9 сессий с ODSC West, о которых мы не можем перестать говорить

9 сессий с ODSC West, о которых не устанешь говорить

Мы завершили ODSC West 2023 две недели назад, и до сих пор обсуждаем наши любимые сессии и выступающих, которые заставили нас смеяться или восклицать “Ооо!”. Было слишком много таких сессий, чтобы включить их все ниже. Но насладитесь этим небольшим представлением основных моментов ODSC West:

Искусственный Интеллект, Ориентированный на Человека

Питер Норвиг | Инженерный директор в Google | Преподавательский стажер в Stanford Institute for (HAI)

В последние годы произошел невероятный технический прогресс в области применения искусственного интеллекта. В этой ключевой речи Питера Норвига вы узнаете о человеческой стороне этого прогресса. В частности, Питер сосредоточится на том, как мы можем быть уверены, что наши приложения будут справедливыми, правдивыми, полезными и подходящими для пользователей, а также для других заинтересованных сторон и общества в целом.

Оптимизация с помощью GPT-4 и Langchain

Майк Тэйлор | Владелец | Saxifrage

В этой сессии Майк Тэйлор расскажет о том, как использовать инженерию запросов в большом масштабе – в качестве шаблона, рабочего процесса или продукта. Запуск запроса в большом масштабе подразумевает запуск запроса 20-30 раз через API GPT-4, чтобы определить, как часто происходят сбои, а также проведение тщательного A/B-тестирования запроса для выяснения того, что действительно влияет на результаты. Вы узнаете, как Langchain может помочь вам создать систему для запуска, контроля и измерения производительности ваших запросов, чтобы оптимизировать их в соответствии с вашими показателями успеха.

Обучение на графах и сетях

Др. Петар Величкович | Научный сотрудник | DeepMind

Эта сессия попытается дать вам несколько “обобщенных” взглядов на графический нейронных сетях (GNNs). Вы узнаете об утилите обучения представлений на графах и создании GNN на основе первых принципов перестановочной и эквивариантной инвариантности. Мы обсудим возможность создания GNN, которые не полностью зависят от входной структуры графа.

Преодоление проблемы интерпретируемости в сегментации клиентов

Иви Фаулер | Старший научный сотрудник по обработке данных | Fulcrum Analytics

В этом выступлении вы узнаете о новом гибридном подходе, который объединяет лучшие аспекты правиловых и машинно-обученных методов сегментации клиентов. Этот гибридный метод позволяет точно идентифицировать группы клиентов, созданные методами кластеризации машинного обучения, и простые бизнес-профили, получаемые с помощью правиловой сегментации, связанных с целями заинтересованных сторон.

Выравнивание открытых LLMs с помощью обучения с подкреплением на основе отзывов

Синан Оздемир | Эксперт по ИИ и LLM | Автор | Основатель + Главный технический директор в LoopGenius

С развитием LLM, таких как ChatGPT и Llama-2, важным стало овладение искусством тонкой настройки этих моделей для оптимального взаимодействия с человеком.

В этой сессии вы сосредоточитесь на основных концепциях тонкой настройки LLM, с особым акцентом на механизмах обучения с подкреплением. Мастер-класс обеспечит всестороннее понимание вызовов и сложностей, связанных с выравниванием LLM. Конец мастер-класса подготовит слушателей к оптимальному использованию открытых LLM с тем, чтобы адаптировать их модели в соответствии с конкретными требованиями их отраслей или сфер деятельности.

Парадигменый сдвиг в искусственном интеллекте: внутреннее устройство больших языковых моделей

Валентина Альто | Специалист Azure – данные и искусственный интеллект | Microsoft

Этот мастер-класс поможет вам понять генеративный ИИ и большие языковые модели, включая архитектуру, их функционирование и как использовать их способности к разговору. Вы также ознакомитесь с концепцией LLM как рационального механизма, который может поддерживать ваши приложения, открывая путь к новому ландшафту разработки программного обеспечения в эпоху генеративного ИИ. Наконец, мы рассмотрим несколько примеров LLM-приведенных приложений на Python с использованием популярных оркестраторов ИИ, таких как LangChain.

Стабильная диффузия: новая граница для парадигмы преобразования текста в изображение

Сандип Сингх | Руководитель прикладного ИИ/Компьютерного зрения | Beans.ai

На этой сессии вы познакомитесь с техникой стабильной диффузии, способной генерировать изображения высокого качества на основе текстовых описаний. Она отлично подходит для различных приложений, таких как создание креативного контента, разработка продуктов и маркетинг.

К концу этой сессии вы сможете:

– Понимать основы стабильной диффузии и принцип его работы.

– Ознакомиться с обзором инструментов и библиотек для области стабильной диффузии.

– Генерировать изображения на основе текстовых описаний с использованием техники стабильной диффузии.

– Применять стабильную диффузию к собственным проектам и рабочим процессам.

– Понимать процесс настройки моделей с открытым исходным кодом для достижения поставленных задач.

Построение генеративных приложений искусственного интеллекта: анализ дела ЛЛМ

Мишель И | Член совета директоров | Women in Data

В ходе этого доклада будут рассмотрены процесс и фреймворк разработки генеративных приложений искусственного интеллекта с использованием открытых инструментов (например, моделей HuggingFace, Python, PyTorch, Jupyter Notebooks). Вы будете проведены через ключевые этапы, начиная от выбора и обучения модели и заканчивая развертыванием, а также рассмотрены вопросы настройки модели и инженерии запросов для определенных задач, обеспечения качества результата и уменьшения рисков. Вы изучите столкновения и разработанные решения и архитектуры.

Причинный искусственный интеллект: от данных к действию

Доктор Андре Франка | Главный технический директор | connectedFlow

В этой сессии вы изучите и разоблачите мир причинного искусственного интеллекта для практиков науки о данных, с акцентом на понимание причинно-следственных связей в данных для принятия оптимальных решений. Вам будут рассмотрены следующие темы:

  • От шапли до направленных ациклических графов: опасности использования пост-фактум методов объяснения в качестве инструментов для принятия решений, а также то, почему традиционное машинное обучение не подходит для ситуаций, когда нужно проводить вмешательства в систему.
  • Поиск причинно-следственных связей: как определить, что является причиной, а что – нет, краткое введение в методы структурного обучения и поиска причинно-следственных связей.
  • Принятие оптимальных решений: благодаря пониманию причинности мы можем точно оценить воздействие на нашу систему – как использовать это знание для получения самых лучших результатов и действий?

Не смогли посетить ODSC West? Не беда! ODSC East 2024 уже скоро (через 5+ месяцев, но кто считает). Получите свою личную или виртуальную пропуск и сэкономьте 75%!