Спікери

Mohamed-Achref Maiza
Mohamed-Achref Maiza
Senior Data Scientist, RenaultОптимізація та деплой multi-label класифікатора

Бізнес потік

Мова доповіді: англійська.

Mohamed-Achref зараз працює над застосуванням глибокого навчання для діагностики та візуального контролю якості автомобіля.

Доповідь глибоко занурить в такі технічні аспекти, як оптимізації цільової функції, метрики, налаштування гіперпараметрів, компоненти пайплайну ML, діагностика автомобілів та класифікація зображень за допомогою нейронних мереж.

Mohamed-Achref Maiza
Senior Data Scientist, RenaultОптимізація та деплой multi-label класифікатора
Borys_Pratsiuk
Борис Працюк
CTO, Scalarr Розгортання та налаштування продакшн пайплайнів для постійного перетренування ML моделей

Технічний потік

Мова доповіді: українська.

Закінчив з відзнакою кафедру фізичної та біомедичної електроніки КПІ у 2007 році за спеціальністю “Фізична та біомедична електроніка”, а у 2012 році захистив дисертацію на факультеті електроніки в КПІ.

Борис працює CTO у компанії Scalarr, а також має власний стартап Fino (фінансовий помічник).

Він розповість, чому навчання моделей ML не є основним завданням для розгортання моделі у продакшн.
Покаже, як у Scalarr розгортали Kubeflow і чому обрали саме його.
А також розповість про реальний випадок того, як це змінює філософію команди ML та як вони пишуть більш стандартний код для деплою.

Борис Працюк
CTO, Scalarr Розгортання та налаштування продакшн пайплайнів для постійного перетренування ML моделей
Obiednikov
Олександр Обедніков
Head of Cloud Research, Ring Ukraine15 татуювань CV інженера та менеджера

Бізнес потік

Мова доповіді: англійська.

Олександр має великий досвід в області аналізу звуку та комп’ютерного зору, класичному Machine Learning і Deep Learning. Раніше викладав машинне навчання в LITS Kharkiv і проводив воркшопи в CS@UCU, KWSchool з аналізу даних.

Є книга «45 татуювань менеджера» від М. Батирева. Ця гарна книга складається з 45 історій, 45 засвоєних уроків, 45 «татуювань» менеджера. Я не Максим Батирьов і я більше ідентифікую себе з інженером, ніж з менеджером. Тому я буду мати лише 15 татуювань. 15 татуювань інженера Computer Vision та голови відділу Computer Vision.
Мій виступ буде складатися з 15 історій про те, як створити чудовий продукт на основі комп’ютерного зору та даних, продакшн, перенавчання, SDLC, QA та багато іншого.

Олександр Обедніков
Head of Cloud Research, Ring Ukraine15 татуювань CV інженера та менеджера
Vladislav-Zavadskyy
Владислав Завадський
Head of Research, NeoRender Анімовані нейронні 3D моделі

Технічний потік

Мова доповіді: українська.

Владислав навчався в КПІ на факультеті інформатики та обчислювальної техніки, захистив дипломну роботу на тему Neural Architecture Search з використанням Reinforcement Learning.

Зараз працює над створенням ефективних нейронних репрезентацій скалярних полів. На попередніх проектах працював над задачами Computer Vision (в основному з генеративними моделями), NLP та аналізом часових рядів.

Зараз полігональні меші є основним способом репрезентації 3D моделей. За час їх існування вже було розроблено чимало оптимізацій для їх ефективної растеризації. Однак, у них досі є чимало слабких сторін, які обмежують можливості їх застосування.

У NeoRender працюють над створенням нового способу репрезентації 3D моделей, який буде позбавлений цих недоліків. Під час доповіді Владислав покаже частину того, чим займається NeoRender, на прикладі анімованої 3D моделі людини. Розкаже, як конвертувати текстуровані 3D моделі в нейронні мережі, які можна ефективно растеризувати та використовувати для апроксимації фізичних взаємодій у різних конфігураціях.

Владислав Завадський
Head of Research, NeoRender Анімовані нейронні 3D моделі
Раід Арфуа
Senior Machine Learning Engineer, SoftConstructТрекінгова система на основі нейронних мереж у спорті

Технічний потік

Мова доповіді: українська.

Займався проектами, пов'язаними з рекомендаційними системами, комп’ютерним зором та великими даними. Має два магістерські ступені з математики та економіки. Прагне використовувати моделі машинного навчання найбільш ефективним чином. Має чимало інтересів у науці, філософії, спорті та застосовує це в щоденній роботі.

Трекінг складних об'єктів у спорті потребує комплексних підходів. Зокрема, як скомбінувати кілька нейронних мереж для вирішення різних підзадач в рамках однієї багатомодульної системи: детекція об'єктів, класифікація, кластеризація. Як використати доменну експертизу для покращення точності системи. Які методи обробки відео окрім нейронних мереж дозволяють покращити швидкість і точність трекінгу об'єктів. Як тестувати окремі модулі та систему в цілому. Розглянемо приклади на відео з футбольних матчів.

Раід Арфуа
Senior Machine Learning Engineer, SoftConstructТрекінгова система на основі нейронних мереж у спорті
Guts
Юрій Гуц
Machine Learning Engineer, DataRobotПанельна дискусія 'Simplify the World with AI'

Панельна дискусія

Мова доповіді: українська.

Юрій Гуц — Machine Learning Engineer в компанії DataRobot, спеціаліст із 10-річним досвідом в data science та архітектурі програмного забезпечення. Юрій цікавиться практичним впровадженням DS-рішень, automated machine learning, прогнозуванням часових рядів, обробкою усної та письмової природної мови. Викладає штучний інтелект і ML в УКУ, очолював кілька data science і інженерних команд в Україні, змагається на Kaggle.

Юрій Гуц
Machine Learning Engineer, DataRobotПанельна дискусія 'Simplify the World with AI'

Ведучі

Daniel Che
Comandante, Che – Guerrilla Marketing

Daniel Che
Comandante, Che – Guerrilla Marketing
Jane Klepa
Executive director, 1991 Open Data Incubator

Jane Klepa
Executive director, 1991 Open Data Incubator