկյուն»։
Պարզվում է, որ այս խնդիրները էապես առնչվում են տեսական համակարգչային գիտության ենթաճյուղերից մեկին՝ հաղորդակցման տեսությանը, և արդիական լավագույն արդյունքներն այս ուղղությամբ ստացվել են հենց այս կապի շնորհիվ։ Սեմինարի ընթացքում կներկայացնեմ այս արդյունքների մի մասը։

Սեմինարը նյութը հասանելի է մաթեմատիկայով հետաքրքրված ուսանողների համար

Սեմինար խոսքի ճանաչման ալգորիթմներ պատրաստելու համար տվյալների հավաքագրման վերաբերյալ: Վարելու են NVIDIA-ի մասնագետները