Archiwum kategorii: Zapowiedź

Zapowiedź – 85. Spotkanie [ONLINE] – Omówienie procesu patentowego i algorytmu optymalizacji drzew decyzyjnych

Przenosimy nasze najbliższe spotkania do sieci.
Serdecznie zapraszamy do uczestnictwa online w 85. spotkaniu grupy MLGdańsk. #zostańwdomu

Spotkanie odbędzie w poniedziałek 20 kwietnia 2020, o 18.00.

Prelegentem będzie Adam Karwan.

Temat spotkania to: Omówienie procesu patentowego i algorytmu optymalizacji drzew decyzyjnych dla celów RPA – Robotic Process Automation

Prezentacja ma na celu przybliżyć proces patentowania rozwiązań Data Science / Machine Learning. Jako przykład posłuży omówienie algorytmu optymalizacji drzew decyzyjnych, którego Adam jest pierwszym autorem.

Agenda spotkania:

  1. Opis problemu biznesowego i zastanego rozwiązania
  2. Prezentacja algorytmu balansowania drzew decyzyjnych
  3. Opis procesu patentowania rozwiązania – aspekty praktyczne

Link do konferencji Skype:
https://join.skype.com/l912lcjkwP8z

Serdecznie zapraszamy!

Zapowiedź – 84. Spotkanie [ONLINE] – Normalizing Flows

Przenosimy nasze najbliższe spotkania do sieci.
Serdecznie zapraszamy do uczestnictwa online w 84. spotkaniu grupy MLGdańsk. #zostańwdomu 

Spotkanie odbędzie w poniedziałek 6 kwietnia 2020, o 18.00.

Prelegentem będzie Adam Gabryś (Amazon)

Temat prelekcji to: Normalizing Flows – In the search for models that correctly describe the processes that produce data

Kilka słów od Prelegenta:
Key takeaways:
• Understand the formal and conceptual structure of normalizing flows.
• What are finite and infinitesimal variants of normalizing flows.
• Extending standard definition and exploring the frontiers of normalizing-flow research.
• Applications of normalizing flows.

References:
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

Link do konferencji Skype:
https://join.skype.com/fbqjZu2xws3l

Serdecznie zapraszamy!

Zapowiedź – 83. Spotkanie [ONLINE] – Metody PCA i SVM przy przetwarzaniu widm ramanowskich krwi

Przenosimy nasze najbliższe spotkanie do sieci.
Serdecznie zapraszamy do uczestnictwa online w 83. spotkaniu grupy MLGdańsk. #zostańwdomu 

Spotkanie odbędzie w poniedziałek 23 marca 2020, o 18.00.
Spotkanie będzie też nagrane i dostępne do obejrzenia później.

Prelegentem będzie Adam Władziński

Temat prelekcji to: Metody PCA i SVM przy przetwarzaniu widm ramanowskich krwi

Kilka słów od prelegenta:
Istotnym problemem w diagnostyce biomedycznej jest szybkość wykonywania analiz, która determinuje szybkość pełnej diagnostyki i moment dostępności celowanego leczenia. Jest też ważna w innych zbliżonych zastosowaniach, np. przy identyfikacji śladów krwi w kryminalistyce.

Prezentacja dotyczy zagadnień analizy oraz klasyfikacji złożonych widm Ramana próbek organicznych, w szczególności krwi ludzkiej i zwierzęcej.

Link do konferencji Skype:
https://join.skype.com/fbqjZu2xws3l

Serdecznie zapraszamy!

Zapowiedź – 82. Spotkanie – Od rozkładu Gaussa do wariacyjnych autoenkoderów

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 9 marca 2020, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Arkadiusz Kwasigroch.

Temat prelekcji to: Od rozkładu Gaussa do wariancyjnych autoenkoderów

Kilka słów od prelegenta:
Podczas prezentacji omówione zostanie podejście probabilistyczne do uczenia maszynowego.

Aby nie rzucać się od razu na głęboką wodę, metody przedstawiane będą od tych najprostszych do najbardziej złożonych. Zaczniemy od estymacji parametrów rozkładu prawdopodobieństwa.

Następnie wprowadzając kolejne pojęcia i koncepcje, omawiane będą algorytmy takie jak: regresja liniowa i logistyczna, PCA, probabilistyczne PCA oraz autoenkodery.

Ostatecznie, wykorzystując omówione pojęcia i metody zaprezentowane zostaną wariacyjne autoenkodery oraz sposób ich uczenia.

Serdecznie zapraszamy!

Zapowiedź – 81. Spotkanie – Automated Assessment of Pronunciation in L2-English

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 24 lutego 2020, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Grzegorz Beringer (Amazon).

Temat prelekcji to: Automated Assessment of Pronunciation in L2-English.

Opis (ang.):
Improving one’s pronunciation is a key issue when learning a new language and wanting to be understood by native speakers.

For this reason, there is a growing need for Computer-Assisted Pronunciation Training (CAPT) software. In this talk, I will show you the problems CAPT deals with, specifically pronunciation error detection and diagnosis, where ML models can greatly help.

We will go from the baseline, a likelihood-based score called Goodness of Pronunciation (GOP), through the analysis of GOP constraints, to finally generating and scoring multiple mispronunciation hypothesis, to find what the learner has actually uttered.

Serdecznie zapraszamy!

Zapowiedź – 80. Spotkanie – Algorytmy uczenia self-supervised w przetwarzaniu obrazów

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 10 lutego 2020, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Arkadiusz Kwasigroch.

Temat prelekcji to: Algorytmy uczenia self-supervised w przetwarzaniu obrazów

W jaki sposób wykorzystać w pełni dane, które posiadamy? Jak wykorzystać w uczeniu obrazy, które nie posiadają przypisanych etykiet?

Odpowiedzią na to pytanie mogą być właśnie algorytmy uczenia typu self-supervised. Jest to rodzina metod, które można wykorzystać w celu poprawienia dokładności klasyfikatora wykorzystując nieoznaczone dane.

W prezentacji przedstawiona zostanie ogólna idea algorytmów, sposób ich działania oraz przykłady zastosowania.

Dowiecie się również jaka jest różnica pomiędzy metodami uczenia typu supervised, self-supervised, semi-supervised, weakly-supervised i unsupervised.

Serdecznie zapraszamy!

Zapowiedź – 79. Spotkanie – Wykrywanie raka jajnika z wykorzystaniem rozpoznawania obrazów

Spotkanie odbędzie się w najbliższy poniedziałek (27.01) o 18:00.

Prelegentem będzie Krzysztof Pastuszak, a temat wystąpienia to Wykrywanie raka jajnika z wykorzystaniem rozpoznawania obrazów

Parę słów od Prelegenta:
Rak jajnika charakteryzuje się wysoką zachorowalnością i śmiertelnością, w znacznym stopniu spowodowaną późnym wykryciem. Brakuje metod umożliwiających wykrycie choroby na wczesnym etapie z zapewnieniem odpowiednich czułości i specyficzności. Poszukując bardziej precyzyjnych narzędzi diagnostycznych, zbadaliśmy profile ekspresji Tumor-Educated Platelets (TEPs). Profile ekspresji płytek krwi zostały użyte do zbudowania dwuwymiarowych obrazów, w których każdy piksel odpowiadał wybranemu genowi.

Zastosowaliśmy następnie rozpoznawanie obrazów z użyciem głębokich sieci neuronowych do wykrycia próbek pochodzących od chorych pacjentów. Działanie modelu porównaliśmy z wynikami uzyskanymi za pomocą klasycznych metod uczenia maszynowego, takich jak lasy losowe, czy SVM. Wstępne wyniki wyglądają obiecująco, metoda oparta o rozpoznawanie obrazów wydaje się oferować najwyższą czułość przy zachowaniu wysokiej specyficzności.

UWAGA
Tym razem spotykamy się na Gdańskim Uniwersytecie Medycznym (Collegium Biomedicum, ul. Dębinki 1), w Instytucie Biotechnologii Medycznej.

Jak dotrzeć na miejsce spotkania:

  • SKMką – przystanki Stocznia i Politechnika są najbliżej
  • tramwajem (przystanek Uniwersytet Medyczny).
  • samochodem – niedaleko budynku jest parking, który przez ostatnie kilka miesięcy nie był zamknięty, ale podobno mają plan uruchomić ponownie szlaban, więc kto wie. Można też parkować przy drogach dojazdowych (np. Tuwima, Wrońskiego czy Śniadeckich).

Po wejściu do budynku (po dużych schodach) kierujcie się prosto do końca korytarza. Na końcu, po lewej stronie, będzie kładka/łącznik biegnąca do drugiego budynku – w nim się spotykamy.

mapka: https://osm.org/go/0PMbqwSHV-?layers=N

Serdecznie zapraszamy!

Zapowiedź – 78. Spotkanie – A Probabilistic U-Net for Segmentation of Ambiguous Images

Serdecznie zapraszamy na pierwsze spotkanie w Nowym Roku.
Odbędzie się ono w poniedziałek 13 stycznia 2020 r. o 18.oo w sali 106 ETI PG.

Prelegentem będzie Sebastian Cygert.

Prelekcja będzie dotyczyć artykułu „A Probabilistic U-Net for Segmentation of Ambiguous Images”.

W artykule rozważana jest segmentacja obrazów medycznych w sytuacji gdy eksperci (ground truth) są ze sobą niezgodni. Proponowany jest generatywny algorytm oparty o Conditional Variational Autoencoder, który zwraca kilka spójnych możliwych interpretacji danego obrazu.

Na koniec prelegent wspomni również o podobnych eksperymentach i artykułach.

Serdecznie zapraszamy!

Zapowiedź – 77. Spotkanie – Topologiczna analiza danych – Homologia persystentna

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 9 grudnia 2019, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Patryk Wyżgowski.

Temat prelekcji to: Topologiczna analiza danych – Homologia persystentna

Parę słów od Prelegenta (ang.):
The presentation is an introduction to Topological Data Analysis covering both theoretical background and applications both from the past and the time near presentation (some 2019 publications discussed on the session).

The agenda comes as follows:

  • Topology as a branch of mathematics treating generalizations of shapes and their continuous deformations.
  • Representations of topological spaces and simplicial complexes (graph generalizations) as great mathematical tool for computational topology.
  • Simplicial complex from point cloud data – Nerve theorem as a bridge between continuous and combinatorial space description.
  • Betti numbers (ranks of Homology groups) as invariant simplicial complex and equivalent topological (under homotopy equivalence)
  • Peristent homology fixing the problem of covering radius choice.
  • Barcodes and persistence diagrams for persitent homology visualisation.
  • Some human-in-a-loop applications (exploratory data analysis)
  • Some advanced applications (machine learning tasks, new kind of features – multi-scale topological features, time series analysis – – classification and quasi-atractor identification)
  • *Klein Bottle in natural image patches space (2-dimensional surface in 8 dimensional space that parametrizes patches space)

Serdecznie zapraszamy!

Zapowiedź – 76. Spotkanie – Machine Learning & PySpark

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 25listopada 2019, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Szymon Zaborowski.

Temat prelekcji to: ML in PySpark

Spotkanie będzie poświęcone tworzeniu modeli ML przy użyciu biblioteki PySpark (API pythona do Sparka).

Na wykładzie dowiemy się co to jest Spark i PySpark, gdzie używa się tych narzędzi, oraz spróbujemy wytrenować kilka modeli ML przy okazji porównując PySparka do dobrze nam znanego ScikitLearn.

Dla chcących kodować wystarczy własny laptop z dostępem do internetu (użyjemy Google Colab), lub zainstalowany Docker i wcześniej pobrany obraz dockera z https://hub.docker.com/r/jupyter/pyspark-notebook

Materiały z prelekcji: https://gitlab.com/zabor2432/mlgdansk

Serdecznie zapraszamy!

Zapowiedź – 75. Spotkanie – Przetwarzanie sygnału w interfejsach mózg-komputer. Perspektywy i ograniczenia.

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 18 listopada 2019, odbędzie się ono o 18.oo w sali 106 ETI PG.

Naszym gościem i prelegentem będzie dr Dariusz Zapała, pracownik Perception & Cognition Lab KUL –  oraz Chief Scientific Officer w firmie BioVR

Temat prelekcji to: Przetwarzanie sygnału w interfejsach mózg-komputer. Perspektywy i ograniczenia.

Parę słów od prelegenta:
Interfejsy mózg-komputer (ang. brain-computer interfaces; BCI) to systemy umożliwiające kontrolę zewnętrznych urządzeń i aplikacji bez pośrednictwa mięśni. Istnieje szereg technik umożliwiających odczytywanie aktywności centralnego układu nerwowego i zamianę rejestrowanego sygnału na reakcje, m in. protez kończyn, egzoszkieletów, wózków inwalidzkich lub programów ułatwiających komunikację osobom niepełnosprawnym. Jednocześnie, pomimo że BCI rozwijane są intensywnie od niemal 30 lat to komunikacja mózg-komputer jest wciąż ograniczona głównie do zastosowań badawczych i cechuje ją niska efektywność w przekazywaniu informacji, sięgająca kilku bitów na minutę. Podczas spotkania postaram się przybliżyć główne ograniczenia obecnie stosowany rozwiązań w zakresie rejestracji i przetwarzania sygnału w BCI. Spróbuję również przedstawić, jakie technologie mogą przyczynić się do poprawy skuteczności i dostępności interfejsów mózg-komputer w przyszłości.

Serdecznie zapraszamy!

Zapowiedź – 74. Spotkanie – Pictec

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 28 października 2019, odbędzie się ono o 18.oo w sali 106 ETI PG.

Tym razem będziemy gościć Stanisława Raczyńskiego z firmy Pictec

PICTEC is a non-public, independent research institute that performs high-quality applied research in the field of smart and deep technologies. We are bridging academia and business/industry to maximize efficiency with which innovation is implemented.

Do zobaczenia!

Zapowiedź – 73. Spotkanie – Wprowadzenie do optymalizacji Bayesowskiej

Serdecznie zapraszamy na nasze spotkanie w poniedziałek 14 października 2019, odbędzie się ono o 18.oo w sali 106 ETI PG.

Prelegentem będzie Marcin Lisowski. Temat spotkania to Wprowadzenie do optymalizacji Bayesowskiej.

Przedmiotem prezentacji będzie jedna z metod wyszukiwania minimum (maksimum) globalnego kosztownej funkcji celu bez wykorzystania jej specjalnych cech (takich jak gradient, Hessian, wypukłość/wklęsłość etc.). Wszystko z przykładami.

Do zobaczenia!

Zapowiedź – 69. Spotkanie – Neural ODE

Serdecznie zapraszamy na nasze kolejne spotkanie w poniedziałek 19 sierpnia 2019.

Temat spotkania to Neural ODE – Neural Ordinary Differential Equations, który zostanie przedstawiony przez Piotra Lewandowskiego.

Omówiona zostanie teoria, oraz wytłumaczona i zaprezentowana implementacja kluczowych elementów niezbędnych do budowy tej sieci. Następnie możliwości sieci zostaną użyte do rozwiązania prostego problemu.

 
 

UWAGA – zmiana miejsca spotkania:

Spotkanie odbędzie się o godzinie 18.oo w sali E-1, w głównym budynku Wydziału Elektrotechniki i Automatyki PG. Z powodu remontu ulicy (czerwona kreska – brak przejścia) do budynku należy wejść bocznym wejściem (na zdjęciu zaznaczona czerwoną kropką).

Dojście do Wydziału EiA:

EIA PG

Sala E-1:

E1 EIA PG

Serdecznie zapraszamy!