Archiwum kategorii: Spotkania

Informacje o spotkaniach

84. spotkanie MLGdańsk – Normalizing Flows

Nasze 84. spotkanie odbyło się 6.04.20 online poprzez Skype. #zostańwdomu #walczymyzcovid19

Prelegentem był Adam Gabryś z firmy Amazon, który przedstawił prezentację pt. „Normalizing Flows – in the search for models that correctly describe the processes that produce data”.

Adam przedstawił koncept Normalizing Flows (NF). Jest to podejście do modelowania złożonych rozkładów prawdopodobieństwa poprzez transformację prostego rozkładu (np. rozkładu normalnego) za pomocą różniczkowalnych oraz odwracalnych funkcji.

Prelegent omówił wykorzystanie metod NF w modelach generatywnych np. w zastosowaniu do generowania obrazu – https://openai.com/blog/glow/. Przedstawił również możliwości wykorzystania NF w modelach generowania mowy.

Poruszony został też temat użycia różnych typów modeli jako NF. Szeroko opisane zostały modele autoregresywne, których właściwości umożliwiają wydajne i praktyczne zastosowanie NF.

Doskonałym uzupełnieniem spotkania jest lektura artykułów:
https://arxiv.org/abs/1908.09257 – Normalizing Flows: An Introduction and Review of Current Methods
https://arxiv.org/abs/1910.13233 – Neural Density Estimation and Likelihood-free Inference
https://arxiv.org/abs/1912.02762 – Normalizing Flows for Probabilistic Modeling and Inference
https://arxiv.org/pdf/1410.8516.pdf – NICE: Non-linear Independent Components Estimation
https://openai.com/blog/glow/ – Glow: Better Reversible Generative Models
https://arxiv.org/abs/1502.03509 – MADE: Masked Autoencoder for Distribution Estimation

Prezentacja ze spotkania jest dostępna pod linkiem:
MLGdańsk84 – Adam Gabryś – Normalizing Flows

Prezentacje z naszych spotkań, są również dostępne na naszym GitHubie.

Zapraszamy na kolejne spotkania grupy MLGdańsk – również on-line!

83. spotkanie MLGdańsk – Metody PCA i SVM przy przetwarzaniu widm ramanowskich krwi

Nasze 83. spotkanie odbyło się online poprzez Skype. #zostańwdomu #walczymyzcovid19

Prelegentem był Adam Władziński, który przedstawił prezentację pt. „Metody PCA i SVM przy przetwarzaniu widm ramanowskich krwi”.

Na początku prezentacji dowiedzieliśmy się kilku informacji o krwi oraz dlaczego badania krwi są tak istotne w diagnostyce medycznej. Następnie Adam wyjaśnił czym jest promieniowanie Ramana. Jest ono bardzo użyteczne w identyfikacji różnych substancji, dlatego może zostać wykorzystane w diagnostyce. Omówiono również aparaturę pomiarową, która została wykorzystana w celu badaniu krwi. Okazuje się, że zakłóceniem takiej aparatury może być nawet promieniowanie kosmiczne tła.

Po tym wstępie domenowym, prelegent przeszedł do omówienia wykonanych analiz danych. W opisanym procesie – dane przetworzone algorytmem PCA wykorzystano do uczenia klasyfikatora SVM. Do stworzenia analiz wykorzystano toolbox z Matlab’a.
Adam przedstawił kilka różnych zadań klasyfikacji. Jednym z ciekawszych zastosowań było wykrywanie obecności leku we krwi pacjenta. Przedstawione zostały perspektywy rozwoju systemu.

Zaprezentowana metoda pomiaru oraz zastosowane algorytmu uczenia maszynowego mają potencjał nie tylko w medycynie ale i w kryminalistyce. Jednym z możliwych zastosowań jest testowanie na obecność narkotyków we krwi. Nietypowa forma spotkania, nie przeszkodziła nam w poprowadzeniu dyskusji, w której Adam odpowiadał na pytania słuchaczy.

Prezentacja ze spotkania oraz praca magisterska Adama dostępne są na naszym GitHubie.

Zapraszamy na kolejne spotkania grupy MLGdańsk!

80. i 82. spotkanie MLGdańsk – self-supervised learning i probabilistyczne podejście do ML

Mieliśmy ostatnio okazję wysłuchać dwóch prelekcji, których autorem był Arkadiusz Kwasigroch.

Tematem spotkania, które odbyło się 6 lutego 2020, było Uczenie typu self-supervised w przetwarzaniu obrazów.

Arek przedstawił idee stojące za konceptami self-supervised learning m.in. różne typy zadań pomocniczych (ang. pretext task). Omówione zostały wybrane artykuły traktujące na ten temat.

Prezentacja ze spotkania 80 jest dostępna tutaj!

Na spotkaniu, 9 marca 2020, zobaczyliśmy prezentację Od rozkładu Gaussa do autoenkoderów wariacyjnych.

Była to prelekcja, mówiąca o probabilistycznym podejściu do uczenia maszynowego. Arek przedstawił w jaki sposób można interpretować funkcje celu i metryki dla takich algorytmów jak regresja liniowa i logistyczna, PCA, PPCA, autoenkodery oraz autoenkodery wariacyjne.

Prezentacja ze spotkania 82 jest dostępna tutaj!

Prezentacje ze spotkań MLGdańsk można znaleźć również na GitHubie: https://github.com/mlgdansk/meetings

72. Spotkanie – Przeszukiwanie przestrzeni hiperparametrów

Spotkanie odbyło się 30 września 2019 na Politechnice Gdańskiej.

Robert Różański w prelekcji zatytułowanej „Hackowanie RandomizedSearchCV z Scikit Learn” przedstawił nam swoje eksperymenty i pomysły związane z optymalnym przeszukiwaniem przestrzeni hiperparametrów. Kluczową sprawą dla Roberta, było takie przeprowadzenie poszukiwania i kross-walidacji aby uzyskane metryki były wiarygodne.

Skrypty Roberta można pobrać spod linku MLGdansk72 – RobertRozanski scripts lub z naszego GitHuba

Kolejne spotkanie już w nowym roku akademickim – 14 października – zapraszamy!

70. i 71. spotkanie MLGdańsk

Na 70 i 71 spotkanie grupy MLGdańsk nie mieliśmy zaplanowanych prelekcji. Spotkaliśmy się w nieformalnej atmosferze w Polufce (MLG70) oraz poszliśmy na meetup o Kafce (MLG71).

Kolejne spotkanie już 30 września 2019, tradycyjnie w sali 106 ETI PG. Prelekcję będzie miał Robert Różański – zapraszamy!

69. Spotkanie – Neural ODE

Spotkanie MLGdańsk 19 sierpnia odbyło się gościnnie w progach Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej.

Mieliśmy okazję wysłuchać bardzo ciekawej prelekcji Piotra Lewandowskiego. Przedstawił on nam koncepcję Neural Ordinary Differential Equations (Neural ODE).

Jest to koncept budowania sieci neuronowych, w którym definiujemy je właśnie jako zwyczajne równanie różniczkowe, dzięki temu możemy użyć istniejącej teorii ODE (oraz solverów) do aproksymowania funkcji. W tym podejściu sieć nie ma postaci dyskretnych warstw, a raczej sieć jest ciągłą funkcją.

Prezentacja Piotra oraz notebooki są dostępne pod adresem: https://github.com/navaro1/neural_ode_presentation

Artykuł traktujący o Neural ODE: https://arxiv.org/abs/1806.07366

Następne spotkanie grupy, już wkrótce! Zapraszamy.

68. spotkanie – Klasyfikacja nowotworów trzonu macicy

Spotkanie odbyło się 5 sierpnia 2019, tradycyjnie na Wydziale ETI PG.

Prelegentem był Robert Różański, który przedstawił wstępne wyniki projektu dot. klasyfikacji raka trzonu macicy na podstawie mutacji.

Prezentacja skupiała się głównie na inżynierii cech, konkretnie na testowaniu różnych sposobów wykorzystania wiedzy eksperckiej z biologii do poprawienia wartości informacyjnej danych.

Prezentacja dostępna jest pod linkiem: Klasyfikacja raka trzonu macicy

Następne spotkanie już 19.08 – Zapraszamy!

67. spotkanie – Metody NLP / 3 rocznica MLGdańsk!

Spotkanie odbyło się 22 lipca 2019 roku.

Tematem spotkania były Metody NLP. Dzięki prelegentom, którymi byli Piotr Wierzgała (Aspire Systems) i Jakub Lachowicz (Amazon), poszerzyliśmy swoją wiedzę z tego tematu. Omówione zostały Model Markowa, BoW, word2vec, fasttext, ULMFit, BERT i XLNet.

Prezentacja Jakuba jest dostępna tutaj MLGdansk67 – Metody NLP, prezentacja i kody Piotra, będą dostępne wkrótce.

Spotkanie było również okazją do świętowania rocznicy – to już 3 lata istnienia grupy MLGdańsk. Serdecznie dziękujemy wszystkim prelegentom oraz członkom grupy. Zapraszamy do uczestnictwa w naszych spotkaniach!

Kolejne spotkanie, tradycyjnie za dwa tygodnie tj. 5 sierpnia, godz 18.oo, sala 106 ETI PG. Zapraszamy!

66. Spotkanie MLGdańsk – Uczenie maszynowe na (super) produkcji

Spotkanie odbyło się 8 lipca 2019, tradycyjnie na Wydziale ETI PG.

Prelegentem był Artur Fierka z wp.pl, który opowiedział nam o procesie uczenia i użytkowania modeli na produkcji.

Artur przybliżył nam tematykę związaną z wydajnym serwowaniem modeli, ich obsługą oraz zadaniami i wymaganiami wydajnościowymi z tym związanymi. Dzięki niemu dowiedzieliśmy się jak skutecznie używać TensorFlow serving. W szczególności w jaki sposób korzysta z tego wp.pl.

Oprócz tego mieliśmy okazję usłyszeć do jakich zadań i w jakim kontekście używane są modele ML na potrzeby poczty wp.pl

Prelekcja Artura dostępna jest pod linkiem: Uczenie maszynowe na (super) produkcji

Następne spotkanie już 22.07 – będziemy też wtedy obchodzić 3 lata istnienia naszej grupy. Zapraszamy!

65. spotkanie MLGdańsk – Komputery Kwantowe i Uczenie Maszynowe

Spotkanie odbyło się 24.06.2019. Tym razem, naszym gościem był Piotr Ćwikliński, który przedstawił nam bardzo ciekawą prelekcję na temat komputerów kwantowych pod tytułem A short overview of quantum computing and quantum machine learning.

Piotr rozpoczął od opisu podstaw teoretycznych i fizycznych komputerów kwantowych oraz różnic w stosunku do komputerów „klasycznych”.

Potem mieliśmy okazję usłyszeć o algorytmach i problemach, w których komputery kwantowe mogłyby być lepsze. Prezentacja zakończyła się przeglądem obecnego stanu badań nad architekturami tych komputerów oraz komerycyjnej oferty w tym zakresie.

Doskonałym uzupełnieniem prezentacji Piotra są poniższe artykuły:

Następne spotkanie już za dwa tygodnie. Zapraszamy!

64. spotkanie MLGdańsk – Warsztat: Reconstruction and adaptation of a temporal signal with variational auto encoders (VAE) in MXNet

17.06.2019 odbyło się spotkanie grupy MLGdańsk, którego tematem były autoenkodery wariacyjne (VAE).

Prowadzącymi warsztat byli Daniel Korzekwa i Adam Gabryś z Amazonu.
Temat: Reconstruction and adaptation of a temporal signal with variational auto encoders (VAE) in MXN

Oprócz podstaw teoretycznych, oraz zaznajomienia się z potencjalnymi aplikacjami VAE dla problemów analizy i rekonstrukcji mowy, mieliśmy okazję wykonać ćwiczenia. Korzystając z notebook’ów uruchomionych na platformie Amazon SageMaker wytrenowaliśmy model VAE, który był w stanie odtworzyć sygnał wejściowy. Wszystkie warsztatowe przykłady były wykonane w Python’ie z użyciem biblioteki MxNet.

Spotkanie odbyło się w gdańskiej siedzibie Amazon’u. Serdecznie dziękujemy kolegom z Amazon, za bardzo ciekawy warsztat!

Kolejne spotkanie grupy MLGdańsk, tym razem już za tydzień, tradycyjnie na Wydziale ETI PG – zapraszamy!

63. spotkanie MLGdańsk – BrainScan – analiza obrazu TK głowy

27 maja 2019 mieliśmy okazję się spotkać ponownie, aby wysłuchać bardzo ciekawej prelekcji – również oscylującej wokół tematów medycznych.

Prelekcję pod tytułem BrainScan – System wspomagający analizę badań obrazowych TK głowy przedstawili Marek Trojanowicz i Adam Brzeski – obaj z firmy BrainScan.AI .

Prezentacja dotyczyła biznesowych i technicznych aspektów tworzenia systemu dla medycyny. Mogliśmy się dowiedzieć, jak od kuchni wygląda tworzenia takiego systemu z wykorzystaniem Deep Learningu.

Co bardzo ciekawe, prelegenci podzielili się z nami nie tylko szczegółami technicznymi ich rozwiązania, ale również tym, jak wypada ono na tle konkurencji – a jest to porównanie na ich korzyść. Brawo!

Prezentacja ze spotkania jest dostępna tutaj: BrainScan – System wspomagający analizę badań obrazowych TK głowy .

Doskonałym uzupełnieniem prelekcji są poniższe artykuły. Zapraszamy do lektury!

  1. Development and Validation of Deep Learning Algorithms for Detection of Critical Findings in Head CT Scans
  2. Advanced machine learning in action: identification of intracranial hemorrhage on computed tomography scans of the head with clinical workflow integration
  3. Deep learning algorithms for detection of critical findings in head CT scans: a retrospective study
  4. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography

Kolejne spotkanie – wyjątkowe!, odbędzie się 17 czerwca 2019 – informacje wkrótce, ale już serdecznie zapraszamy!

62. spotkanie MLGdańsk – Jak sobie radzić z adnotacjami gdy eksperci są mało wiarygodni?

Po przerwie świątecznej i majówkowej przyszedł czas na kolejne spotkanie grupy, które odbyło się 13 maja 2019 roku.

Prelegentem był Łukasz Czekaj.

Prezentacja dotyczyła różnych zagadnień związanych z integracją etykiet pochodzących od wielu ekspertów. Opisany został problem zgodności między ekspertami i wiarygodności etykiet oraz metody ocena jakości eksperta i ich zastosowania w uczeniu maszynowym.

Dodatkowym aspektem wspomnianym na prezentacji było modelowanie „strefy komfortu” ekspertów oraz tworzenie „wirtualnego panelu”.

To wszystko Łukasz opisał w kontekście projektów dotyczącego analizy sygnału EEG w kontekście wykrywania padaczki.

Zapraszamy do zapoznania się ze slajdami ze spotkania oraz artykułem uzupełniającym:

Informujemy, że powracamy do normalnego rytmu spotkań – zapraszamy za dwa tygodnie!

61. spotkanie MLGdańsk – uczenie maszynowe w biologii

Spotkanie miało miejsce 1 kwietnia 2019 roku na Wydziale ETI PG.

Robert Różański przedstawił swoją prezentację pod tytułem „The potential of Machine Learning in biology”.

Prelekcja była pomyślana jako wstęp do uczenia maszynowego dla osób związanych naukowo z biologią. Robert w przystępny sposób przedstawił główne cechy uczenia maszynowego wraz z przystępnymi przykładami.

Poruszone zostały takie tematy jak: modele symboliczne uczenia maszynowego, uczenie z i bez nauczyciela oraz Deep Learning.

Prezentacja Roberta jest dostępna pod linkiem: The potential of Machine Learning in biology

W związku ze Świętami oraz majówką, nasze kolejne spotkanie odbędzie się 13 maja. Do zobaczenia!

60. spotkanie MLGdańsk – dyskusja w Mechanicznej Pomarańczy

W poniedziałek 18 marca 2019, wykorzystując wiosenną atmosferę, postanowiliśmy się spotkać w mniej formalnej atmosferze w klubie Mechaniczna Pomarańcza.

Poruszane tematy oscylowały oczywiście wokól uczenia maszynowego, nauki i potencjalnych wspólnych projektów i inicjatym.

W najbliższym czasie planujemy pojawić się (reprezentacja) na spotkaniu Klubu AIBay na GUMed (28.03), rozwinąć projekt edukacyjny, oraz wspólnie opracować pewne zagadnienia dotyczące ML i analizy danych …

Kolejne spotkanie, już 1 kwietnia, prelekcję będzie miał Robert. Zapraszamy!