Archiwum kategorii: Zapowiedź

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!

Zapowiedź – 68. Spotkanie – klasyfikacja nowotworów trzonu macicy

Serdecznie zapraszamy na nasze kolejne spotkanie już 5 sierpnia 2019.

Tematem spotkania będzie projekt dotyczący klasyfikacji nowotworów trzonu macicy na podstawie wykrytych mutacji. Temat prezentować Robert Różański, który współpracuje nad tym projektem z naukowcami z GUMed i PG.

Robert opisze w skrócie założenia i cele projektu oraz przedstawi wstępne wyniki uzyskane do tej pory.

Spotkanie odbędzie się o godzinie 18.oo w sali 106, budynek nowego ETI, PG.

Zapowiedź – 67. spotkanie – Metody NLP / 3 rocznica MLGdańsk!

Serdecznie zapraszamy na nasze kolejne spotkanie już 22 lipca 2019.

Tematem spotkania będą Metody NLP – z prelekcją wystąpią Jakub Lachowicz i Piotr Wierzgała

Prezentacja będzie przekrojową podróżą przez metody NLP.

Podróż zaczniemy od ciągów Markova, funkcji rankingowych, reprezentacji BagOfWords. Następnie omówione zostaną techniki „word embeddings” na podstawie algorytmów word2vec i fasttext.

Naszą podróż zakończymy na stacji „beyond word embeddings” – gdzie naszymi bohaterami będą najnowsze modele, algorytmy i usprawnienia w ogólnie pojętym NLP (m.in. ULMFiT i BERT).

Oprócz prelekcji zapraszamy również na świętowanie z nami 3 rocznicy istnienia naszej grupy! W tym celu po spotkaniu udamy się do pubu Polufka.

Miejsce i czas spotkania – sala 106NE nowe ETI PG , godz 18.oo. Zapraszamy!

Zapowiedź – 66. spotkanie – Uczenie maszynowe na (super) produkcji

Już 08.07.2019 odbędzie się kolejne spotkanie naszej grupy, na które serdecznie zapraszamy!

Artur Fierka (LinkedIn) wystąpi z prelekcją pod tytułem:
Uczenie maszynowe na (super) produkcji

Kilka słów Artura o temacie:
„Wiele prezentacji traktuje o procesie tworzenia modeli ML. Wiele jest o RNN i CNN oraz ich wariacjach. Wiele jest o TensorFlow, Kerasie, czy innych popularnych frameworkach do uczenia maszynowego. Ta prezentacja będzie o tym co jest krok dalej. O produkcji. O tym jak zbudować wydajny i skalowany system do serwowania modeli ML wytworzonych w TensorFlow.”

Miejsce i czas spotkania – sala 106NE nowe ETI PG, godz 18.oo. Zapraszamy!

Zapowiedź – 65. spotkanie – Komputery Kwantowe i Uczenie Maszynowe

24.06.2019 odbędzie się 65. spotkanie grupy – zapraszamy.

Piotr Ćwikliński (LinkedIn wystąpi z prelekcją pod tytułem:
A short overview of quantum computing and quantum machine learning  


SummaryWe will briefly discuss differences between classical and quantum computing and try to find limitations to quantum computing. We will also introduce some know quantum algorithms, especially in the context of machine learning. In the end, we will also try to answer a question of how quantum and universal are current commercial quantum machines and give their short comparison.

Miejsce i czas spotkania – sala 106NE nowe ETI PG, godz 18.oo. Zapraszamy!