Автор Кэти Поллитт, старший создатель саммита — RE•WORK
2 апреля 2019 г.
Пятый год подряд к Саммиту по глубокому обучению снова присоединится Саммит по глубокому обучению в здравоохранении, который пройдет в Бостоне 23–24 мая. В дополнение к этим двум саммитам участники также получат доступ к Deep Dive Track, который предоставит техническую информацию по некоторым ключевым темам, рассмотренным на мероприятии. В течение двух дней посетители смогут посмотреть презентации мировых экспертов в области искусственного интеллекта, присоединиться к интерактивным семинарам, получить интервью и беседы у камина, а также принять участие в обширных сетевых сессиях, где все участники соберутся в выставочной зоне, чтобы поделиться своими знаниями и сделать выводы. новые связи.
Более 60 спикеров из промышленности и научных кругов поделятся своими знаниями. Все три трека предлагают информацию о самых передовых достижениях в области глубокого обучения. Не знаете, как собираетесь провести время на вершине? Вот несколько предложений…
…рекомендуем следующие сеансы:
Сессия: Чему учат ваши нейронные сети? Взгляд внутрь черного ящика
Эксперт: Брэндон Рорер, специалист по данным, Facebook
Трек: Deep Learning
Время : День 1, 09:35
Глубокие нейронные сети, как известно, трудно интерпретировать. На этом сеансе мы познакомимся с их внутренней работой, чтобы создать интуицию о том, что находится внутри черного ящика и как все эти шестеренки сочетаются друг с другом. Затем обсуждение перейдет к использованию этих идей, когда мы будем решать проблему обработки изображений с помощью глубокого обучения, показывая на каждом этапе, что «думает» нейронная сеть.
Сессия: Распределенный Tensorflow: масштабирование обучения модели на несколько графических процессоров
Эксперт: Нил Тененхольц, старший научный сотрудник Центра клинических данных MGH & BWH
Трек: Глубокое обучение в здравоохранении
Время: день 1, 09:55
Предлагая современную производительность для различных задач, обучение моделей глубокого обучения может занимать много времени, что затрудняет изучение архитектур моделей и конфигураций гиперпараметров. Однако это узкое место можно значительно уменьшить, используя почти линейное ускорение, обеспечиваемое обучением с несколькими GPU. В этом выступлении Нил рассмотрит различные способы, которыми Tensorflow поддерживает обучение для распределения по набору графических процессоров.
Сессия: Учет этики в ИИ
Эксперт: Кансу Канка, Лаборатория этики ИИ
Трек: Глубокое погружение Семинар
Время: День 1, 13:40.
Джансу является основателем и директором Лаборатории этики ИИ, где она возглавляет группы ученых-компьютерщиков и ученых-правоведов, которые проводят этический анализ и дают рекомендации исследователям и практикам. У нее есть докторская степень. по философии, специализирующийся на прикладной этике. Она занимается этикой технологий и биоэтикой на уровне населения, интересуясь вопросами политики. До Лаборатории этики ИИ она была лектором в Университете Гонконга и исследователем в Гарвардской школе права, Гарвардской школе общественного здравоохранения, Гарвардской медицинской школе, Университете Осаки и Всемирной организации здравоохранения.
Сессия: Глубокое обучение для будущего предприятия
Эксперт: Гаутам Шрофф, вице-президент и главный научный сотрудник Tata Consultancy Services
Отслеживание: Глубокое обучение
Время: День 2, 09:50
Существует множество проблем, которые мешают эффективному применению глубокого обучения для решения реальных задач, таких как мониторинг состояния машин, планирование размещения контейнеров и рекомендации по охране здоровья. Медленно, но верно компании находят решения этих проблем, и влияние глубокого обучения теперь распространяется на предприятия во многих различных секторах. Являясь одной из крупнейших в мире консалтинговых фирм в области ИТ, TCS создала специальную команду исследователей глубокого обучения, чтобы предоставить решения этих проблем для вариантов использования в различных секторах, от производства и доставки до здравоохранения и финансов.
…рекомендуем следующие сеансы:
Сессия: Демистификация терминов и инструментов ИИ — вводный обзор ключевых терминов ИИ
Эксперт: Панельная дискуссия и вопросы и ответы, скоро будут объявлены эксперты
Трек: Глубокое погружение
Время: День 1, 09:55
Введение и обзор некоторых ключевых терминов в области ИИ, которые вы услышите на двухдневном саммите.
Сессия: Обработка естественного языка в здравоохранении
Эксперт: директор по машинному обучению и искусственному интеллекту, CODAMETRIX
Направление: Глубокое обучение в здравоохранении
Время: день 1, 11:40.
С недавними достижениями в области глубокого обучения, за которыми последовало успешное развертывание приложений обработки естественного языка (NLP), таких как понимание языка, моделирование и перевод, общая надежда состояла в том, чтобы добиться еще одного успеха в области здравоохранения. Учитывая огромное количество медицинских данных, записанных в электронных медицинских картах (EMR) в неструктурированном виде, существует немедленная высокая потребность в NLP для облегчения автоматического извлечения и структурирования клинических данных для поддержки принятия решений. Тем не менее, производительность готового NLP на данных здравоохранения была разочаровывающей. В последнее время пионеры НЛП-исследований приложили огромные усилия для адаптации общего языка НЛП к сфере здравоохранения. Это выступление направлено на обзор текущих проблем, с которыми сталкиваются исследователи, и, кроме того, обзор некоторых из самых последних историй успеха.
Сессия: Глубокое обучение для будущего предприятия
Эксперт: Маттре Маттина, старший директор по исследованиям машинного обучения и искусственного интеллекта, Arm Track: Deep Learning
Трек: Глубокое обучение
Время: День 2, 09:50
Глубокие нейронные сети являются ключевой технологией, лежащей в основе передовых аудио- и видеоприложений. Поскольку эти приложения начинают мигрировать с больших серверов, работающих в облаке, на мобильные и встроенные платформы, они предъявляют значительные требования к базовой аппаратной платформе. В этом докладе будут рассмотрены ключевые свойства этих моделей и то, как эти свойства используются для получения эффективных выводов на платформах с ограниченным энергопотреблением, вычислительными ресурсами и пространством.
Сессия: Применение глубокого обучения к рекомендациям новых пользователей в Twitter
Эксперт: Джей Бакстер, старший инженер по машинному обучению, Twitter Cortex
>Трек: Deep Learning
Время: День 2, 11:20.
Проблема холодного старта для новых пользователей — классическая проблема для рекомендательных систем. В этом выступлении Джей обсудит некоторые подходы к глубокому обучению, которые можно использовать для решения этой проблемы, в том числе использование нейронных сетей для обучения совместному внедрению новых пользователей и элементов и их эффективное обслуживание во время выполнения с помощью приближенных алгоритмов ближайшего соседа, таких как LSH. или ХНСВ. Он также коснется некоторых трудностей оценки таких моделей как офлайн, так и онлайн в контексте A/B-тестов.
Сессия: Восходящие звезды — презентации следующего поколения пионеров ИИ
Эксперт: новаторы AI4ALL и восходящие звезды ИИ
Отслеживание: Глубокое погружение
Время: День 2, 13:50
Как CxO, вы будете участвовать в процессе роста и найма вашей команды. На этом занятии вы будете учиться у нового поколения экспертов и узнаете, что их волнует в работе в космосе. Узнайте больше от молодых потенциальных лидеров мира искусственного интеллекта, поскольку они представляют свои последние исследования и узнают, как вы могли бы работать вместе.
…рекомендуем следующие сеансы:
Сессия: Учимся синтезировать изображения
Эксперт: Акрам Баят, научный сотрудник Массачусетского университета в Бостоне
Трек : Глубокое обучение
Время: День 1, 11:20.
В этом выступлении Акрам представит решения для глубокого обучения для трех задач восприятия визуальной сцены и распознавания объектов. Цель состоит в том, чтобы исследовать, в какой степени глубокие сверточные нейронные сети напоминают зрительную систему человека для восприятия сцены и распознавания объектов: (1) классификация сцен на основе их глобальных свойств, (2) развертывание метода с несколькими разрешениями для распознавания объектов и ( 3) оценка влияния высокоуровневого контекста грамматики сцены на распознавание объектов и сцен. Первая проблема предлагает управлять глобальными свойствами сцены как высокоуровневыми описаниями сцены из глубоких особенностей сверточных нейронных сетей в задачах классификации сцены. Вторая проблема показывает, что точная настройка Faster-RCNN для данных с несколькими разрешениями, вдохновленная визуальной системой человека с несколькими разрешениями, улучшает производительность и надежность сети в диапазоне пространственных частот. Наконец, третья проблема изучает влияние нарушения синтаксических и семантических правил сцены высокого уровня на поведение движения глаз человека и глубокие нейронные сети распознавания сцены и объектов.
Сессия: Прогнозирование эффектов генетических лекарств с помощью трансферного обучения
Эксперт: Амит Дешвар, директор по системам прогнозирования, Deep Genomics
Трек: Deep Learning in Healthcare
Время: День 1, 14:10
Генетические лекарства обещают способность точно воздействовать на коренные причины болезней. В Deep Genomics Амит и его команда разрабатывают системы машинного обучения для прогнозирования свойств этих лекарств, включая активность и безопасность. Основная проблема при этом заключается в том, что невозможно собрать большие коллекции терапевтических данных. Использование трансферного обучения позволяет им объединять большие объемы недорогих биологических данных с небольшими объемами терапевтических данных. Амит расскажет, как он успешно использовал трансферное обучение для прогнозирования целевой активности генетических лекарств, что позволило нам тестировать в пять раз меньше соединений для некоторых из их целей.
Сессия: Выбор метода глубокого обучения — правильный инструмент для использования — тематические исследования и передовой опыт
Эксперт: участники дискуссии будут объявлены
Трек: Глубокое погружение
Время: День 1, 16:20
Работать над проектами в области искусственного интеллекта и глубокого обучения очень увлекательно, а желание решать проблемы и совершать прорывы часто может быть настолько сильным, что вы торопитесь с проектом, прежде чем оценить свои возможности. Возможно, вы использовали определенный метод глубокого обучения в предыдущем проекте, который показал хорошие результаты, но важно не переходить сразу к тем же методам, прежде чем оценивать проблему. На этом заседании эксперты поделятся своими неудачами и успехами и наметят лучший способ добиться успеха посредством тщательного выбора методов глубокого обучения.
Сессия: Создание визуального поиска в Salesforce
Эксперт: Майкл Соллами, ведущий специалист по данным, Salesforce
Направление: Глубокое обучение
Время: День 2, 11:40.
Узнайте, как академические исследования в области методов глубокого обучения применяются в промышленности. Мелкозернистое распознавание остается нерешенной проблемой в общем случае, оно может быть даже таким же сложным, как самоуправляемые автомобили. Существует множество технических проблем, связанных с достижением точного поиска изображений на производственном уровне в веб-масштабе. В этом выступлении будут освещены препятствия на пути создания такой поисковой платформы. Salesforce обучила сети находить многообразие, представляющее пространство всех потребительских товаров. Майкл представит современные архитектуры встраиваемых сетей, т. е. сопоставление образов потребителей с пространством характеристик продукта, а также наиболее перспективные направления исследований. Детали уровня реализации будут рассмотрены в той мере, в какой они делают возможным эффективное мелкозернистое извлечение, и будут описаны меры оценки эффективности (как статистические, так и качественные).
