Привет!
Я рад сообщить вам о некоторых действительно крутых событиях, которые пройдут в апреле, и которые могут оказаться для вас полезными и интересными.
Делаем ИИ проще с YOLO v8
- Дата: 3 апреля, 16:00 по центральноевропейскому времени.
- Докладчик: Гленн Джохер, основатель и генеральный директор Ultralytics.
- Организатор: Дата Феникс
- Регистрация: https://www.eventbrite.com/e/webinar-making-ai-easy-with-yolov8-tickets-578331333587
После двух лет непрерывных исследований и разработок мы рады представить Ultralytics YOLOv8. Опираясь на успех бесчисленных экспериментов и предыдущих архитектур, мы создали модели, которые являются лучшими в мире в том, что они делают: обнаружение объектов в реальном времени, классификация и сегментация. Быстрее, точнее и проще YOLOv8 предоставляет силу ИИ в руки каждого. На этом вебинаре мы обсудим, что такое Ultralytics YOLOv8, его архитектуру и процесс обучения, а также способы использования Ultralytics YOLOv8 в реальных сценариях.
Введение в графовые нейронные сети
- Дата: 6 апреля, 16:00 по центральноевропейскому времени.
- Докладчик: Екатерина Сиразитдинова, старший специалист по данным в NVIDIA
- Организатор: Дата Феникс
- Регистрация: https://www.eventbrite.com/e/webinar-introduction-to-graph-neural-networks-tickets-578344823937
Графовые нейронные сети (GNN) — это модели искусственного интеллекта, предназначенные для извлечения информации из неструктурированных данных, описываемых графами. Для различных сегментов и отраслей GNN находят подходящие приложения, такие как молекулярный анализ, открытие лекарств, прогнозирование развития фондового рынка, термодинамический анализ и даже моделирование человеческого мозга. В отличие от обычных CNN, GNN решают проблему работы с данными в нерегулярных доменах. В этом докладе я представлю вводный обзор теории, лежащей в основе GNN, более подробно рассмотрю типы проблем, для которых GNN хорошо подходят, и обсужу несколько подходов к моделированию неструктурированных проблем, таких как классификация или регрессия на различных уровнях.
Введение в наблюдаемость ИИ: мониторинг моделей машинного обучения и данных в производстве
- Дата: 12 апреля, 16:00 по тихоокеанскому времени.
- Докладчик: Сейдж Эллиотт, технический евангелист в WhyLabs
- Организатор:WhyLabs
- Регистрация: https://www.eventbrite.com/e/intro-to-ai-observability-monitoring-ml-models-data-in-production-tickets-574953269707
Присоединяйтесь к этому практическому семинару, чтобы начать работу с данными и мониторингом моделей машинного обучения.
Если вы хотите построить надежные конвейеры, достоверные данные и ответственные модели машинного обучения, вам необходимо проверять и отслеживать свои данные.
На этом семинаре мы расскажем, как использовать методы проверки и мониторинга для реализации вашего собственного решения для наблюдения за ИИ от начала до конца. После завершения вы также получите сертификат!
Этот семинар будет охватывать:
- Проверка качества данных
- Обнаружение дрейфа данных
- Измерение дрейфа модели
- Мониторинг производительности модели
LLM в производственной конференции
- Дата: 13 апреля, 8:00 по тихоокеанскому времени.
- Организатор:сообщество MLOps
- Регистрация: https://home.mlops.community/public/events/llms-in-production-conference-2023-04-13
Большие языковые модели захватили мир штурмом. Но каковы реальные варианты использования? Какие проблемы возникают при их производстве?
В этом случае вы услышите от практиков о том, как они справляются с такими вещами, как оптимизация затрат, требования к задержке, надежность вывода и отладка.
Вы также получите возможность присоединиться к семинарам, которые научат вас, как настроить свои варианты использования и избежать головной боли.
Эффективный предметно-ориентированный дизайн для продуктов машинного обучения
- Дата: 19 апреля, 16:30 по центральноевропейскому времени.
- Докладчик: Лариса Висенгериева, старший консультант INNOQ
- Организатор:DataTalks.Club
- Регистрация: https://www.eventbrite.de/e/efficient-domain-driven-design-for-machine-learning-products-tickets-575102435867
На этом практическом семинаре мы узнаем, как находить и проверять варианты использования AI/ML, а также получать нужные инструменты и процедуры для окончательной доработки продукта. Мы используем эффективную методологию DDD (предыдущие знания DDD не требуются)
На этом семинаре мы рассмотрим следующее:
- Узнайте, какие проблемы и варианты использования подходят для ML
- Определить и расставить приоритеты проблем и возможностей для машинного обучения в бизнес-сферах и проектах.
- Узнайте, как использовать холст ландшафта данных
- Изучите метод сбора информации о штурме событий, используемый в DDD, в тематическом исследовании и примените его самостоятельно.
- Узнайте, как использовать холст машинного обучения для структурирования проектов машинного обучения.
К концу этого семинара вы сможете применять методологию предметно-ориентированного проектирования для эффективного структурирования проектов машинного обучения.
Спасибо, что нашли время прочитать мой пост! Я очень взволнован этими событиями и надеюсь, что они заинтересуют и вас. Я буду рада видеть вас там, если вы решите принять участие.
Кроме того, если вы заинтересованы в том, чтобы быть в курсе последних тенденций и событий в мире данных и искусственного интеллекта, вы можете рассмотреть возможность подписки на мой дайджест. Я пишу о предстоящих событиях и предоставляю краткий обзор лучших исследовательских работ, статей и новостей в этой захватывающей области. Это отличный способ быть в курсе и продолжать расширять свои знания!