Zapowiedź – 103. spotkanie [ONLINE] – Przetwarzanie obrazów hiperspektralnych – modele statystyczne i sieci neuronowe w trzech przykładach

Serdecznie zapraszamy do uczestnictwa ONLINE w 103. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 29.03.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_29032021_nb103
(uwaga: nowy link, korzystamy z jitsi)

Prelegentem będzie dr hab. inż. Przemysław Głomb – profesor Instytutu Informatyki Teoretycznej i Stosowanej PAN
https://www.iitis.pl/pl/person/pglomb
https://www.linkedin.com/in/przemys%C5%82aw-g%C5%82omb-17791634/

Temat prelekcji to:
Przetwarzanie obrazów hiperspektralnych – modele statystyczne i sieci neuronowe w trzech przykładach.

Parę słów od Prelegenta:
„Obrazy hiperspektralne (HS) dają duże możliwości poznania właściwości substancji w obserwowanej scenie. Umożliwia to realizację wielu zadań, np. ocenę zaawansowania choroby drzewostanu, poszukiwania minerałów, ocenę stopnia zepsucia owoców, diagnostykę ran oparzeniowych, szacowanie wieku śladów krwi w analizie kryminalistycznej i wiele innych.

Celem prezentacji będzie przedstawienie trzech wybranych studiów przypadku budowy algorytmów przetwarzania HS: klasyczne modele statystyczne; algorytm łączący elementy statystyczne i sieci neuronowe oraz sieci neuronowe głębokiego uczenia.

Obszary tematyczne studiów przypadku to: detekcja śladów krwi w scenie, identyfikacja pigmentów w obrazach z kolekcji muzealnej, identyfikację substancji na obrazach teledetekcyjnych (ang. remote sensing).

Zapraszam do udziału :)”

Zapowiedź – 102. spotkanie [ONLINE] – Sztuczna inteligencja w medycynie na przykładzie rozpoznawania złośliwości guzów nerek

Serdecznie zapraszamy do uczestnictwa ONLINE w 102. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 15.03.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_15032021_nb102
(uwaga: nowy link, korzystamy z jitsi)

Prelegentem będzie Aleksander Obuchowski z radiato.ai
https://radiato.ai/
https://www.linkedin.com/in/aleksander-obuchowski/

Temat prelekcji to:
Sztuczna inteligencja w medycynie na przykładzie rozpoznawania złośliwości guzów nerek

Parę słów od Prelegenta:
„Na prezentacji opowiemy o systemie do rozpoznawania złośliwości guzów nerek opracowanym przez grupę radiato.ai na Politechnice Gdańskiej.

Na jego przykładzie opowiemy też szerzej o sztucznej inteligencji w
medycynie, o architekturach, pre-processingu i metodach transferu
wiedzy.”

Serdecznie zapraszamy!

Zapowiedź – 101. spotkanie [ONLINE] – Kwantowe sieci neuronowe – podejście praktyczne

Serdecznie zapraszamy do uczestnictwa ONLINE w 101. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 22.02.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_22022021_nb101
(uwaga: nowy link, korzystamy z jitsi)

Prelegentem będzie dr hab. inż. Piotr Gawron
https://www.linkedin.com/in/gawron/
https://pgawron.github.io/

Temat prelekcji to:
Kwantowe sieci neuronowe – podejście praktyczne

„Niedawne sukcesy sztucznych sieci neuronowych oraz pojawienie się pierwszych komputerów kwantowych doprowadziło do powstania nowej dziedziny kwantowego uczenia maszynowego.

Istnieje nadzieja, że komputery kwantowe będą pozwolą na budowanie lepszych i szybszych modeli uczenia maszynowego.

Chociaż badanych jest wiele podejść, podczas tego wykładu skupimy się tylko na klasie modeli uczenia maszynowego wywodzących się z wariacyjnych algorytmów kwantowych.

Modele te nazywane są kwantowymi sieciami neuronowymi. To podejście jest interesujące, ponieważ umożliwia osadzanie komputerów kwantowych w klasycznych grafach przetwarzania sieci neuronowych.”

Serdecznie zapraszamy!

Zapowiedź – 100. spotkanie [ONLINE] – Digital Innovation Hub DiH4.AI

Serdecznie zapraszamy na jubileuszowe 100. spotkanie ONLINE grupy MLGdańsk. #mlgdansk

Spotkanie odbędzie się w poniedziałek, 08.02.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_08022021_nb100
(uwaga: nowy link, korzystamy z jitsi)

Będziemy gościć przedstawicieli trójmiejskiego Digital Innovation Hub – https://dih4.ai

Mateusz Dyrda opowie o DIHu, natomiast Jacek Kawalec o biznesie i AI.

Parę słów o prelegentach:

Mateusz Dyrda
Dyrektor Hubu Innowacji Cyfrowych DIH4.AI, Prezes Stowarzyszenia Robotyków SKALP, konstruktor, robotyk, ale też edukator i animator społeczności. Studiował filozofię na Uniwersytecie Gdańskim oraz nanotechnologie na Politechnice Gdańskiej. Członek wielu zespołów pracujących nad pojazdami autonomicznymi i innowacyjnymi produktami. Od wielu lat zaangażowany w trójmiejską społeczność fab labów i makerspace’ów. Ze sportów najbardziej lubi wygrywać hackathony i latać dronami wyścigowymi.

Jacek Kawalec
Absolwent Wydziału Psychologii Katolickiego Uniwersytetu Lubelskiego. Doświadczenie zdobywał m.in. w Oracle w USA, od 1995 r. współzałożyciel i udziałowiec portalu Wirtualna Polska (wp.pl), gdzie odpowiadał za rozwój technologii. Ten ogólnotematyczny portal był jednym z pierwszych tego typu podmiotów na krajowym rynku i szybko uzyskał wysoką popularność i rozpoznawalność przez kilkanaście milionów użytkowników miesięcznie. Po sprzedaży Wirtualnej Polski w 2005 roku zajmował się inwestowaniem w start-upy. Od 2012 roku związany z Voicelab.ai początkowo jako inwestor pasywny a później od 2015 roku jako Wiceprezes.

Serdecznie zapraszamy!

99. spotkanie [ONLINE] – Ile mleka produkuje krowa? R w środowisku produkcyjnym.

Spotkanie MLGdańsk #99 odbyło się 25 stycznia 2021 r.

Mateusz Bogdański, Senior Data Scientist z firmy Arla przedstawił prezentację pt.: „Ile mleka produkuje krowa? R w środowisku produkcyjnym

Mateusz przedstawił problem prognozowania produkcji mleka oraz jakie czynniki wpływają na wysokość produkcji (np. cena paszy). Następnie opisał model autoregresywny, służący do predykcji oraz usprawnienia jakie poczynił zespół w celu polepszenia dokładności prognozy.

Model został stworzony w języku R, natomiast obsługa modelu w środowisku produkcyjnym zapewniona została przy wykorzystaniu języka C#.

Na koniec prezentacji Mateusz opisał czego nauczył się zespół w trakcie realizacji projektu.

Link do nagrania:
?https://www.youtube.com/watch?v=m1-GrNgEaZ4

Link do slajdów:
?MLGdańsk #99 Mateusz Bogdański – Ile mleka produkuje krowa

Zapowiedź – 99. spotkanie [ONLINE] – Ile mleka produkuje krowa? R w środowisku produkcyjnym.

Serdecznie zapraszamy do uczestnictwa ONLINE w 99. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 25.01.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_25012021_nb99
(uwaga: nowy link, korzystamy z jitsi)

Prelegentem będzie Mateusz Bogdański
(Senior Data Scientist w Arli, pracuje nad doktoratem z ekonometrii na UG)

Temat prelekcji to:
Ile mleka produkuje krowa? R w środowisku produkcyjnym.

„W Arli, która jest spółdzielnią mleczarską, najważniejszym elementem łańcucha wartości jest mleko. Z tego powodu podstawowym pytaniem, z jakim musimy się zmierzyć, aby dobrze zaplanować logistykę, produkcję oraz dystrybucję jest – jaka ilość mleka będzie produkowana w najbliższych miesiącach oraz latach.

Podczas wystąpienia przedstawię w jaki sposób użyliśmy uczenia maszynowego w celu poprawienia naszej zdolności prognozowania oraz jak udało się przejść etap od pierwszej wersji do środowiska produkcyjnego.”

Serdecznie zapraszamy!

Zapowiedź – 98. spotkanie [ONLINE] – Monitorowanie zachowań ludzi w budynkach

Serdecznie zapraszamy do uczestnictwa ONLINE w 98. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 11.01.2021, godz. 18:00

link do spotkania: https://meet.jit.si/MLGdansk_11012021_nb98 (uwaga: nowy link, korzystamy z jitsi)

Prelegentem będzie – Jakub Dziedzic
(doktorant Politechniki Krakowskiej i NTNU Trondheim (Norwegia), współpracuje z PICTEC)

Temat prelekcji to: Monitorowanie zachowań ludzi w budynkach

Projektowanie i użytkowanie budynków czerpie pod względem technologicznym z wielu dziedzin z inżynierii lądowej i mechanicznej.

Pomimo zaawansowanego poziomu rozwoju tych gałęzi inżynierii, użytkownicy budynków są opisywani uproszczonymi metodami statystycznymi. Jest to uzasadnione brakiem danych o wysokim stopniu granulacji.

W celu zmiany obecnego stanu wiedzy zaproponowano opracowanie metody pomiarowej, która będzie w stanie dostarczyć informacje o sposobie zachowania ludzi w budynkach. Ze względu na wrażliwość pozyskiwanych danych zaproponowano użycie kamery głębokościowej (RGB-D).

*Prezentacja Jakuba jest oparta na jego doktoracie.

Serdecznie zapraszamy!

97. spotkanie [ONLINE] – Wykrywanie obiektów na obrazie

Spotkanie MLGdańsk #97 odbyło się 14 grudnia 2020 r.

Karol Majek, właściciel firmy Cufix, prowadzący bloga deepdrive.pl oraz mentor w programie Udacity Self-Driving Car Nanodegree przedstawił prezentację pod tytułem „Wykrywanie obiektów na obrazach

Prezentacja jest ciekawym materiałem zarówno dla początkujących jak i zaawansowanych praktyków uczenia maszynowego.

Na wstępie Karol wyjaśnił zagadnienia oraz pojęcia związane z zadaniami detekcji oraz segmentacji obrazów. Następnie opisał najnowocześniejsze architektury sieci neuronowych, niektóre liczące zaledwie kilka miesięcy. Zainteresowani użyciem tych rozwiązań znajdą w nagraniu przegląd frameworków oraz narzędzi, które mogą być pomocne w tworzeniu systemów analizy obrazu.

Po prezentacji wywiązała się interesująca dyskusja na temat algorytmów, pojazdów autonomicznych oraz implementacji sieci neuronowych na urządzeniach mobilnych.

Link do nagrania:

?https://www.youtube.com/watch?v=xPimQUoW6aY

Zapowiedź – 97. spotkanie [ONLINE] – Wykrywanie obiektów na obrazie

Serdecznie zapraszamy do uczestnictwa ONLINE w 97. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 14.12.2020, godz. 18:00

link do Jitsi: https://meet.jit.si/MLGdansk_14122020_nb97
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Karol Majek (https://www.linkedin.com/in/karolmajek/)

Temat prelekcji to: Wykrywanie obiektów na obrazie

Dr inż. Karol Majek, były mentor programu Udacity Self-Driving Car Nanodegree, obecnie prowadzi firmę Cufix zajmującą się szkoleniami i konsultacjami wykorzystania głębokiego uczenia do analizy obrazu. Brał udział w licznych zawodach robotów i pojazdów autonomicznych takich jak ELROB, DARPA VRC, Enrich, Self-Racing Cars, F1/10.

Karol prowadzi bloga https://deepdrive.pl/ poświęconego tematyce głębokich sieci neuronowych, samochodów autonomicznych i robotyki.

Podczas prezentacji przedstawione zostaną zagadnienia wykrywania obiektów oraz historia metod. Zaprezentowane zostaną popularne obecnie metody, frameworki i zbiory danych z których warto korzystać w tworzeniu systemów wizyjnych.

Serdecznie zapraszamy!

96. spotkanie [ONLINE] – MLOps: Data Science End to End

Spotkanie MLGdańsk #96 odbyło się 30.11.2020 r. #mlgdansk

Amadeusz Lisiecki, na co dzień pracujący w firmie Roche jako “MLOps Engineer” oraz działający w Hackerspace Pomorze przybliżył nam co kryje się pod zagadkowym akronimem MLOps. #mlops #machinelearning

Tytuł prelekcji Amadeusza to: „MLOps: Data Science End-to-End”.

MLOps to zbiór dobrych praktyk i narzędzi stosowanych w tworzeniu systemów informatycznych wykorzystujących uczenie maszynowe. Metodyka powstała na wzór popularnej obecnie oraz sprawdzonej metodyki DevOps.

Tworzenie jak i utrzymywanie rozwiązań software’owych używających metod uczenia maszynowego różni się od tworzenia standardowych produktów informatycznych. 

Opracowanie takich systemów wiąże się z wyzwaniami w sposobie ich wdrażania, monitorowania i utrzymywania. Typowymi problemami w cyklu ich życia są: reprodukowalność eksperymentów, trenowanie modeli, wydajne serwowanie modeli na produkcji. Wskazane jest oczywiście wdrożenie CI/CD oraz specyficznego dla MLOps procesu CT – continuous training.

Amadeusz poruszył te zagadnienia w swojej prelekcji. Przedstawił zarys metodyk MLOps oraz opisał pomocne narzędzia.

Pierwszym z przedstawionych narzędzi było Kedro, które umożliwia tworzenie wygodnych pipelinów dla zadań ML. Framework Kedro powstał w Pythonie, dobrze współpracuje z notatnikami Jupyter oraz zawiera przydatne abstrakcje wspomagające tworzenie różnych wariantów eksperymentów i modeli. 

Na koniec Amadeusza przedstawił Kubeflow, czyli zestaw narzędzi dedykowanych uczeniu maszynowemu dla Kubernetesa. Kubeflow znacznie upraszcza pracę ze złożonymi pipelinami w systemach ML, oraz umożliwia łatwe skalowanie systemów.

Prezentacja ze spotkania dostępna po tym linkiem.

Nagranie ze spotkania:
??https://www.youtube.com/watch?v=I7v9pl702Wo&feature=youtu.be

Dodatkowe materiały:

Zapowiedź – 96. spotkanie [ONLINE] – MLOps: Data Science End to End

Serdecznie zapraszamy do uczestnictwa ONLINE w 96. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 30.11.2020, godz. 18:00

link do Jitsi: https://meet.jit.si/MLGdansk_30112020_nb96
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Amadeusz Lisiecki (https://www.linkedin.com/in/amadeusz-lisiecki-5a521840/)

Temat prelekcji to: MLOps: Data Science End to End

Opis prelekcji:
Przyjrzymy się pracy Data Scientistów nad środowiskami produkcyjnymi, zgłębiając napotykane przez nich problemy. Dowiemy się jakie procesy i narzędzia, mające rozwiązywać te problemy, kryją się za praktyką MLOps, którą starają się wdrażać duże organizacje.

Serdecznie zapraszamy!

95. spotkanie [ONLINE] – EY Document Intelligence – NLP Solutions

Spotkanie MLGdańsk #95 odbyło się online 16 listopada 2020r.

Prelegentem był Adam Karwan (https://www.linkedin.com/in/akarwan), pracujący w EY GDS Poland w Warszawie.

Temat przedstawionej prelekcji to „EY Document Intelligence – NLP Solutions”.

Adam rozpoczął od przedstawienia EY oraz inicjatyw i projektów dotyczących sztucznej inteligencji w firmie.

Głównym tematem prezentacji było rozwiązanie EY Document Intelligence, służące do przetwarzania dokumentów oraz automatycznej klasyfikacji ich treści. Adam opisał architekturę systemu, oraz niektóre algorytmy opracowane przez inżynierów EY, które mają usprawnić analizę dokumentów. Algorytmy te, w szczególności polepszają jakość procesu OCR.

Następnie, zobaczyliśmy demo systemu oraz posłuchaliśmy o procesie anotacji dokumentów w celu stworzenia zbioru uczącego.

Na koniec Adam przybliżył nam ideę programu Trusted AI. Jest to sposób na prowadzenie projektów AI wdrażany przez EY. Proces ten ma zapewnić zintegrowane podejście do oceny, kwantyfikacji i monitorowania wpływu i wiarygodności systemów opartych o sztuczną inteligencję.

Prelekcja ta była przedstawiona też na konferencji Ghost Day (https://ghostday.pl)

Dodatkowe materiały:

Zapowiedź – 95. spotkanie [ONLINE] – EY Document Intelligence – NLP Solutions

Serdecznie zapraszamy do uczestnictwa ONLINE w 95. spotkaniu grupy MLGdańsk.

Spotkanie odbędzie się w poniedziałek, 16.11.2020, godz. 18:00

link do Jitsi: https://meet.jit.si/MLGdansk_16112020_nb95
(uwaga: na każde spotkanie mamy nowy link!)

Prelegentem będzie Adam Karwan (https://www.linkedin.com/in/akarwan/)

Temat prelekcji to: EY Document Intelligence – NLP Solutions

Opis prelekcji:
Information extraction from a huge number of documents is a challenging task. Documents are in multiple formats such as textual, tabular, layout template e.g. invoices and tax forms. In companies very often people have to deal with scans containing additional noise and distortions. Therefore, automating is important for improving reading and interpreting large volumes of textual and numerical data. The presentation will touch areas of computer vision and natural language processes applications and solutions that speed up document processing.

Serdecznie zapraszamy!

94. spotkanie – Application of deep learning in medical genetics and cancer diagnostics

Spotkanie MLGdańsk #94 odbyło się online 19 października 2020 r.

Prelegentem był Tomasz Stokowy (https://www.uib.no/en/persons/Tomasz.Stokowy), pracujący na Uniwersytecie w Bergen.

Temat przedstawionej prelekcji to „Application of deep learning in medical genetics and cancer diagnostics”.

Tomasz rozpoczął prelekcję od wprowadzenia w zagadnienia związane z biologią i genetyką – znaczenie DNA, sposoby odczytywania DNA, postęp w technologii sekwencjonowania genomu ludzkiego. Dla zobrazowania tego postępu, warto przytoczyć fakt, że około 2000 roku koszt zsekwencjonowania ludzkiego genomu wynosił kilkaset milionów dolarów, obecnie wynosi niecałe tysiąc dolarów.

Innym ciekawym faktem, który mówi dużo o złożoności problemy analizy DNA jest to, że jeśli zbadamy DNA dwóch różnych osób, to różnice w sekwencji będą stanowiły zaledwie 0.1% całości genomu. A jeśli porównamy DNA człowieka i szympansa, to różnice zauważymy w zaledwie 1%. DNA człowieka jest sekwencją składającym się z 3 miliardów pozycji, które mogą przyjąć jedną z 4 wartości. Jest to rozmiar tak duży, że praca z takim materiałem jest bardzo trudna bez technik analizy danych.

W swojej prezentacji prelegent zaprezentował typy zmian, które mogą zachodzić w DNA oraz choroby jakie mogą powodować. Zmiana zaledwie jednej pozycji DNA może być przyczyną choroby. Wiele takich zmian w nieodpowiednich miejscach może prowadzić do nowotworów. Czynnikami, które mogą powodować takie zmiany (a co za tym idzie powodować większe ryzyko wystąpienia nowotworu) są m.in.: wiek, palenie papierosów, ekspozycja na promieniowanie UV czy czynniki dziedziczne.

W trakcie prezentacji, przedstawione zostały zadania, w których uczenie maszynowe może ułatwić pracę osób, zajmujących się genetyką. Takie zadania to np. wykrywanie pojedynczej zmiany w kodzie genetycznym oraz wykrywanie charakterystycznych  wzorców wielu zmian.

Przedstawiona została metoda Deep Variant, oparta o głębokie sieci neuronowe umożliwiająca identyfikację pojedynczej zmiany w genomie. W tej metodzie zadanie analizy genomu przekształcone jest do zadania analizy obrazu. Dzięki temu z powodzeniem można zastosować konwolucyjne sieci neuronowe. Dodatkowo oprócz samego genomu, metoda umożliwia dostarczenie dodatkowych cech, np. danych mówiących o jakości odczytu. Metoda Deep Variant zapewnia dokładniejsze wyniki niż inne stosowane rozwiązania.

Na koniec prezentacji Tomasz przedstawił swoje prace dotyczące wykrywania rzadkich chorób genetycznych. Prezentacja wywołała żywą dyskusję, w której poruszono tematy rynku biotechnologicznego w Polsce i na świecie, możliwości finansowania projektów, dostęp do danych, oraz możliwości stosowania technik uczenia maszynowego w biologii.

Jak widać, spotkanie oprócz poznania technicznych aspektów związanych z pracą prelegenta, było również interesującą lekcją „biologii stosowanej”.

Prezentacja ze spotkania dostępna po tym linkiem.

Dodatkowe materiały:
https://ai.googleblog.com/2017/12/deepvariant-highly-accurate-genomes.html
https://github.com/google/deepvariant
https://www.genome.gov/about-genomics/fact-sheets/Sequencing-Human-Genome-cost


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!