Spotkanie odbyło się 5.06.2017 r. na Politechnice Gdańskiej.
Prelegentem był Łukasz Czekaj, który opowiedział o Modelach Bayesowskich w JAGS ( http://mcmc-jags.
Prezentacja ze spotkania: MLGdańsk21 – Modele 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.
Prezentacja ze spotkania: MLGdańsk21 – Modele Bayesowskie
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!
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!
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!
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 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!
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!
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. 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 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.
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 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 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!
Kolejne spotkanie naszej grupy odbyło się 17 października 2016 r.
Tym razem prelegentem był Adam Karwan, który przedstawił raport z konferencji Data Science in Aviation.
Pozostałą część spotkania wypełniła żywa dyskusja na temat ciekawych problemów oraz kierunków rozwoju naszej grupy.
Spotkanie odbyło się 3 października 2016 na Politechnice Gdańskiej.
Tematem było omówienie zagadnienia Manifold Learning. Temat ten został przedstawiony przez Krzysztofa Czarnowskiego. Dzięki niemu zapoznaliśmy się z podstawami tej metody uczenia maszynowego.
Następne nasze spotkanie już za dwa tygodnie, zapraszamy!