49. spotkanie MLGdańsk – Monitoring topologii sieci elektroenergetycznej – podejście probabilistyczne

Spotkanie odbyło się 3 września 2018 roku.

Prelegentem był Marcin Lisowski, który prezentował wyniki swoich badań, robionych w ramach doktoratu.

Marcin stworzył narzędzie służące do monitorowania zmian w topologii sieci energetycznej wykorzystujące podejście probabilistyczne. Narzędzie to przypisuje licznikom położenie w sieci w sposób rozmyty, bazując na niepewnych informacjach ze stacji rozdzielczych.

Nasze kolejne spotkanie, będzie 50 spotkaniem grupy MLGdańsk – serdecznie zapraszamy!

46. spotkanie ML Gdańsk – Propagacja wsteczna błędu w sieciach neuronowych – dla początkujących

Spotkanie odbyło się 23 lipca 2018 roku.

Prelegentem był Piotr Chlebek (DataUp.ai). Przedstawił on nam intuicyjny wstęp do uczenia sieci neuronowych oraz algorytmu wstecznej propagacji błędu. Prelekcja Piotra była zilustrowana przykładami z jego aplikacji Sharky Neural Networks.

Prezentacja ze spotkania jest dostępna tutaj: PropagacjaWstecznaBleduWSieciachNeuronowych

Kolejne spotkanie, już 6 sierpnia, tematem spotkanie będą sieci GAN. Serdeczenie zapraszamy!

44. spotkanie MLGdańsk – warsztat Introduction to RNNs

Spotkaliśmy się 25 czerwca 2018 r. na wydziale ETI PG.

Karol Draszawka poprowadził 2 godzinny warsztat, którego tematyką były sieci rekurencyjny (ang. RNN). Głównym celem była prezentacja możliwości sieci rekurencyjnych oraz sposobów ich użycia w tensorflow.

Karol opisał podstawy teoretyczne sieci RNN oraz ich architektury. Zapoznaliśmy się z algorytmem treningu BPTT. W trakcie rozwiązywania zadań, używaliśmy prymitywów tensorflow do zaimplementowania sieci. Opisane również zostały architektury sieci GRU i LSTM.

Kolejne spotkanie – tradycyjnie – za dwa tygodnie. Zapraszamy!

Warsztato-Hackaton: Machine Learning

ML Gdańsk razem z HACKER:SPACE Trójmiasto przeprowadziło hackaton uczenia maszynowego w Gdańsku. Sponsorem wydarzenia była firma PredictX. Było to bardzo energetyczne i owocne spotkanie:
  • 2 prezenterów,
  • 20 uczestników,
  • 2 różne problemy (klasyfikacja i regresja),
  • 6 godzin współpracy.
Wszyscy uczestnicy wybrali problem klasyfikacji:
Podsumowanie na blogu Piotra W.:
Informacje na temat sponsora wydarzenia:
  • PredictX delivers big data, machine learning, and decision automation services to data-reliant industries, in particular financial services, procurement, retail, travel and healthcare. Using embedded intelligence and data visualisation technology, PredictX continuously drive cost savings, operational efficiencies and revenue growth. PredictX supports clients in capturing, cleaning and compiling their data from multiple sources from within and outside the business. More: https://www.predictx.com/

43. spotkanie MLGdańsk – analiza danych EKG / przygotowanie do hackatonu

Spotkanie odbyło się 11 czerwca.

Zostało ono poświęcone na przedyskutowanie i „przetestowanie” materiału i danych, które zostaną wykorzystane na zbliżającym się hackatonie współorganizowanym przez hackerspace.

Robert Różański przedstawił analizę danych EKG – będzie to jedno z zadań, dla uczestników hacaktonu. Dane pochodzą ze strony physionet.org.

Natomiast Marcin Zadroga omówił swoją prezentację o szeregach czasowych, którą przedstawi na hackatonie.

Nasze kolejne spotkanie już za dwa tygodnie, zapraszamy!

42. spotkanie MLGdańsk – Optinav (Carl Zeiss Group) & Machine Vision

Spotkanie odbyło się 28.05.2018 tradycyjnie na Wydziale ETI PG.

Naszymi gośćmi byli Arkadiusz Śmigielski oraz Tomasz Borzyszkowski z firmy Optinav. Prezentację przedstawił Arek, który zaprezentował historię firmy, jej projekty oraz produkty.

Optinav jest częścią korporacji Carl Zeiss, gdzie jest nie tylko komórką produkcyjną, ale też prężnie działającą jednostką badawczą szczególnie w dziedzinie widzenia komputerowego (technologia Optinav jest wykorzystywana przy produkcji Tesli Model 3)

Prezentacja jest dostępna pod linkiem: OPTINAV-CompanyOverview-MLGdanskMeeting.

Serdecznie zapraszamy na nasze kolejne spotkania!

41. spotkanie MLGdańsk – O wielorękich bandytach, nieuczciwych kasynach i sprytnych statystykach

Spotkanie odbyło się 14 maja na Politechnice Gdańskiej.

Prelegentem był Łukasz Czekaj, który opowiedział nam o wielorękich bandytach. Jest to rodzina modeli, które możemy zaaplikować do wielu interesujących problemów, kiedy z góry nie znamy wartości prawdopodobieństwa sukcesu dla zestawu agentów oraz dysponujemy ograniczonymi zasobami. Nazwa „wieloręcy bandyci” wywodzi się z gier hazardowych, gdzie grając na jednorękich bandytach, stajemy właśnie przed opisanym problemem (agenci – maszyny, zasoby – pieniadze).

Teoria ta została rozbudowana głównie z myślą o optymalnym projektowaniu eksperymentów w kontekście badań klinicznych. Obecnie jest też szeroko stosowana w świecie uczenia maszynowego np. w online marketingu.

Prezentacja Łukasza jest dostępna tutaj: MultiarmedBanditsUnfairCasinosAndBayesOtpimisation.

Kolejne spotkanie, za dwa tygodnie, serdecznie zapraszamy do zapoznania się z naszym grafikiem i … do zobaczenia!

40½ Spotkanie – Rewolucja Deep Learning: od technologii do wpływu

10 maja (czwartek) – odbyło się specjalne spotkanie, gdyż odwiedził nas specjalny gość – Chris Rowen – który z pasją wygłosił wykład o rewolucji uczenia maszynowego, o przyśpieszaniu start-up’ów, a zwłaszcza o jego nowym startupie – BabbleLabs.

Chris jest znanym przedsiębiorcą i technologiem Doliny Krzemowej, obecnie pełniącym funkcję współzałożyciela i dyrektora generalnego BabbleLabs. Prowadził Cognite Ventures, wyspecjalizowaną firmę analityczną, inwestycyjną i doradczą dla firm rozpoczynających działalność w zakresie głębokiego uczenia (ang. Deep Learning). Pracował jako dyrektor ds. technicznych w Cadence’s IP Group, gdzie wraz z zespołem opracowuje nowy procesor i pamięć do zaawansowanych aplikacji w telefonii komórkowej, motoryzacji, infrastrukturze, systemach głębokiego uczenia się i IoT. Chris dołączył do Cadence po przejęciu firmy Tensilica, którą założył, aby rozwijać rozszerzalne procesory.
Poprowadził Tensilicę na stanowisku CEO, a następnie CTO, aby stała się jedną z najbardziej wydajnych architektur procesorów wbudowanych.

Przed założeniem firmy Tensilica, w 1997 roku był wiceprezesem i GM w Design Reuse Group w Synopsys. Chris był również pionierem w projektowaniu architektury RISC i pomógł założyć MIPS Computer Systems, gdzie był wiceprezesem ds. Rozwoju mikroprocesorów. Posiada tytuł MSEE i doktora inżynierii elektrycznej na Uniwersytecie Stanforda oraz tytuł licencjata fizyki na Harvardzie. Posiada ponad 40 amerykańskich i międzynarodowych patentów. W 2015 roku został mianowany członkiem IEEE Fellow za swoją pracę nad rozwojem technologii mikroprocesorowej.

40. spotkanie MLGdańsk – Extreme multi-label classification – state of the art

Spotkanie odbyło się 30 kwietnia – niektórzy w tym czasie odpoczywali na łonie natury, korzystając z „długiego weekendu”, natomiast koneserzy uczenia maszynowego spotkali się w progach Politechniki Gdańskiej.

Nasz niezrównany prelegent i łamacz kodów binarnych na budynkach, Karol Draszawka, zaprezentował nam problem tagowania dokumentów: aktualne metody, zbiory danych i metryki. Karol zadał też prowokujące pytanie, czy rzeczywiście „multi-label classification” jest tym, za co się podaje?

Słuchaczy, którzy chcieliby  poznać tę i inne odpowiedzi, zapraszamy na kolejne spotkania. 🙂

39. spotkanie MLGdańsk – startup a’Pear

Tym razem mieliśmy okazję spotkać się i posłuchać Sebastiana Wróbla, który opowiadał o swoim startupie a’Pear.

Celem tego projektu jest stworzenie platformy, która umożliwi korzystanie z usług stylistów w łatwy sposób. Korzystający z systemu w prosty sposób będą dostawać rekomendację zakupu ubrań dostosowanych do ich sylwetki i gustów.

Sebastian intensywnie rozwija swój pomysł, został też zakwalifikowany do konkrusu organizowanego przez Farfetch – onlinową platformę sprzedażową, specjalizującą się w sprzedaży ubrań z butików i od projektantów.

Więcej informacji o a’Pear znajdziecie tutaj: link do FB a’Pear

Nasze kolejne spotkanie, jak zwykle, za dwa tygodnie – zapraszamy!

38. spotkanie MLGdańsk – Metafory w naszym życiu

Spotkanie odbyło się 19 marca 2018 roku.

Głównym tematem spotkania była analiza metafor i ich zrozumienie, prelegentką była Joanna Redzimska. Prelegentka opowiedziała nam o tym, jak wygląda metafora z perspektywy językoznawcy. Dzięki prezentacji zapoznaliśmy się z narzędziami analizy metafor. Prelekcja była też inspiracją do dyskusji na temat wyzwań stojących przed technikami analizy tekstu.

Kolejne spotkanie odbędzie się 16 kwietnia, zapraszamy!

37. spotkanie MLGdańsk – ELIZA

Spotkaliśmy się 5 marca 2018 roku o godz. 18.00 – tradycyjnie na Wydziale ETI PG.

Szymon Jessa przybliżył zasady działania programu konwersacyjnego Eliza i pokazał kroki potrzebne do jego zbudowania, zgodnie z oryginalną publikacją Josepha Weizenbauma z 1966 roku: „ELIZA A Computer Program For the Study of Natural Language Communication Between Man And Machine„. Szymon pokazał, że Eliza jest rozwiązaniem genialnym w swej prostocie, które przy minimalnej ilości kodu daje zaskakująco dobre rezultaty, a problemy, które rozwiązuje są nadal aktualne dla współcześnie budowanych systemów dialogowych.

Następne spotkanie, odbędzie się 19 marca, serdecznie zapraszamy!

36. spotkanie MLGdańsk – grupowanie spektralne

Spotkaliśmy się 19 lutego 2018 roku o godz. 18.00 – tradycyjnie na Wydziale ETI PG.

Mieliśmy przyjemność gościć na naszym spotkaniu Pana Profesora Sławomira T. Wierzchonia, który wygłosił prelekcję na temat grupowania spektralnego. Pan Profesor przedstawił nam podstawy teoretyczne metod grupowania spektralnego oraz zaprezentował podejście znane jako Compressive Spectral Clustering, które pomija czasochłonne liczenie wektorów własnych.

Prezentacja p. prof. S. Wierzchonia: MLGdansk36 –
Spektralna Analiza Skupień

Następne spotkanie, odbędzie się 5 marca, serdecznie zapraszamy!

35. spotkanie MLGdańsk – Dług technologiczny w ML / ML w systemie zarządzania bateriami

Spotkanie odbyło się 29.01.2018r., na wydziale ETI Politechniki Gdańskiej.

W pierwszej części spotkania Robert Różański prezentował zagadnienie długo technologicznego w systemach uczenia maszynowego, na podstawie artykułu „Machine Learning:
The High-Interest Credit Card of Technical Debt„. Prezentacja dotyczyła źródeł długu technologicznego oraz praktyk i narzędzi pozwalających go ograniczać.

W drugiej części spotkania Karol Gryń oraz jego grupa przedstawili problem zarządzania czasem życia baterii, w którym mogłyby zostać wykorzystane uczenie maszynowe. Celem projektu jest stworzenie rozwiązania pozwalającego na rozpoznawanie stopnia zużycia baterii bez przeprowadzania specjalnych testów oraz na przewidywanie degradacji w dłuższym okresie czasu. Rozwiązania te mają umożliwić lepsze zarządzanie cyklem życia baterii, tzn. wykorzystywaniem baterii nie nadających się już do użytku w bardziej wymagających zastosowaniach (jak pojazdy elektryczne), do mniej wymagających (przechowywanie energii dla budynków), oraz ostatecznie do decydowaniu o odpowiednim momencie na recykling.

Serdecznie zapraszamy na nasze kolejne spotkanie, które odbędzie się 19 lutego 2018 roku.

34. spotkanie MLGdańsk – sieci kapsułowe

Nasze pierwsze spotkanie w 2018 roku odbyło się 15 stycznia, tradycyjnie na Wydziale ETI Politechnik Gdańskiej.

Tematem spotkania były Sieci Kapsułowe (ang. capsule networks). Sieci Kapsułowe to nowość w świecie ML, została zaproponowana przez Geoffrey’a Hinton’a i jego zespół badawszy pod koniec 2017. Prelekcję na ten temat przedstawił Piotr Chlebek.

Prezentacja Piotra: MLGdansk34 – Capsule Networks

Następne spotkanie grupy odbędzie się za 2 tygodnie – 29 stycznia 2018, serdecznie zapraszamy!

33. spotkanie MLGdańsk – raport z konferencji / analiza danych z użyciem narzędzi SAS

Spotkanie odbyło się 27.11.2017 r.

Na spotkaniu mieliśmy okazję wysłuchać dwóch prelegentów. Pierwszym był Marcin Zadroga, który przedstawił relację z konferencji Advanced Analytics and Data Science. Konferencja ta jest sponsorowana przez SAS Institute i odbyła się 7.11.2017 na SGH w Warszawie.

Drugą część spotkania należała do Adama Karwana. Adam był prelegentem na konferencji, o której opowiadał Marcin,  zaprezentował nam prezentację z tego wydarzenia. Kolejnym tematem przez niego poruszonym była analiza danych w SASie – opisał filozofię działania tego systemu, dostępne opcje oraz przedstawił przykładową analizę danych wykonaną z użyciem SAS.

Prezentacja Adama z konferencji: MLGdansk33 AdamKarwan AADS

Nasze kolejne spotkanie odbędzie się już w Nowym Roku. Serdecznie zapraszamy wszystkich zainteresowanych do kontaktu!

32. spotkanie MLGdańsk – przykłady mylące w uczeniu sieci neuronowych

Spotkanie odbyło się 13 listopada 2017 r.

Prelegentem był Robert Różański który omówił artykuł, mówiący o użyciu przykładów mylących (ang. adversarial examples) w celu „oszukania” sieci neuronowej. Robert opisał zaproponowany przez autorów algorytm dla tworzenia takich przykładów mylących, oraz rezultaty przez nich uzyskane.

Po wystąpienu Roberta, głos zabrał Karol Draszawka, który odniósł się do prezentacji z ostatnich spotkań („Dobre praktyki w ML”) jak również w temacie prezentacji o przykładach mylących przedstawił nam pakiet Clever Hans. Jest to silnik służący do testowania nauczonych modeli na odporność przeciwko przykładom mylącym.

Kolejne spotkanie odbędzie się za dwa tygodnie, zapraszamy!

30. spotkanie MLGdańsk – dobre praktyki ML #2 | startup a’Pear

Nasze spotkanie odbyło się 23 października 2017 roku.

Pierwszym prelegentem był Szymon Jessa, który kontynuował swoją prezentacją o dobrych praktykach w projektach uczenia maszynowego. Wystąpienie Szymona jak zwykle wywołało dyskusję i komentarze – dlatego też na następnym spotkaniu będziemy mogli posłuchać trzeciej części prezentacji Szymona.

Drugim prelegentem na spotkaniu był Sebastian Wróbel, który przedstawił swój startup a’Pear. Sebastian opisał w szczegółach swój pomysł na firmę oraz system, który stanowiłby platformę dla konsumentów, stylistów modowych i sklepów on-line.

Kolejne spotkanie grupy odbędzie się 6 listopada, serdecznie zapraszamy!

29. spotkanie MLGdańsk – reinforcement learning

Spotkanie odbyło się 2 października 2017 na wydziale ETI Politechniki Gdańskiej.

Tematem spotkania było uczenie ze wzmocnieniem (reinforcement learning). Prelegentem był Adam Wróbel. Adam omówił najważniejsze pojęcia związane  z tą metodą uczenia. Zobaczylismy również jak uruchomić przykładowe projekty dla trenowania agentów w takich środowiskach jak Starcraft 2, Unity etc.

Prezentacja Adama: MLGdańsk29 – Deep Reinforcemenent Learning – Environments Tour

W drugiej części spotkania, mieliśmy również okazję zobaczyc prezentację mówiącą o reinforcement learning. Piotr Januszewski z koła naukowego Gradient opowiadał o Q-learning.

Następne spotkanie naszej grupy odbędzie się za 3 tygodnie – 23 października 2017, serdecznie zapraszamy!

28. spotkanie MLGdańsk – dobre praktyki w projektach uczenia maszynowego

Kolejne 28 spotkanie grupy odbyło się w poniedziałek 18 września 2017.

Prelegentem był Szymon Jessa, który przybliżył nam problematykę prowadzenia projektów z wykorzystaniem metod uczenia maszynowego. Szymon poruszył kwestię typowych wyzwań, które stoją przed takimi projektami wraz z proponowanymi rozwiązaniami, wynikającymi z doświadczenia lub lektury literatury.

Następne spotkanie za dwa tygodnie – na nim posłuchamy drugiej części wystąpienia Szymona oraz dowiemy się paru nowych rzeczy o uczeniu ze wzmocnieniem (ang. reinforcment learning).

Serdecznie zapraszamy!

25. spotkanie MLGdańsk – grupowe forum dyskusyjne

Nasze jubileuszowe 25. spotkanie odbyło się 31 lipca 2017 r.

Tym razem spotkanie miało formę forum dyskusyjnego podczas którego poruszyliśmy nurtujące nas kwestie. Rozmawialiśmy o feature selection, o reprezentowaniu dźwięku/mowy dla zadań uczenia maszynowego, przyszłości Data Science i Machine Learning oraz tym co każdy praktyk ML umieć i znać powinien.

Pod koniec spotkania, wywiązała się również ciekawa dyskusja, na temat przyszłości i dalekiej przyszłości sztucznej inteligencji i ludzkiej ewolucji.

Kolejne spotkanie odbędzie się za trzy tygodnie – z powodu długiego weekendu sierpniowego. Zapraszamy!

24. spotkanie MLGdańsk – geometria rzutowa i rekonstrukcja 3D

W dniu 17 lipca, o 18.00 spotkaliśmy się podczas 24. spotkania MLGdańsk.

Prowadzącym te spotkanie i jednocześnie prelegentem był Adam Karwan, a tytuł jego prezentacji to Algorytmy geometrii rzutowej wraz z analizą wrażliwości w zadaniu odtwarzania obiektów 3D. Adam wprowadził nas w tematykę stereowizji, różniczkowania rozkładu SVD oraz przedstawił kilka przykładów rekonstrukcji 3D w zastosowaniach medycznych.

Warto podkreślić, że była to szczególna prezentacja, gdyż Adam bedzie wkrótce bronił doktorat o tym tytule, a prezentacja dla naszego grona była w pewien sposób próbną „obroną”.

Kolejne, 25 spotkanie MLGdańsk, już 31 lipca – serdecznie zapraszamy!

23. spotkanie MLGdańsk – co rozumieją maszyny? / SOM dla MNIST

23. spotkanie odbyło się tradycyjnie na Wydziale ETI PG dnia 3 lipca 2017 roku.

Mieliśmy okazję wysłuchać dwóch prelekcji. Pierwszym prezentującym był Adam Wróbel, który mówił o algorytmach NLP/NLU. Adam opisał podejście do budowania modeli sieci neuronowych, które odpowiadają na pytania w języku naturalnym. Dotknął też zagadnień związanych z filozoficznymi aspektami – czym jest zrozumienie języka? – przytaczając argument chińskiego pokoju

Prezentacja Adama: MLGdańsk23 – Machine comprehension with neural nets – chinese rooms

Kolejnym prelegentem był Piotr Chlebek, który przedstawił postępy w swojej pracy nad sieciami SOM do zadania rozpoznawania pisma odręcznego (na podstawie zbioru danych MNIST).

Kolejne spotkanie grupy MLGdańsk odbędzie się 17 lipca 2017. Zapraszamy!

Meetup – Wprowadzenie do Machine Learning – podsumowanie

Dziękujemy wszystkim zainteresowanym, którzy przybyli na spotkanie we wtorek 20 czerwca 2017 do gdańskiego Hackerspace’a.

Mamy nadzieję, że spotkamy się jeszcze nie raz, w tej lub w innej formule 🙂

W międzyczasie, zapraszamy do zapoznania się z prezentacjami, które pokazywaliśmy we wtorek.

  1. Krótkie wprowadzenie do uczenia maszynowego – Robert Różański
  2. Im dalej w las tym więcej drzew! – Marcin Zadroga
  3. Systemy dialogowe odrobinę pikantnie – Szymon Jessa
  4. Reprezentacja wektorowa tekstu i wizualizacja z użyciem t-SNE – Adam Wróbel
  5. Kręcenie w czterech wymiarach dla początkujących – Krzysztof Czarnowski
  6. SOM for MNIST – Piotr Chlebek

Dzięki jeszcze raz za meetup!

Wydarzenie to było naszym 22 spotkaniem w gronie MLGdańsk, kolejne –  23  spotkanie –  odbędzie się 3 lipca na PG.

Meetup – Wprowadzenie do Machine Learning

Zapraszamy na mrożące krew w żyłach historie ze świata uczenia maszynowego, opowiadane przez wieszczy z MLGdansk w kameralnym Hackerspace!

Zaplanowane opowieści – często z życia wzięte – są przygotowane dla osób bez wcześniejszych doświadczeń z tzw. sztuczną inteligencją.

Wydarzenie podzielone jest na kilka krótkich części, będących wprowadzeniem do różnych zagadnień:

1) Krótkie wprowadzenie do uczenia maszynowego (opowie Robert)

2) Im dalej w las tym więcej drzew! (opowie Marcin)

3) Systemy dialogowe odrobinę pikantnie (opowie Szymon)

4) Reprezentacja wektorowa tekstu i wizualizacja z użyciem t-SNE (opowie Adam)

5) Kręcenie w czterech wymiarach dla początkujących (opowie Krzysztof).

A jeśli szczęście nam dopisze, dotrze do nas również tajemniczy Piotr ze swoją straszną historią…

Więcej informacji na naszym meetupie lub na meetupie Hackerspace’u.  Informację o wydarzeniu znajdziecie też na FB.

Zapraszamy, do zobaczenia!

21. spotkanie MLGdańsk – Modelowanie Bayesowskie

Spotkanie odbyło się 5.06.2017 r. na Politechnice Gdańskiej.

Prelegentem był Łukasz Czekaj, który opowiedział o  Modelach Bayesowskich w JAGS ( http://mcmc-jags.sourceforge.net/ ). W sowim wykładzie Łukasz wytłumaczył podstawy teoretyczne modelowania bayesowskiego, najbardziej użyteczne algorytmy i narzędzia. Zaprezentował też kilka praktycznych problemów rozwiązywanych za pomocą modelowania bayesowskiego (np. wykrywanie halo ciemnej materii 🙂 ).

Prezentacja ze spotkania: MLGdańsk21 – Modele Bayesowskie

 

20. spotkanie MLGdańsk – SVM

Nasze już 20. spotkanie odbyło się 22.05.2017 r. na Politechnice Gdańskiej.

Tematem spotkania były Maszyny Wektorów Nośnych czyli SVM. Prelegentem był Krzysztof Czarnowski, który w świetnym wykładzie przedstawił matematykę i idee stojące za rodziną tych algorytmów. Prelekcji towarzyszyła żywa dyskusja i wymiana doświadczeń związanych z użyciem SVM.

Kolejne spotkanie odbędzie się 5.06, serdecznie zapraszamy!

 

19. spotkanie MLGdańsk – drzewa decyzyjne i lasy losowe

Spotkanie 19. odbyło się 8 maja 2017 r, tradycyjnie na Wydziale ETI PG.

Tematem spotkania były drzewa decyzyjne i lasy losowe. Prezentację przedstawił Marcin Zadroga. Opowiedział on o koncepcjach i intuicjach lężacych u podstaw tych popularnych algorytmów. Poruszone zostały również komplementarne zagadnienia takie jak bagging i boosting.

Następne spotkanie grupy MLGdańsk odbędzie się 22 maja 2017. Serdecznie zapraszamy entuzjastów i praktyków uczenia maszynowego!

 

18. spotkanie MLGdańsk – programowanie logiczne w Scheme / analiza danych EKG

Kolejne spotkanie grupy MLGdańsk odbyło się 24 kwietnia 2017.

Pierwszym prelegentem był Maciej Godek. Przedstawił on koncepcje i zasady programowania logicznego w języku Scheme (dialekt Lispa). Podzielił się z nami swoim doświadczeniem zdobytym w trakcie programowania metod genetycznych i prostych sieci neuronowych w Scheme. Dodatkowo, Maciej przedstawił środowisko programowania wirtualnych robotów.

Drugim prelegentem był Kuba Domaszewicz. Podzielił on się z nami swoim doświadczeniem w zakresie analizy sygnałów EKG. Metody opisywane przez Kubę są wykorzystywane przez aidlab (health tracking wearable assistant).

Kolejne spotkanie już 8.05.2017 – zapraszamy!

17. spotkanie MLGdańsk – algorytm Google AlphaGo / rozpoznawanie obrazów w domenie security

Nasze 17. spotkanie odbyło się 3 kwietnia 2017 roku.

Tym razem wysłuchaliśmy dwóch prelegentów. Pierwszą – świetną – prezentację przedstawił nam Karol Draszawka, który z niezwykłą starannością i zapałem udzielającym się publiczności omówił zawiłości algorytmu AlphaGo. Dzięki Karolowi zagłębiliśmy się we wzory i strukturę pięciu sieci neuronowych stworzonych przez Google w celu pokonania mistrzów Go. Prezentacja była omówieniem artykułu „Mastering the game of Go with deep neural networks and tree search”.

Drugim prelegentem był Piotr Orzechowski z firmy Trineo z Gdyni, który przybliżył nam problematykę zastosowania algorytmów rozpoznawania obrazów w domenie szeroko pojętego „security”.

Następne spotkanie, już za trzy tygodnie – 24.04.2017. Serdecznie zapraszamy!

16. spotkanie MLGdańsk – abdukcyjne programowanie logiczne / Answer Set Programming

16. spotkanie grupy odbyło się 20 marca 2017 na Politechnice Gdańskiej.

Tym razem prelegentem był Robert Różański. Opowiedział nam o swojej pracy doktorskiej pod tytułem „Automatyzacja badań nad metabolizmem przy użyciu abdukcyjnego programowania logicznego”, którą zrealizował na University of Manchaster. Mieliśmy okazję usłyszeć o założeniach pracy, zaprojektowanym systemie i wynikach.

Robert wykorzystał podejście abdukcyjnego programowania logicznego, które zrealizował za pomocą Answer Set Programming. Ten paradygmat programowania jest szczególnie użyteczny w problemach przeszukiwania. Na spotkaniu zapoznaliśmy się z podstawami rozumowania i programowania w zgodzie z tą metodą oraz narzędziami gringo i clasp.

Następne spotkanie odbędzie się 3 kwietnia, jednym z tematów będzie omówienie algorytmu Google’a dla Alpha Go. Serdecznie zapraszamy!

15. spotkanie MLGdańsk – Dataiku Data Science Studio

Nasze 15. spotkanie odbyło się 6 marca.

Tematem spotkania była prezentacja Dataiku Data Science Studio. Jest to narzędzie pozwalające na proste i przyjazne użytkownikowi projektowanie  analiz danych włącznie z czyszczeniem danych oraz trenowaniem modeli prognostycznych. Narzędzie ma dostępne „out-of-the-box” najpopularniejsze algorytmy takie jak drzewa losowe, regresję logistyczną itd. Prelegentem był Marcin Zadroga. Oprócz opisu samego narzędzia Marcin przedstawił w jaki sposób użyć w nim python’a oraz jak Dataiku DSS integruje się z platformą Microsoft Azure.

Następne spotkanie już 20 marca, serdecznie zapraszamy!

14. spotkanie MLGdańsk – transfer learning

Nasze 14. spotkanie odbyło się 20 lutego.

Na spotkaniu dokończyliśmy warsztaty z transfer learning. Dzięki prelegentowi, którym był Adam Brzeski, poznaliśmy techniki w jaki sposób „douczyć” już wytrenowany model sieci dla naszych zastosować. Korzystając z modelu sieci inception, nauczyliśmy ją rozpoznawać wnętrza budynków.

Następne spotkanie już 6 marca, serdecznie zapraszamy!

13. spotkanie MLGdańsk – MBA Innowacje i Analiza danych / transfer learning

13. już spotkanie grupy odbyło się 6 lutego 2017 r.

Pierwszym prelegentem był Adam Karwan. Podzielił się z nami swoimi wrażeniami dotyczącymi programu MBA Innowacje i Analiza danych, którego jest uczestnikiem.

Drugim prelegentem na tym spotkaniu był Adam Brzeski. Dzięki niemu dowiedzieliśmy się więcej o idei transfer learning. Adam poprowadził też warsztaty praktyczne, dzięki którym mieliśmy okazję zastosować transfer learning w uczeniu głębokich sieci neuronowych (z użyciem TensorFlow) w zastosowaniu do rozpoznawania obrazów. Była to pierwsza część warsztatu, kolejna już na następnym spotkaniu 20 lutego, na które serdecznie zapraszamy!

12. spotkanie MLGdańsk – jak symulować życie

12. spotkanie grupy odbyło się 23 stycznia 2017 roku na Politechnice Gdańskiej.

Prelekcję pod tytułem Jak symulować życie – motywacja i zestawienie kluczowych pojęć przedstawił Marcin Kuropatwiński. Prelegent przybliżył nam podstawy teoretyczne oraz pomysł na zbudowanie systemu symulacyjnego, którego elementami podstawowymi byłyby pojedyncze atomy w formie modeli przestrzennych, tworzące symulowane organizmy. Wyzwaniem byłoby zbudowanie takiej symulacji w oparciu o wiedzę pozyskaną z danych mikro i makroskopowych.

Na następne spotkanie, które odbędzie się już 6 lutego zapraszamy w szczególności wszystkich entuzjastów sieci neuronowych.

 

11. spotkanie MLGdańsk – Kaggle Bike Sharing Demand / MLDAS 2016

Nasze jedenaste już spotkanie odbyło się 9 stycznia 2017.

Było to nasze pierwsze spotkanie w Nowym 2017 Roku. Tematem głównym spotkania była prezentacja i omówienie rozwiązania problemu Kaggle Bike Sharing Demand. Piotr Chlebek, który był prelegentem tej części, opisał swoje rozwiązanie, w którym użył sieci neuronowych wykorzystując pakiet keras dla python’a.

Drugim tematem, była relacja z konferencji MLDAS2016 – raport z niej oraz kilka ciekawszych zagadnień na niej poruszonych zaprezentował Marcin Zadroga. Zapowiadana prezentacja dotycząca lasów losowych, pojawi się na jednym z kolejnych spotkań.

Następne spotkanie grupy MLGdańsk, odbędzie się zgodnie z planem, za dwa tygodnie.

10. spotkanie MLGdańsk – rozpoznawanie mowy / Amazon reInvent

10. spotkanie odbyło się 12 grudnia 2016.

Tematem było tym razem zagadnienie rozpoznawania mowy (ASR – automatic speech recognition). Mówiliśmy o MFCC, korpusie Browna, fonemach, transkrypcji fonetycznej i modelach językowych. Prelegentem był Szymon Jessa.

Drugim tematem spotkania, było omówienie nowości związanych z chmurą Amazon AWS tj. Lambda, Lex, Polly, Rekognition, które zostały zaprezentowany podczas spotkania reInvent w Amazon Gdańsk. Tematy te przedstawił Krzysztof Czarnowski.

Serdecznie zapraszamy na nasze kolejne spotkanie, które odbędzie się 9 stycznia 2017. Będziemy mówić o sieciach neuronowych i lasach losowych w zastosowaniu do rozwiązania zadania Kaggle Bike Sharing Demand.

8. i 9. spotkanie MLGdańsk – analiza szeregów czasowych w R

8. i 9. spotkanie grupy MLGdańsk odbyło się odpowiednio 14 listopada i 28 listopada 2016 r.

Tematem spotkań była analiza szeregów czasowych w R.

Rozpoczeliśmy od przyjrzeniu się podstawowym metodom analizy szeregów czasowych, dekompozycji szeregów, trendzie, sezonowości, średniej kroczącej. Mówiliśmy o pakiecie forecast, o modelach AR, MA, ARMA, ARIMA. O modelu regresji liniowej dla szeregów czasowych i funkcji tslm. Dyskutowaliśmy o matematycznych podstawach tych modeli i „intuicjach” z nimi związanymi.

Spotkanie miało charakter prezentacji wraz z częścią interaktywną, tj. wykonywania zadań z prelegentem, którym był Marcin Zadroga.

Serdecznie zapraszamy na kolejne spotkania!

6. spotkanie MLGdańsk – manifold learning

Spotkanie odbyło się 3 października 2016 na Politechnice Gdańskiej.

Tematem było omówienie zagadnienia Manifold Learning. Temat ten został przedstawiony przez Krzysztofa Czarnowskiego. Dzięki niemu zapoznaliśmy się z podstawami tej metody uczenia maszynowego.

Następne nasze spotkanie już za dwa tygodnie, zapraszamy!

5. spotkanie MLGdańsk – reprezentacja tekstów do zadań kategoryzacji

5. spotkanie grupy MLGdańsk odbyło się 19 września 2016 r.

Tematem prelekcji była reprezentacja tekstów do zadań kategoryzacji. Wykład dotyczył przeglądu metod reprezentacji m.in. Bag-of-Words (BOW), n-gramy, CBOW, metod użycia sieci konwolucyjnych w tym zagadnieniu, oraz przeglądu aktualnych trendów. Autorem tej prezentacji był Karol Draszawka.

Zapraszamy na następne spotkanie 4 października!

 

4. spotkanie MLGdańsk – kognitywizm w perspektywie językowej / MTCS

Spotkanie odbyło się 5 września.

Joanna Redzimska w sposób prosty i przyjemny przedstawiła problematykę językoznawstwa kognitywnego. Dzięki niej, na własnej skórze doświadczyliśmy procesu tworzenia jednostki językowej, próbując odgadnąć czym jest nieznany nam przedmiot. Mogliśmy go dotknąć, ale nie zobaczyć. Przedmiotem tym okazał się być włochaczek vel pomponelek vel „kudłata” gumka do włosów.

Drugim prelegentem był Piotr Chlebek, który przedstawił problem tworzenia programów do gry w szachy. Piotr przybliżył nam algorytm Monte Carlo Tree Search do szybkiego i efektywnego przeszukiwania drzewa gry.

Serdecznie zapraszamy na nasze kolejne spotkania!

3. spotkanie MLGdańsk – Kaggle Bike Sharing Demand

3. spotkanie grupy MLGdańsk odbyło się 22 sierpnia 2016 r.

Tym razem, głównym punktem programu było wystąpienie Adama Karwana. Przedstawił nam on zadanie Kaggle Bike Sharing Demand. Opisał zbiór danych, który był podstawą tego zadania oraz jego analizę, którą wykonał w środowisku R i w pythonie. Adam przybliżył nam również swoje rozwiązanie, które stworzył wykorzystując algorytmy lasów losowych (random forests) oraz GBDT (gradient boosting decision trees).

Drugą część spotkania wypełniła dyskusja na temat kierunków i celów rozwoju grupy MLGdańsk.

Nasze kolejne spotkanie odbędzie się 5 września. Serdecznie zapraszamy!

2. spotkanie MLGdańsk – extreme value theory / ICML 2016 / deep learning

Spotkanie grupy odbyło się (upalnego) 1 sierpnia 2016 r. na Politechnice Gdańskiej.

Mieliśmy okazję wysłuchać trzech wystąpień.

Pierwszym prelegentem był Krzysztof Czarnowski, który przybliżył w świetnym wykładzie teorię zdarzeń ekstremalnych (ang. extreme value theory). Dzięki tej prezentacji mogliśmy zapoznać się z matematycznymi podstawami tej teorii, oraz zdroworozsądkowymi, praktycznymi sposobami jej wykorzystania.

Kolejne wystąpienie – to raport z konferencji ICML2016, który przedstawił Marcin Zadroga. Pokrótce opisał on najciekawsze jego zdaniem wystąpienia, które miał okazję wysłuchać na tegorocznej edycji ICML w Nowym Jorku.

Trzecim i ostatnim prelegentem był Adam Brzeski, który zaprezentował nam narzędzia, których używa w swojej codziennej pracy z głębokimi sieciami neuronowymi. Przybliżył nam też zbiory danych, z których korzysta się przy porównywaniu „mocy” kolejnych algorytmów (PASCAL, MNIST, ImageNet).

Kolejne nasze spotkanie, ze względu na przerwę urlopową odbędzie się 22 sierpnia. Zapraszamy!