Archiwum kategorii: Zapowiedź

Zapowiedź – 94. spotkanie [ONLINE] – Application of deep learning in medical genetics and cancer diagnostics

Serdecznie zapraszamy do uczestnictwa ONLINE w 94. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 19.10.2020, godz. 18:00

pokój Skype: https://join.skype.com/lGLafQzrA7uM
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Tomasz Stokowy (https://www.uib.no/en/persons/Tomasz.Stokowy).

Temat prelekcji to: Application of deep learning in medical genetics and cancer diagnostics

Tomasz pracuje od 7 lat na Uniwersytecie w Bergen, współpracuje również z Gdańskim Uniwersytetem Medycznym.
Opowie o zastosowaniach uczenia głębokiego w medycynie.

Serdecznie zapraszamy!

Zapowiedź – 93. spotkanie [ONLINE] – A Framework for Understanding Unintended Consequences of Machine Learning

Serdecznie zapraszamy do uczestnictwa ONLINE w 93. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 05.10.2020, godz. 18:00

pokój Skype: https://join.skype.com/jedhJIpP3M3f
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Robert Różański

Temat prelekcji to: A Framework for Understanding Unintended Consequences of Machine Learning

Kilka słów od Prelegenta:
W prezentacji chciałbym streścić artykuł, w którym autorzy
przedstawiają ramy pojęciowe pozwalające na analizę i porównanie
przyczyn negatywnych skutków działania systemów uczenia maszynowego.

Link do artykułu: https://arxiv.org/abs/1901.10002

Serdecznie zapraszamy!

Zapowiedź – 92. spotkanie [ONLINE] – Robustness in Computer Vision

Serdecznie zapraszamy do uczestnictwa ONLINE w 92. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 21.09.2020, godz. 18:00

pokój Skype: https://join.skype.com/ahGeHjxaNACK
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Sebastian Cygert

Temat prelekcji to: Robustness in Computer Vision

Kilka słów od Prelegenta:
Podczas prezentacji opowiem o zdolnościach generalizacyjnych algorytmów uczenia maszynowego, z naciskiem na tzw. safetyAI.

W szczególności pokażę liczne przykłady, gdzie algorytmy obecnie zawodzą, spróbujemy odpowiedzieć sobie na pytanie dlaczego tak się dzieje i co można z tym zrobić.

W czasie prezentacji będę posługiwać się przykładami z wizji komputerowej (choć nie tylko), ale sama prezentacja w dużej mierze będzie generalizować do innych dziedzin AI 🙂

Serdecznie zapraszamy!

Zapowiedź – 91. spotkanie [ONLINE] – Pakiet 'platypus’ – detekcja obiektów i segmentacja obrazów w R w kilku linijkach kodu

Serdecznie zapraszamy do uczestnictwa ONLINE w 91. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 07.09.2020, godz. 18:00

pokój Skype: https://join.skype.com/fxzDy3YGs8qU
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Michał Maj
(https://www.linkedin.com/in/michal-maj116/)

Temat prelekcji to: Pakiet 'platypus’ – detekcja obiektów i segmentacja obrazów w R w kilku linijkach kodu

Kilka słów od Prelegenta:
’platypus’ jest moim pierwszym większym projektem Deep Learningowym.

Podczas prezentacji opowiem o detekcji obiektów z YOLOv3, segmentacji obrazu z U-Net oraz pokażę przykłady wykorzystania „platypus” w medycynie.

Info o projekcie można znaleźć tu: https://github.com/maju116/platypus

Serdecznie zapraszamy!

Zapowiedź – 89. Spotkanie [ONLINE] – GeoTrackNet – A Maritime Anomaly Detector using Neural Nets

Serdecznie zapraszamy do uczestnictwa ONLINE w 89. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 29.06.2020, godz. 18:00

pokój Skype: https://join.skype.com/dSioHjvZ9Fuj
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Tadeusz Balcer (DNV GL)

Temat prelekcji to: GeoTrackNet – A Maritime Anomaly Detector using Probabilistic Neural Network Representation of AIS Tracks and A Contrario Detection

Kilka słów od Prelegenta:
Na prezentacji omówię artykuł z arXiv „GeoTrackNet – A Maritime Anomaly Detector (…)” (link – https://arxiv.org/pdf/1912.00682.pdf). Autorzy prawdopodobnie jako pierwsi do wykrywania anomalii w ruchu statków wykorzystali głębokie sieci neuronowe.

Opowiem trochę o sieciach VRNN (Variational Recurrent Neural Network), zaproponowanej przez nich architekturze jak i o specyfice danych dotyczących ruchu statków.

Serdecznie zapraszamy!

Zapowiedź – 88. Spotkanie [online] – Introduction to causal discovery and inference

Serdecznie zapraszamy do uczestnictwa ONLINE w 88. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 15.06.2020, godz. 18:00

pokój Skype: https://join.skype.com/jVxlYSGwp934
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Robert Różański

Temat prelekcji to: Introduction to causal discovery and inference

Kilka słów od Prelegenta:
Opowiem o podstawowych / głównych ideach stojących za tematyką „causal discovery” i „causal inference”. Jeśli zastanawiacie się co możecie
powiedzieć na temat związków przyczynowo-skutkowych na podstawie
danych obserwacyjnych oraz jak (czy można?) przewidywać efekty działań zanim się je podejmie to prezentacja jest dla Was. Tematyka ta jest dość rozległa i rozproszona po różnych dziedzinach (ekonometria,
epidemiologia, nauki społeczne, ML), natomiast mam nadzieję przekazać Wam jakieś podstawy dzięki którym nie będziecie tak zagubieni jak byłem ja 🙂


Serdecznie zapraszamy!

Zapowiedź – 87. Spotkanie [ONLINE] – Regularizing and distilling knowledge nicely with TensorFlow Datasets

Serdecznie zapraszamy do uczestnictwa ONLINE w 87. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie w poniedziałek 1 czerwca 2020, o 18.00.

Prelegentem będzie Krzysztof Czuszyński (Solwit)

Temat prelekcji to: Regularizing and distilling knowledge nicely with TensorFlow Datasets

Kilka słów od Prelegenta:

Prevention of overfitting for image classifiers can be done in a variety of ways. One of the methods – ranking regularizer – requires satisfaction of some conditions of mini batch content as it is based on triplet loss mining strategies.

Other important DL technique applicable also in image analysis models, that will be discussed briefly, refers to guided training of small footprint models, based on knowledge learned by larger teacher models. Comfortable handling of both cases will be presented utilizing tf.data.Dataset API.

Link do konferencji Skype:
https://join.skype.com/hfRPAGl6ENhE

Serdecznie zapraszamy!

Zapowiedź – 86. Spotkanie [ONLINE] – Deep learning behind chatbots and automatic answering systems

Przenosimy nasze najbliższe spotkania do sieci.
Serdecznie zapraszamy do uczestnictwa online w 86. spotkaniu grupy MLGdańsk. #zostańwdomu

Spotkanie odbędzie w poniedziałek 18 maja 2020, o 18.00.

Prelegentem będzie Aleksander Obuchowski z firmy SentiOne.

Temat spotkania to: Deep learning behind chatbots and automatic answering systems

Agenda:

  1. Wprowadzenie do chatbotów
  2. Analiza wektorów zanurzeń słów
  3. Architektury sieci neuronowych w NLP
  4. Metody pre-trenowania sieci neuronowych w NLP

Link do konferencji Skype:
https://join.skype.com/fci02LdwbbiS

Serdecznie zapraszamy!

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!