Нейронные сети на HighLoad++

Распознавание лиц, интеллектуальные боты, стилизация фотографий под знаменитых художников — обо всём этом на HighLoad++

Начнём мы с обсуждения теоретических основ, алгоритмов, топологий и архитектур.

Григорий Сапунов (CTO Intento, экс-руководитель разработки сервиса Яндекс.Новости) прочитает доклад, целью которого будет помочь слушателям построить актуальную карту происходящего в области искусственных нейронных сетей.

В рассказ войдёт разбор основных архитектур промышленных нейросетей сегодняшнего дня, их особенности и отличия друг от друга, границы применения и типовые решаемые задачи, а также актуальные направления развития области, в настоящий момент выходящие из лабораторий в промышленное использование.

Наталия Ефремова и Артём Кухаренко (NTech Lab, FindFace) продолжают исследование в докладе

Нейронные сети: практическое применение

Ребята расскажут о том, какие архитектуры нейронных сетях применяются в каких областях и как они используются. Наш доклад будет состоять из трех частей, каждую из которых мы посвятим одной из наиболее часто используемых архитектур нейронных сетей в машинном обучении.

Нейронные сети для классификации (CNN, DBN)

Такие сети применяются, в основном, в компьютерном зрении: для классификации изображений, лиц, в медицине и радиологии. Мы рассмотрим, какие именно задачи решаются с помощью нейронных сетей свертки: идентификация объектов (object detection), семантическая сегментация (semantic segmentation), распознавание лиц (face recognition), распознавание частей тела человека (human body parts recognition), семантическое определение границ (semantic boundary detection), выделение объектов внимания (saliency estimation), выделение нормалей к поверхности (surface normal estimation). Рассмотрим пример сети для распознавания лиц на примере FindFace и расскажем о способах определения уровня бедности населения с помощью нейронных сетей.

Рекуррентные нейронные сети

Рассмотрим применение RNN для распознавания и генерации естественного языка, LSTM. В качестве примера рассмотрим RNN для распознавания видео на примере нейронных сетей, разработанных командой Монреаля для распознавания эмоций (EmoNets) и сетей LSTM для анализа высказываний (sentiment analysis).

Обучение с подкреплением (reinforcement learning)

Глубинный вариант обучения с подкреплением (deep Q-network, DQN) компании DeepMind.

Одно из самых ярких применений нейронных сетей — чат-боты. Об этом доклад Анатолия Востяркова (Segmento).

Современные архитектуры диалоговых систем

В докладе я рассмотрю современные архитектуры диалоговых систем или чат-ботов. Неполный список архитектур влючает Dual Encoders, Neural Conversational Networks with and without context, Generative Hierarchical Neural Networks, Memory Networks and Dynamic Memory Networks. В том числе немного коснемся использования Reinofcement Learning в диалоговых системах. Вначале будет мягкое введение в Deep Learning for NLP для лучшего понимания представленных архитектур.

Но это далеко не всё!

Опыт работы Artisto, Vinci, машинный нейромаркетинг, применение нейронных сетей в безопасности, специализированное аппаратное обеспечение — всё это в секции "Нейронные сети", изучайте и покупайте билеты (пока они ещё есть в продаже)!

Забронировать билеты!