Temat prelekcji to: O badaniach klinicznych, telemedycynie i COVID-19
Prelekcja Łukasza to krótkie wprowadzenie do problematyki badań klinicznych na przykładzie rozwiązań telemedycznych w obserwacji pacjentów z long-COVID.
Temat prelekcji to: Model agentowy epidemii covid-19 grupy MOCOS
Prelekcja stanowić będzie opis koncepcji i implementacji modelu agentowego epidemii covid-19 opracowanego przez grupę MOCOS z Wrocławia.
Model zaimplementowany jest w języku Julia i oprócz generowania prognoz rozwoju epidemii dostarcza informacji na temat najbardziej prawdopodobnych wartości parametrów, które mogą być interpretowane jako opisujące aktualną skuteczność walki z epidemią.
Zapraszamy do udziału w meetupie “Data Science po godzinach vol. II”, organizowanym przez szkołę programowania infoShare Academy. Tematem przewodnim będzie AI i Machine Learning.
MLGdańsk jest partnerem tego wydarzenia.
Meetup odbędzie się ONLINE w środę 27 października, w godz. 18-20.
18:10 ➡ Machine Learning vs Machine Discovery. Czym dzisiaj jest sztuczna inteligencja? dr Mateusz Bonecki – Chief Innovation Officer w DAC.digital
Wystąpienie poświęcone będzie drodze, jaką przeszła sztuczna inteligencja od obwieszczonej ponad dekadę temu przez Chrisa Andersona (Wired) detronizacji nauki teoretycznej przez data science.
18:55 ➡ United Data Forces of OLX – segmenting pros like a pro Tomasz Jamiński / Head of Data Science w OLX Group dr Piotr Sobczyk / Senior Data Scientist w OLX Group Mikołaj Szal / Data Scientist w OLX Group
W tym wystąpieniu głos zabierze team Data Science w OLX-ie. Ciekawe biznesowe case study: Panowie opowiedzą, jak połączyli siły Data Science, UX Research oraz Product Analytics w celu dostarczenia behawioralnej segmentacji sprzedawców.
Po wszystkich prelekcjach przewidziane są sesje Q&A i networkingowe, a na koniec konkurs z nagrodami! Data Science po Godzinach poprowadzi Paweł Alicki, training architect w infoShare Academy od lat związany z branżą IT pasjonat Data Science.
Temat prelekcji to: Mitigating bias with Targeted Data Augmentations
Parę słów od Prelegentki: „Czym jest tendencyjność w uczeniu maszynowym i na jakim etapie może zostać niechcący wprowadzona?
Jak wykrywać tendencyjność i jak sobie z nią radzić?
Podczas prezentacji przedstawię swoje badania realizowane w ramach grantu „Wykrywanie i zmniejszanie wpływu tendencyjności danych za pomocą objaśnialnej sztucznej inteligencji ” na przykładzie klasyfikacji znamion skórnych.”
Zapraszamy do udziału w meetupie “Data Science po godzinach”, organizowanym przez szkołę programowania infoShare Academy. Wydarzenie odbędzie się 1 września i jest w pełni zdalne.
MLGdańsk jest partnerem tego wydarzenia. Jednym z prelegentów będzie Marcin Zadroga.
Meetup odbędzie się ONLINE w środę 1 września, w godz. 14-17.
Toucan Eye – przygoda z detekcją i rozpoznawaniem tekstu // Krzysztof Bork Ceszlak – Machine Learning Project Manager / Toucan Systems
„Prezentacja dotyczyć będzie rzeczywistego problemu jakim jest detekcja i rozpoznawanie tekstu. Badania prowadzone były na potrzeby urządzenia wspomagającego osoby niedowidzące w życiu codziennym. Przedstawię historię rozwiązania od złożonych, wieloetapowych algorytmów po głębokie sieci neuronowe. Na podstawie doświadczeń pokażę jak jednocześnie satysfakcjonujące oraz brutalne może być uczenie maszynowe.”
Hydraulika w Pythonie, czyli data pipelines i przetwarzanie strumieni danych // Rafał Styrylski – Software Developer and Machine Learning Engineer / Genesis Global Limited
„Python słynie z narzędzi pozwalających tworzyć najbardziej wyszukane modele uczenia maszynowego, jednak żeby móc działać, modele potrzebują odpowiednio przygotowanych danych. Zapewnienie odpowiedniego przepływu i procesów transformacji danych jest często pierwszym co musimy zrobić, by nasz model mógł działać w prawdziwym świecie. Podczas prezentacji zademonstruje w jaki sposób można szybko stworzyć i uruchomić procesy przetwarzania danych z wykorzystaniem Pythona, narzędzi Apache i usług Google Cloud Platform”
Analiza szeregów czasowych z wykorzystaniem Pythona // Marcin Zadroga – Data Scientist // Senior Analytics Solutions Developer w DNV
„Jednym z ciekawszych i coraz popularniejszych zagadnień z zakresu Data Science jest analiza szeregów czasowych. Podczas prezentacji przybliżymy narzędzia oraz zaprezentujemy use-case dotykający tego zagadnienia. Na prezentacji dowiesz się co to trend, sezonowość i jak 'klasyczne’ metody analizy szeregów czasowych mają się do analiz i predykcji stworzonych z użyciem sieci neruonowych.”
Po wszystkich prelekcjach przewidziane są sesje Q&A i networkingowe, a na koniec Kahoot z nagrodami edukacyjnymi. “Data Science po godzinach” poprowadzi Paweł Alicki, training architect w infoShare Academy od lat związany z branżą IT pasjonat Data Science.
Temat prelekcji to: Mój projekt potrzebuje 6 GPU do wtorku! – współdzielenie GPU z pomocą narzędzia TensorHive
Parę słów od Prelegenta:
„Obok potężnych zbiorów danych i pojemnych modeli, tym co napędza nasze projekty ML jest moc obliczeniowa. Inwestujemy w wydajne serwery z GPU, ale jak dobrze zorganizować zespół, by te cenne zasoby obliczeniowe były odpowiednio wykorzystane?
Znanym rozwiązaniem są systemy kolejkowe, ale nie dają one możliwości interaktywnej pracy z GPU, które na jakiś czas chcielibyśmy mieć tylko dla siebie. Alternatywą są systemy rezerwacji, a wśród nich open source’owe narzędzie TensorHive (https://github.com/roscisz/TensorHive/), które rozwijamy i wykorzystujemy na Wydziale ETI Politechniki Gdańskiej.
Chciałbym nie tylko zareklamować nasz projekt, ale również podzielić się z grupą ML Gdańsk ogólnymi doświadczeniami zebranymi na PG i w społeczności korzystającej z TensorHive, związanymi ze współdzieleniem mocnych serwerów z GPU przez nieduże zespoły robocze.”
Temat prelekcji to: O czym rozmawiają pszczoły? Uczenie maszynowe w kontekście monitorowania pasiek pszczelarskich.
Parę słów od Prelegenta:
„Powiedz „Ok google” a asystent głosowy w telefonie Cię wysłucha, zrozumie i odpowie na postawione pytanie. Czy w podobny sposób jednak potrafimy zrozumieć język innych zwierząt?
Na prezentacji zostanie przedstawiony system monitorowania pasiek pszczelarskich – Smartula, którego głównym celem jest wsłuchiwanie się w język pszczeli i informowanie pszczelarzy o czym plotkują jego podopieczni.”
Temat prelekcji to: Inteligentny System Decyzyjny jako model procesów psychologicznych
Parę słów od Prelegenta: „Prezentacja ma na celu przybliżenie opracowanego modelu procesów psychologicznych – od momentu otrzymania bodźca do momentu podjęcia adekwatnej reakcji – zachodzących w mózgu człowieka (psychologia poznawcza), oraz teorii motywacji (potrzeb, popędów i emocji).
Model, nazwany Inteligentnym Systemem Decyzyjnym (ISD), może mieć zastosowanie w systemie sterowania jednostką autonomiczną (agentem).
Równoległy system jest złożony ze współdziałających ze sobą procesów: poczynając od percepcji sensorycznej, poprzez spostrzeganie, uwagę, procesy pamięciowe, a kończąc na myśleniu. Procesy mają na celu szybkie podjęcie adekwatnej do aktualnych warunków (motywacyjnych) reakcji.
Systemy motywacyjne (potrzeby i emocje) przedstawione w pracy zostały najpełniej zweryfikowane w częściowych symulacjach.”
Temat prelekcji to: Neuromorphic computing w fizyce wysokich energii – zastosowania w CERN i LIGO
Parę słów od Prelegenta: „Mechanizmy szeroko wykorzystywanych sztucznych sieci neuronowych były silnie inspirowane naturą, jednak na poziomie implementacyjnym mają one tylko marginalne podobieństwo z obliczeniami w umyśle człowieka.
Podczas prezentacji przedstawię koncepcję pulsujących sieci neuronowych (SNN) oraz podstawy neuromorphic computingu wraz z dedykowanymi procesorami (w tym jednostką Intel Loihi).
Zaprezentuję także zestaw bibliotek, które umożliwiają stworzenie asynchronicznych sieci neuronowych, maksymalnie zbliżonych do ludzkiej inteligencji.
Opowiem również o moich pracach nad zastosowaniem sieci typu SNN w eksperymentach fizyki wysokich energii, na podstawie własnego doświadczenia w CERN oraz LIGO.”
Temat prelekcji to: Deep Learning od środka – na przykładzie nGraph i OpenVINO
Parę słów od Prelegenta: „Grafy są nieodłączną częścią świata AI. Można je spotkać w materiałach wprowadzających do tematyki ML, ale również w prawdziwych modelach używanych w praktyce.
W tej prezentacji chciałbym opowiedzieć o tym, jak implementuje się grafy na przykładzie biblioteki nGraph i frameworku OpenVINO.
Opowiem o kompilacji grafów i optymalizacjach z nim związanych.
A to wszystko – w oparciu o własne doświadczenia w ramach pracy w Intel AI w Gdańsku.”
Temat prelekcji to: Przetwarzanie obrazów hiperspektralnych – modele statystyczne i sieci neuronowe w trzech przykładach.
Parę słów od Prelegenta: „Obrazy hiperspektralne (HS) dają duże możliwości poznania właściwości substancji w obserwowanej scenie. Umożliwia to realizację wielu zadań, np. ocenę zaawansowania choroby drzewostanu, poszukiwania minerałów, ocenę stopnia zepsucia owoców, diagnostykę ran oparzeniowych, szacowanie wieku śladów krwi w analizie kryminalistycznej i wiele innych.
Celem prezentacji będzie przedstawienie trzech wybranych studiów przypadku budowy algorytmów przetwarzania HS: klasyczne modele statystyczne; algorytm łączący elementy statystyczne i sieci neuronowe oraz sieci neuronowe głębokiego uczenia.
Obszary tematyczne studiów przypadku to: detekcja śladów krwi w scenie, identyfikacja pigmentów w obrazach z kolekcji muzealnej, identyfikację substancji na obrazach teledetekcyjnych (ang. remote sensing).
Temat prelekcji to: Kwantowe sieci neuronowe – podejście praktyczne
„Niedawne sukcesy sztucznych sieci neuronowych oraz pojawienie się pierwszych komputerów kwantowych doprowadziło do powstania nowej dziedziny kwantowego uczenia maszynowego.
Istnieje nadzieja, że komputery kwantowe będą pozwolą na budowanie lepszych i szybszych modeli uczenia maszynowego.
Chociaż badanych jest wiele podejść, podczas tego wykładu skupimy się tylko na klasie modeli uczenia maszynowego wywodzących się z wariacyjnych algorytmów kwantowych.
Modele te nazywane są kwantowymi sieciami neuronowymi. To podejście jest interesujące, ponieważ umożliwia osadzanie komputerów kwantowych w klasycznych grafach przetwarzania sieci neuronowych.”
Będziemy gościć przedstawicieli trójmiejskiego Digital Innovation Hub – https://dih4.ai
Mateusz Dyrda opowie o DIHu, natomiast Jacek Kawalec o biznesie i AI.
Parę słów o prelegentach:
Mateusz Dyrda Dyrektor Hubu Innowacji Cyfrowych DIH4.AI, Prezes Stowarzyszenia Robotyków SKALP, konstruktor, robotyk, ale też edukator i animator społeczności. Studiował filozofię na Uniwersytecie Gdańskim oraz nanotechnologie na Politechnice Gdańskiej. Członek wielu zespołów pracujących nad pojazdami autonomicznymi i innowacyjnymi produktami. Od wielu lat zaangażowany w trójmiejską społeczność fab labów i makerspace’ów. Ze sportów najbardziej lubi wygrywać hackathony i latać dronami wyścigowymi.
Jacek Kawalec Absolwent Wydziału Psychologii Katolickiego Uniwersytetu Lubelskiego. Doświadczenie zdobywał m.in. w Oracle w USA, od 1995 r. współzałożyciel i udziałowiec portalu Wirtualna Polska (wp.pl), gdzie odpowiadał za rozwój technologii. Ten ogólnotematyczny portal był jednym z pierwszych tego typu podmiotów na krajowym rynku i szybko uzyskał wysoką popularność i rozpoznawalność przez kilkanaście milionów użytkowników miesięcznie. Po sprzedaży Wirtualnej Polski w 2005 roku zajmował się inwestowaniem w start-upy. Od 2012 roku związany z Voicelab.ai początkowo jako inwestor pasywny a później od 2015 roku jako Wiceprezes.
