Deep Learning vs common sense: разрабатываем чатбота с умом Нейронные сети, искусственный интеллект
Старший разработчик диалоговых систем в Тинькофф, аспирант на кафедре алгебры и фундаментальной информатики Матмеха, выпускник ШАД. 4 года в разработке, занимается машинным обучением, обработкой естественного языка и бэкендом. Ведет курс "Машинное обучение в диалоговых системах" на базе Тинькофф Финтех школы.
На работе часто говорит такие слова: ML, NLP, DL, Python, Redis, RabbitMQ, Elastic, PostgreSQL. А в университете занимается исследованиями в области моделирования юмора через машинное обучение и нейросети. Если точнее, определяет смешные фразы и подбирает смешные ответы на вопросы :)
Разрабатывает на Python крутые штуки в области NLP более 5 лет. Окончила мат-мех УргУ, более 4 лет тимлидила команду разработчиков-исследователей, где делали новостной агрегатор для гос.структур. Сейчас в команде диалоговых систем Тинькофф в качестве старшего разработчика делает чатботов и преподает курс по Машинному обучению для студентов. Также занимается научными исследованиями в области computational humor или, по-простому, учим AI понимать шутки и генерить новые. Помимо ML, горячо любит Backend, фанатеет за TDD и SOLID.
Для чего действительно нужны нейронные сети? Разбираемся на примере чатбота, когда нужно реализовывать state-of-the-art научную статью, в каких случаях можно обойтись логистической регрессией, а когда лучше вспомнить про старое-доброе префиксное дерево.
