Otwarcie spotkania

How to join AI?

Niektórzy uważają AI za chwilową modę, która przeminie jak wiele innych. Inni uważają, że jesteśmy na początku wielkiej rewolucji porównywalnej ze stworzeniem tranzystora. Faktem jest, że żyjemy w interesujących czasach i warto choćby zainteresować się AI.
Prezentacja będzie o ciekawostkach technologicznych związanych z AI – w szczególności dedykowanym sprzęcie i problemach jakie musimy rozwiązać. Potem przejdę do starych i nowych zawodów w tej branży (w szczególności związanych z deep learningiem). Opowiem trochę o umiejętnościach, zadaniach i zakresie odpowiedzialności inżynierów pracyjących z AI. Skupię się na temacie – „od czego właściwie zacząć?” i jak wykorzystując posiadane umiejętności z innych dołączyć do projektów deep learningowych. Powiem też kilka słów o co dopytywać na rozmowach rekrutacyjnych i czego unikać szukając projektów AI.
Czytaj więcej

Uczenie maszynowe na strumieniu danych

Uczenie maszynowe staje się coraz ważniejsze dla naszych produktów. Nasze systemy powiększają się, wytwarzając coraz więcej danych, a użytkownicy oczekują wyników w czasie rzeczywistym. Z drugiej strony nasze rzeczywiste scenariusze biznesowe zmieniają się jeszcze szybciej - nawet krytyczne wzorce zmieniają się w ciągu kilku godzin.
W swoim wystąpieniu chciałem przybliżyć kilka aspektów uczenia maszynowego opartego o strumień danych, np. o strumień zdarzeń (szczególnie popularny w systemach opartych o Event-Driven Architecture). Doskonałymi przykładami zastosowania uczenia maszynowego strumieniach danych są problemy, takie jak wykrywanie spamu lub oszustw, rekomendacje online, personalizacja kanałów i inne. W przypadku FreshMail pracujemy nad zastosowaniem tego podejścia do budowy nowej generacji silnika zapobiegającego nadużyciom - SendGuard - działającego na tysiącach zdarzeń na sekundę, ponad 70 milionów wiadomości dziennie, głównie przy użyciu Apache Flink. Używamy go do ochrony odbiorców przed wiadomościami o nadużyciach, takimi jak spam, fałszowanie lub phishing.
Czytaj więcej

Przerwa

Modelowanie perswazji

Modelowanie perswazji (ang. persuasion modeling, uplift modeling, incremental modelling) służy do oceny skuteczności kampanii marketingowych pod względem ich zdolności do zmiany zachowania konsumentów. Klienci różnią się między sobą ze względu na stopień, w jakim ulegają perswazji kampanii marketingowych.
Modelowanie perswazji pozwala na identyfikację klientów, którzy w największej skali ulegają perswazji. Kierowanie komunikatów marketingowych do tej grupy klientów jest równoznaczne z maksymalizacją stopy zwrotu z inwestycji w kampanię marketingową (ang. Return on investment). Dotychczasowe i najczęściej stosowane podejście modelowania skłonności (ang. prospensity modelling) nie gwarantuje maksymalizacji korzyści. W trakcie wystąpienia omówione zostaną zalety i wady modelowania perswazji, oraz ich zestawienie z klasycznym modelowaniem skłonności. Wyróżnione i omówione zostaną cztery zasadnicze typy klientów, których umiejętność identyfikacji jest kluczowa do zmaksymalizowania zysku z kampanii. Przedstawione zostaną analityczne metody operacjonalizacji modelowania perswazji - ze szczególnym zwróceniem uwagi na metody, np. lasy przyczynowe, które zostały opublikowane w bieżącym roku 2019. Przedstawione zostaną praktyczne zastosowania i wyniki modelowania perswazji, które zostaną zestawione z modelowaniem skłonności.
Czytaj więcej

How to reuse my model? Beyond transfer learning

Training deep neural networks from scratch requires a huge amount of data and computational resources. That is why many AI engineers use "pre-trained" models, that were trained on huge datasets such as ImageNet or COCO.
And later, re-use them on other tasks, where less training data is available. "Transfer learning" is one of the most popular techniques of adapting a "pre-trained" network to the new task. But is it the only solution? In this talk, we will present other techniques such as "joint learning", "learning without forgetting" and "Plugin Networks" and show how to adapt inputs and outputs of the "pre-trained" model to fit a new task that we want to solve
Czytaj więcej

Networking Pizza & Piwo