21. spotkanie MLGdańsk – Modelowanie Bayesowskie

Spotkanie odbyło się 5.06.2017 r. na Politechnice Gdańskiej.

Prelegentem był Łukasz Czekaj, który opowiedział o  Modelach Bayesowskich w JAGS ( http://mcmc-jags.sourceforge.net/ ). W sowim wykładzie Łukasz wytłumaczył podstawy teoretyczne modelowania bayesowskiego, najbardziej użyteczne algorytmy i narzędzia. Zaprezentował też kilka praktycznych problemów rozwiązywanych za pomocą modelowania bayesowskiego (np. wykrywanie halo ciemnej materii 🙂 ).

Prezentacja ze spotkania: MLGdańsk21 – Modele Bayesowskie

 

20. spotkanie MLGdańsk – SVM

Nasze już 20. spotkanie odbyło się 22.05.2017 r. na Politechnice Gdańskiej.

Tematem spotkania były Maszyny Wektorów Nośnych czyli SVM. Prelegentem był Krzysztof Czarnowski, który w świetnym wykładzie przedstawił matematykę i idee stojące za rodziną tych algorytmów. Prelekcji towarzyszyła żywa dyskusja i wymiana doświadczeń związanych z użyciem SVM.

Prezentacja ze spotkania: MLGdansk20 -Support Vector Machines and Kernels

Kolejne spotkanie odbędzie się 5.06, serdecznie zapraszamy!

19. spotkanie MLGdańsk – drzewa decyzyjne i lasy losowe

Spotkanie 19. odbyło się 8 maja 2017 r, tradycyjnie na Wydziale ETI PG.

Tematem spotkania były drzewa decyzyjne i lasy losowe. Prezentację przedstawił Marcin Zadroga. Opowiedział on o koncepcjach i intuicjach lężacych u podstaw tych popularnych algorytmów. Poruszone zostały również komplementarne zagadnienia takie jak bagging i boosting.

Następne spotkanie grupy MLGdańsk odbędzie się 22 maja 2017. Serdecznie zapraszamy entuzjastów i praktyków uczenia maszynowego!

 

18. spotkanie MLGdańsk – programowanie logiczne w Scheme / analiza danych EKG

Kolejne spotkanie grupy MLGdańsk odbyło się 24 kwietnia 2017.

Pierwszym prelegentem był Maciej Godek. Przedstawił on koncepcje i zasady programowania logicznego w języku Scheme (dialekt Lispa). Podzielił się z nami swoim doświadczeniem zdobytym w trakcie programowania metod genetycznych i prostych sieci neuronowych w Scheme. Dodatkowo, Maciej przedstawił środowisko programowania wirtualnych robotów.

Drugim prelegentem był Kuba Domaszewicz. Podzielił on się z nami swoim doświadczeniem w zakresie analizy sygnałów EKG. Metody opisywane przez Kubę są wykorzystywane przez aidlab (health tracking wearable assistant).

Kolejne spotkanie już 8.05.2017 – zapraszamy!

17. spotkanie MLGdańsk – algorytm Google AlphaGo / rozpoznawanie obrazów w domenie security

Nasze 17. spotkanie odbyło się 3 kwietnia 2017 roku.

Tym razem wysłuchaliśmy dwóch prelegentów. Pierwszą – świetną – prezentację przedstawił nam Karol Draszawka, który z niezwykłą starannością i zapałem udzielającym się publiczności omówił zawiłości algorytmu AlphaGo. Dzięki Karolowi zagłębiliśmy się we wzory i strukturę pięciu sieci neuronowych stworzonych przez Google w celu pokonania mistrzów Go. Prezentacja była omówieniem artykułu „Mastering the game of Go with deep neural networks and tree search”.

Drugim prelegentem był Piotr Orzechowski z firmy Trineo z Gdyni, który przybliżył nam problematykę zastosowania algorytmów rozpoznawania obrazów w domenie szeroko pojętego „security”.

Następne spotkanie, już za trzy tygodnie – 24.04.2017. Serdecznie zapraszamy!

16. spotkanie MLGdańsk – abdukcyjne programowanie logiczne / Answer Set Programming

16. spotkanie grupy odbyło się 20 marca 2017 na Politechnice Gdańskiej.

Tym razem prelegentem był Robert Różański. Opowiedział nam o swojej pracy doktorskiej pod tytułem „Automatyzacja badań nad metabolizmem przy użyciu abdukcyjnego programowania logicznego”, którą zrealizował na University of Manchaster. Mieliśmy okazję usłyszeć o założeniach pracy, zaprojektowanym systemie i wynikach.

Robert wykorzystał podejście abdukcyjnego programowania logicznego, które zrealizował za pomocą Answer Set Programming. Ten paradygmat programowania jest szczególnie użyteczny w problemach przeszukiwania. Na spotkaniu zapoznaliśmy się z podstawami rozumowania i programowania w zgodzie z tą metodą oraz narzędziami gringo i clasp.

Następne spotkanie odbędzie się 3 kwietnia, jednym z tematów będzie omówienie algorytmu Google’a dla Alpha Go. Serdecznie zapraszamy!

15. spotkanie MLGdańsk – Dataiku Data Science Studio

Nasze 15. spotkanie odbyło się 6 marca.

Tematem spotkania była prezentacja Dataiku Data Science Studio. Jest to narzędzie pozwalające na proste i przyjazne użytkownikowi projektowanie  analiz danych włącznie z czyszczeniem danych oraz trenowaniem modeli prognostycznych. Narzędzie ma dostępne „out-of-the-box” najpopularniejsze algorytmy takie jak drzewa losowe, regresję logistyczną itd. Prelegentem był Marcin Zadroga. Oprócz opisu samego narzędzia Marcin przedstawił w jaki sposób użyć w nim python’a oraz jak Dataiku DSS integruje się z platformą Microsoft Azure.

Następne spotkanie już 20 marca, serdecznie zapraszamy!

14. spotkanie MLGdańsk – transfer learning

Nasze 14. spotkanie odbyło się 20 lutego.

Na spotkaniu dokończyliśmy warsztaty z transfer learning. Dzięki prelegentowi, którym był Adam Brzeski, poznaliśmy techniki w jaki sposób „douczyć” już wytrenowany model sieci dla naszych zastosować. Korzystając z modelu sieci inception, nauczyliśmy ją rozpoznawać wnętrza budynków.

Następne spotkanie już 6 marca, serdecznie zapraszamy!

13. spotkanie MLGdańsk – MBA Innowacje i Analiza danych / transfer learning

13. już spotkanie grupy odbyło się 6 lutego 2017 r.

Pierwszym prelegentem był Adam Karwan. Podzielił się z nami swoimi wrażeniami dotyczącymi programu MBA Innowacje i Analiza danych, którego jest uczestnikiem.

Drugim prelegentem na tym spotkaniu był Adam Brzeski. Dzięki niemu dowiedzieliśmy się więcej o idei transfer learning. Adam poprowadził też warsztaty praktyczne, dzięki którym mieliśmy okazję zastosować transfer learning w uczeniu głębokich sieci neuronowych (z użyciem TensorFlow) w zastosowaniu do rozpoznawania obrazów. Była to pierwsza część warsztatu, kolejna już na następnym spotkaniu 20 lutego, na które serdecznie zapraszamy!

12. spotkanie MLGdańsk – jak symulować życie

12. spotkanie grupy odbyło się 23 stycznia 2017 roku na Politechnice Gdańskiej.

Prelekcję pod tytułem Jak symulować życie – motywacja i zestawienie kluczowych pojęć przedstawił Marcin Kuropatwiński. Prelegent przybliżył nam podstawy teoretyczne oraz pomysł na zbudowanie systemu symulacyjnego, którego elementami podstawowymi byłyby pojedyncze atomy w formie modeli przestrzennych, tworzące symulowane organizmy. Wyzwaniem byłoby zbudowanie takiej symulacji w oparciu o wiedzę pozyskaną z danych mikro i makroskopowych.

Na następne spotkanie, które odbędzie się już 6 lutego zapraszamy w szczególności wszystkich entuzjastów sieci neuronowych.

 

11. spotkanie MLGdańsk – Kaggle Bike Sharing Demand / MLDAS 2016

Nasze jedenaste już spotkanie odbyło się 9 stycznia 2017.

Było to nasze pierwsze spotkanie w Nowym 2017 Roku. Tematem głównym spotkania była prezentacja i omówienie rozwiązania problemu Kaggle Bike Sharing Demand. Piotr Chlebek, który był prelegentem tej części, opisał swoje rozwiązanie, w którym użył sieci neuronowych wykorzystując pakiet keras dla python’a.

Drugim tematem, była relacja z konferencji MLDAS2016 – raport z niej oraz kilka ciekawszych zagadnień na niej poruszonych zaprezentował Marcin Zadroga. Zapowiadana prezentacja dotycząca lasów losowych, pojawi się na jednym z kolejnych spotkań.

Następne spotkanie grupy MLGdańsk, odbędzie się zgodnie z planem, za dwa tygodnie.

10. spotkanie MLGdańsk – rozpoznawanie mowy / Amazon reInvent

10. spotkanie odbyło się 12 grudnia 2016.

Tematem było tym razem zagadnienie rozpoznawania mowy (ASR – automatic speech recognition). Mówiliśmy o MFCC, korpusie Browna, fonemach, transkrypcji fonetycznej i modelach językowych. Prelegentem był Szymon Jessa.

Drugim tematem spotkania, było omówienie nowości związanych z chmurą Amazon AWS tj. Lambda, Lex, Polly, Rekognition, które zostały zaprezentowany podczas spotkania reInvent w Amazon Gdańsk. Tematy te przedstawił Krzysztof Czarnowski.

Serdecznie zapraszamy na nasze kolejne spotkanie, które odbędzie się 9 stycznia 2017. Będziemy mówić o sieciach neuronowych i lasach losowych w zastosowaniu do rozwiązania zadania Kaggle Bike Sharing Demand.

8. i 9. spotkanie MLGdańsk – analiza szeregów czasowych w R

8. i 9. spotkanie grupy MLGdańsk odbyło się odpowiednio 14 listopada i 28 listopada 2016 r.

Tematem spotkań była analiza szeregów czasowych w R.

Rozpoczeliśmy od przyjrzeniu się podstawowym metodom analizy szeregów czasowych, dekompozycji szeregów, trendzie, sezonowości, średniej kroczącej. Mówiliśmy o pakiecie forecast, o modelach AR, MA, ARMA, ARIMA. O modelu regresji liniowej dla szeregów czasowych i funkcji tslm. Dyskutowaliśmy o matematycznych podstawach tych modeli i „intuicjach” z nimi związanymi.

Spotkanie miało charakter prezentacji wraz z częścią interaktywną, tj. wykonywania zadań z prelegentem, którym był Marcin Zadroga.

Serdecznie zapraszamy na kolejne spotkania!

Machine Learning Gdańsk group