Spotkania – grafik

Poniżej znajduje się grafik grupy MLGdańsk na rok 2021. Będą tutaj umieszczane tematy naszych kolejnych spotkań, kiedy już zostaną ustalone.

Prezentacje i materiały z poprzednich spotkań dostępne są na repozytorium grupy: https://github.com/mlgdansk/meetings

Osoby zainteresowane zaprezentowaniem swojego tematu zapraszamy do kontaktu! Dane do kontaktu znajdują się na stronie „O nas”.

Planowany grafik na 2022 (wstępny):

DataTemat spotkania
2022.01.10 / 118 online
2022.01.24 / 119 online deepsense.ai
2022.02.07 / 120 online
2022.02.21 / 121 online
2022.03.07 / 122 online
2022.03.21 / 123 online Filip Żarnecki, Michał Laskowski
TBD
2022.04.04 / 124 Michał Marcińczuk (Samurai Labs)
2022.04.25 / 125

Grafik 2021:

DataTemat spotkania
2021.01.11 / 98 onlineJakub Dziedzic
(NTNU Trondheim/Politechnika Krakowska)
Monitorowanie zachowań ludzi w budynkach
2021.01.25 / 99 onlineMateusz Bogdański (Arla)
Ile mleka produkuje krowa? R w środowisku produkcyjnym.
2021.02.08 / 100 online100-spotkanie

Gość specjalny i prelekcja od Digital Innovation Hub
https://dih4.ai/
2021.02.22 / 101 onlinePiotr Gawron (PAN IITiS)
Elementy kwantowego uczenia maszynowego
https://iitis.pl/pl/person/pgawron
2021.03.15 / 102 onlineAleksander Obuchowski (radiato.ai)
Sztuczna inteligencja w medycynie na przykładzie rozpoznawania złośliwości guzów nerek
2021.03.29 / 103 onlinePrzemysław Głomb (PAN IITiS)
Przetwarzanie obrazów hiperspektralnych – modele statystyczne i sieci neuronowe w trzech przykładach.
2021.04.12 / 104 onlineTomasz Iżycki (dLabs)
Introduction to Deep Learning for Face Recognition
2021.04.26 / 105 onlineTomasz Dołbniak (Intel)
Deep Learning od środka – na przykładzie nGraph i OpenVINO
2021.05.10 / 106 onlineBartłomiej Borzyszkowski (ETI PG, Intel)
Neuromorphic computing w fizyce wysokich energii – zastosowania w CERN i LIGO
2021.05.24 / 107 onlineMichał Czubenko (ETI PG)
Inteligentny System Decyzyjny jako model procesów psychologicznych
2021.06.07 / 108 onlineTymoteusz Cejrowski (smartula.eu)
O czym rozmawiają pszczoły? Uczenie maszynowe w kontekście monitorowania pasiek pszczelarskich
2021.06.28 / 109 onlinePaweł Rościszewski (ETI PG)
„Mój projekt potrzebuje 6 GPU do Wtorku, mamy jakieś dostępne?”, czyli jak organizować współdzielenie GPU z pomocą narzędzia TensorHive
2021.07 / 110 na żywo!5 lat MLGdańsk
2021.09.06 / 111 online Tom Merrit (Amazon)
Low-resource expressive text-to-speech using data augmentation
2021.09.20 / 112 online Robert Różański
Classification of Endometrial cancer using Machine Learning – podsumowanie projektu
2021.10.11 / 113 online Agnieszka Mikołajczyk
Mitigating bias with Targeted Data Augmentations
2021.10.25 / 114 na żywo!MLGdańsk po godzinach
nieformalne spotkanie w „Nowy Browar Gdański”
2021.11.08 / 115 onlineMarcin Bodych (MOCOS, Politechnika Wrocławska)
Model agentowy epidemii COVID-19 grupy MOCOS
2021.11.22 / 116 onlineŁukasz Czekaj
O badaniach klinicznych, telemedycynie i COVID-19
2021.12.13 / 117 online

Spotkania, które odbyły się w 2020 roku:

DataTemat spotkania
2020.01.13 / 78Sebastian Cygert 
A Probabilistic U-Net for Segmentation of Ambiguous Images
2020.01.27 / 79Krzysztof Pastuszak – spotkanie na GUMed
Wykrywanie raka jajnika z wykorzystaniem rozpoznawania obrazów
2020.02.10 / 80Arkadiusz Kwasigroch 
Algorytmy uczenia self-supervised w przetwarzaniu obrazów.
2020.02.24 / 81Grzegorz Beringer (Amazon)
Automated Assessment of Pronunciation in L2-English
2020.03.09 / 82Arkadiusz Kwasigroch 
Od rozkładu Gaussa do wariancyjnych autoenkoderów
2020.03.23 / 83 onlineAdam Władziński
Metody PCA i SVM przy przetwarzaniu widm ramanowskich krwi
2020.04.06 / 84 onlineAdam Gabryś (Amazon)
Normalizing Flows – in the search for models that correctly describe the processes that produce data
2020.04.20 / 85 onlineAdam Karwan (EY) Omówienie procesu patentowego i algorytmu optymalizacji drzew decyzyjnych dla celów RPA – Robotic Process Automation. 
2020.05.18 / 86 onlineAleksander Obuchowski (SentiOne)
Deep learning behind chatbots and automatic answering systems
2020.06.01 / 87 onlineKrzysztof Czuszyński (Solwit)
Regularizing and distilling knowledge nicely with tf Datasets
2020.06.15 / 88 onlineRobert Różański
Introduction to causal discovery and inference
2020.06.29 / 89 onlineTadeusz Balcer (DNV GL)
GeoTrackNet – A Maritime Anomaly Detector using Probabilistic Neural Network Representation of AIS Tracks and A Contrario Detection
2020.08.03 / 90 – 4-lata MLGdańskspotkanie MLGdańsk lato 2020 – na żywo – Polufka
2020.09.07 / 91 onlineMichał Maj
Pakiet „platypus” – detekcja obiektów i segmentacja obrazów w R możliwa w kilku linijkach kodu.
2020.09.21 / 92 onlineSebastian Cygert (PG)
Robustness in Computer Vision
2020.10.05 / 93 onlineRobert Różański
A Framework for Understanding Unintended Consequences of Machine Learning
2020.10.19 / 94 onlineTomasz Stokowy (Bergen University)
Application of deep learning in medical genetics and cancer diagnostics
2020.11.16 / 95 onlineAdam Karwan (EY)
EY Document Intelligence – NLP Solutions
2020.11.30 / 96 onlineAmadeusz Lisiecki 
MLOps: Data Science End to End
2020.12.14 / 97 onlineKarol Majek
Wykrywanie obiektów na obrazie



Spotkania, które odbyły się w 2019 roku:

DataTemat spotkania
2019.01.07 / 56Sebastian Cygert
Relacja z konferencji PL in ML

Robert Bajko
Przedstawienie inicjatywy AIBay – Zatoka Sztucznej Inteligencji
2019.01.21 / 57Krzysztof Czarnowski
Relacja ze spotkania inauguracyjnego klubu AI-Bay na PG
2019.02.18 / 58Dyskusja na temat inicjatyw MLGdańsk i AIBay
2019.03.04 / 59Daniel Korzekwa (Amazon)
Probabilistic deep learning model for detection and reconstruction of dysarthric speech
2019.03.18 / 60Grupa dyskusyjna + spotkanie w Mechanicznej Pomarańczy
2019.04.01 / 61Robert Różański
The potential of Machine Learning in biology
2019.05.13 / 62Łukasz Czekaj
Jak sobie radzić z adnotacjami gdy eksperci są mało wiarygodni?
2019.05.27 / 63Marek Trojanowicz, Adam Brzeski
BrainScan – System wspomagający analizę badań obrazowych TK głowy
2019.06.17 / 64Daniel Korzekwa, Adam Gabrys (Amazon)
Warsztaty:
Reconstruction and adaptation of a temporal signal with variational auto encoders (VAE) in MXNet

Zapowiedź spotkania
2019.06.24 / 65Piotr Ćwikliński
Short overview of quantum computing and quantum machine learning
2019.07.08 / 66Artur Fierka (wp.pl)
Uczenie maszynowe na (super) produkcji
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.
2019.07.22 / 67 – 3 lata MLGdańsk!Jakub Lachowicz, Piotr Wierzgała
Metody NLP

Prezentacja będzie przekrojową podróżą przez metody NLP. 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)
2019.08.05 / 68Robert Różański
Uczenie maszynowe i medycyna – klasyfikacja nowotworów trzonu macicy
Zapowiedź spotkania
2019.08.19 / 69Piotr Lewandowski
Neural ODE
Prezentacja będzie dotyczyła Neural Ordinary Differential Equations. Omówiona będzie teoria, zaimplementujemy kluczowe elementy niezbędne do budowy sieci Neural ODE, a następnie zastosujemy ją do rozwiązania prostego problemu.
2019.09.02 / 70Spotkanie w Pubie Polufka
2019.09.16 / 71Spotkanie na meetupie Kafka w OBC
2019.09.30 / 72Robert Różański
Hackowanie RandomizedSearchCV z Scikit Learn
Na prezentacji pokażę jak stworzyć własne metody do przeszukiwania przestrzeni hiperparametrów, korzystając z narzędzi dostarczonych przez Scikit Learn
2019.10.14 / 73Marcin Lisowski
Wprowadzenie do optymalizacji Bayesowskiej
2019.10.28 / 74PICTEC, Stanisław Raczyński
Prezentacja firmy PICTEC i ich projektów
2019.11.18 / 75Dariusz Zapała, KUL
Przetwarzanie sygnału w interfejsach mózg-komputer. Perspektywy i ograniczenia
2019.11.25 / 76Szymon Zaborowski, temat:
ML in PySpark
2019.12.09 / 77Patryk Wyżgowski, temat:
Topologiczna analiza danych – Homologia persystentna

Spotkania, które odbyły się w 2018 roku:

DataTemat spotkania
2018.01.15 / 34Piotr Chlebek
Introduction to Capsule Networks
2018.01.29 / 35Robert Różański
Dług technologiczny w projektach ML

Karol Gryń
Zarządzanie czasem życia baterii z użyciem technik uczenia maszynowego
2018.02.17 / 36prof. dr hab. inż. Sławomir Wierzchoń
Spektralna analiza skupień (prezentacja w PDF)
2018.03.05 / 37Szymon Jessa
ELIZA – A Computer Program For the Study of Natural Language Communication Between Man And Machine
2018.03.19 / 38dr Joanna Redzimska
Metafory w naszym życiu – perspektywa językoznawcy
2018.04.16 / 39Sebastian Wróbel
Prezentacja startupu a’Pear
2018.04.30 / 40Karol Draszawka
Extreme Multi-Label Classification – State Of The Art
2018.05.10 /
spotkanie specjalne
Chris Rowen, PhD – CEO at BabbleLabs
Deep Learning Revolution
2018.05.14 / 41Łukasz Czekaj
O wielorękich bandytach, nieuczciwych kasynach i
sprytnych statystykach
2018.05.28 / 42 Arkadiusz Śmigielski, Tomasz Borzyszkowski – OptiNav
Prezentacja firmy OptiNav – technologia, projekty, plany
2018.06.11 / 43Robert Różański, Marcin Zadroga
Spotkanie przygotowujące do mini-hackatonu współorganizowanego przez hackerspace i MLGdańsk
2018.06.25 / 44Karol Draszawka
Warsztat: Introduction to RNN
2018.07.09 / 45Sebastian Wróbel
Hybrid intelligence
2018.07.23 / 46Piotr Chlebek
Propagacja wsteczna błędu w sieciach neuronowych – dla początkujących
2018.08.06 / 47Andrea Zanetti (Intel)
Introduction to GANs
2018.08.20 / 48MLGdańsk po godzinach – nieformalne spotkanie w Pizzeria PRL
2018.09.03 / 49Marcin Lisowski
Monitoring topologii sieci elektroenergetycznej – podejście probabilistyczne
2018.09.17 / 50Jubileuszowe spotkanie – 2 lata MLGdańsk!
2018.10.01 / 51Artur Fierka, Tomasz Potęga
Machinelles Lernen – w walce ze spamem i „niemieckimi” naukowcami
2018.10.15 / 52Adam Karwan
Automatyzacja procesów biznesowych z zastosowanie metod sztucznej inteligencji
2018.10.29 / 53Robert Różański
Relational inductive biases, deep learning, and graph networks
2018.11.15 / 54Maciej Karpicz (DLABS)
ML w procesie klasyfikacji dokumentów
2018.12.10 / 55Sebastian Cygert
Deep Nets – What they have ever done for vision?

Spotkania, które odbyły się w 2017 roku:

DataTemat spotkania
2017.01.09 / 11Piotr Chlebek
Prezentacja rozwiązania Kaggle Bike Sharing Demand

Marcin Zadroga
Relacja z konferencji MLDAS2016
2017.01.23 / 12Marcin Kuropatwiński
Jak symulować życie – motywacja i zestawienie kluczowych pojęć
2017.02.06 / 13Adam Karwan
Prezentacja studiów: MBA Innowacje i Analiza danych

Adam Brzeski
Warsztaty: Transfer Learning #1
2017.02.20 / 14Adam Brzeski
Warsztaty: Transfer Learning #1
2017.03.06 / 15Marcin Zadroga
Narzędzia DS: Dataiku Data Science Studio
2017.03.20 / 16Robert Różański
Automatyzacja badań nad metabolizmem przy użyciu abdukcyjnego programowania logicznego
2017.04.03 / 17Karol Draszawka
Omówienie artykułu opisującego algorytm AlphaGo

Piotr Orzechowski (Trineo)
Problematyka rozpoznawania obrazów w domenie „security”
2017.04.24 / 18Maciej Godek
Jakub Domaszewicz
2017.05.08 / 19Marcin Zadroga
Drzewa i lasy losowe – przegląd
2017.05.22 / 20Krzysztof Czarnowski
Support Vector Machines and Kernels
2017.06.05 / 21Łukasz Czekaj
Modele bayesowskie w JAGS
2017.06.20 / 22Meetup – MLGdańsk Lightning talks
Spotkanie otwarte organizowane razem z hackerspace
2017.07.03 / 23Adam Wróbel
Machine comprehension with neural nets – chinese rooms?

Piotr Chlebek
Self Organizing Map for MNIST data classification
2017.07.17 / 24Adam Karwan
Algorytmy geometrii rzutowej wraz z analizą wrażliwości w zadaniu odtwarzania obiektów 3D
2017.07.31 / 25Grupowe forum dyskusyjne
2017.08.21 / 26Maciej Godek
Symulacja robotów humanoidalnych
2017.09.04 / 27Grupowe forum dyskusyjne
2017.09.18 / 28Szymon Jessa
Dobre praktyki w projektach ML #1
2017.10.02 / 29Adam Wróbel
Deep Reinforcement Learning – Environments Tour

Piotr Januszewski
Q-learning
2017.10.23 / 30Szymon Jessa
Dobre praktyki w projektach ML #2
2017.11.06 / 31Szymon Jessa
Dobre praktyki w projektach ML #3
2017.11.13 / 32Robert Różański
Przykłady mylące w uczeniu maszynowym
2017.11.27 / 33Marcin Zadroga, Adam Karwan
Raport z konferencji Advanced Analytics and Data Science by SAS Institute & SGH