📢Лекция 5 - AI Knowledge Club

А уже в этот четверг, послезавтра, 11.04.2024, аудитория Б-934

Тема: Архитектура Transformer, механизм Attention
Лектор: Арсений Иванов

На лекции мы расскажем про одну из самых важных архитектур в современной области глубинного обучения - трансформер, и почему механизм внимания так сильно помогает в решении реальных нетривиальных задач NLP. Мы разберем архитектуру трансформера, включая FeedForward, SelfAttention, CrossAttention, а еще постараемся понять роль позиционного кодирования в модели и разных регуляризаторов и оптимизаций. Мы также подробно рассмотрим декодер и маскированный Attention и процедуру обучения таких моделей.

📎 Подключение к занятию по ссылке → link

📢 Уже завтра пройдет первый научный митап в этом семестре! Во время него мы вместе разберемся, как менять стадию инференса диффузионной модели для решения задачи восстановления изображений без дополнительной тренировки.

Тема: Training-free методы для решения задачи восстановления изображения с помощью диффузионных моделей.

Докладчик: Николай Калязин

Статьи:
- https://arxiv.org/abs/2209.14687 - Diffusion Posterior Sampling for General Noisy Inverse Problems
- https://arxiv.org/abs/2212.00490 - Zero-Shot Image Restoration Using Denoising Diffusion Null-Space Model
- И не только!

📎 Завтра, 23 апреля, в 18:00, online -> link для подключения

📢 Лекция 6 AI Knowledge Club

А уже в этот понедельник, 29.04.2024, онлайн, мы погрузимся в мир компьютерного зрения и развития сверточных нейронных сетей

Тема: Компьютерное зрение и сверточные нейронные сети
Лектор: Калязин Николай

На лекции мы поговорим про то, что такое компьютерное зрение, разберем различные задачи, а также поймем, что такое свертки и почему их так много используют в компьютерном зрении, и посмотрим, когда линейные слои тоже делают SOTA.

📎 Подключение к занятию по ссылке → link

📢 Лекция 7 AI Knowledge Club

И еще одна лекция, в этот четверг, 02.05.2024, онлайн, мы обсудим задачи сегментации и детеции

Тема: Задачи компьютерного зрения: сегментация, детекция
Лектор: Стрижаков Даниил

На лекции обсудим постановку задач, основные моменты, существующие архитектуры и где вообще применяются алгоритмы сегментации и детекции.

📎 Подключение к занятию по ссылке → link

📢 Лекция 8 AI Knowledge Club

Предпоследняя лекция курса, уже в этот понедельник (завтра), 13.05.2024, онлайн, мы обсудим генеративный искусственный интеллект и автокодировщики.

Тема: Автокодировщики, VAE, GAN
Лектор: Жданов Максим

На лекции мы разберем автокодировщики, вариационные автокодировщики (VAE) и генеративно-состязательные сети (GAN). Обсудим как работают базовые алгоритмы и попробуем понять, как с помощью добавления шумов и нормального распределения генерировать кошек и собак.

📎 Подключение к занятию по ссылке → link

🎓 Друзья, ai knowledge club поздравляет вас с началом нового учебного года! Пусть этот год принесет вам много знаний, ярких событий и новых открытий в сфере AI!
———
В этом учебном году мы подготовили для вас много интересного:

📬 «AI-дайджесты»:
Каждую неделю мы будем делиться с вами свежими новостями и актуальными материалами. Такими как Новости в сфере AI и Полезные материалы.

🍁 «Митапы и мероприятия»:
Особое внимание в этом году уделяем митапам, которые будут проводиться каждые два месяца! Вас ждут увлекательные встречи с экспертами и интересные коллаборации с нашими партнерами. Не пропустите возможность расширить свои знания и найти новых друзей по интересам.

📚 «Образовательный контент»:
- Разборы статей и исследований – углубляемся в современные научные работы и обсуждаем их с профессионалами.
- Кейсы и примеры реальных проектов – разбираем успешные решения задач, в том числе соревнований на Kaggle.
- AI-челленджи и хакатоны – участвуйте в соревнованиях, решайте сложные задачи и выигрывайте призы!

🟢 И, конечно, мы запустим онлайн курсы по различным AI дисциплинам, чтобы вы могли углубить свои знания в интересующих вас областях.
———
Следите за обновлениями, участвуйте в наших мероприятиях и пусть этот учебный год станет для вас этапом больших успехов в мире AI.

Т-Банк проведет митап по временным рядам!

Встреча пройдет 24 сентября в Москве. Спикеры из Т-Банка и ecom. tech (ex Samokat. tech) обсудят:

— эмбеддинги для временных рядов как возможность упростить генерацию признаков для разнородных данных;
— тонкости в задаче офлайн-мониторинга;
— особенности работы предиктивных моделей для разных видов спроса.

📍 Встречаемся на T-Meetup: Time Series. Final Fantasy 24 сентября в 18:30 в T-Space на «Белорусской». Регистрируйтесь и зовите с собой друзей и коллег.

☄️Дайджест "Первые шаги в ML индустрию".
Сегодня мы собрали несколько курсов для поэтапного становления твердым Junior+ разработчиком в сфере AI.

🍁 1. «Основы программирования: Python»
Для начала в мире машинного обучения необходимо владеть хотя бы базовым уровнем Python — одного из самых популярных языков программирования в области ML. Курсы на Stepik Python для начинающих и Продвинутый курс по Python помогут освоить язык с нуля до продвинутого уровня.

🍁 2. «Математика — основа машинного обучения»
Для уверенного движения вперёд нужно понимать линейную алгебру, математический анализ и теорию вероятностей. В этом помогут следующие ресурсы:

- Курс по мат. статистике от Карпова — легендарный курс по статистике для Аналитиков и ML инженеров.
- Линейная алгебре и Математический анализ - лекции от 3blue1brown по основам высшей математики, которую проходят студенты на первом курсе университета.
- Линейная алгебра от DLS - база по Линейной алгебре для изучения ML.

🍁 3. «Изучение классического ML»
Когда вы освоили Python и математику, пора погружаться в мир классических алгоритмов машинного обучения. Здесь начинается самое интересное:

- Курс по машинному обучению на Stepik — вводный курс по ML, который задаст вектор развития
- Курс DLS (часть 1) и Курс DLS (часть 2) — углубленные курсы от Deep Learning School.
- Курс от aikc на YouTube — курс по ML от нашего клуба от a до я.

> Для глубокого погружения в ML будет познавательно изучить Курс от Радослава Нейчева и всеми любимый Хэндбук от Яндекса, после которых можно идти в R&D.

❗️Если вы где то остановились или вам не понравился курс - самое главное не бросайте! Есть другие аналоги высокого уровня: Курс от ВШЭ по машинному обучению, Тренировки по ML от Young&&Yandex и Machine Learning course от Girafe AI.

🍁 4. «Что дальше? Развитие и хакатоны»
Для развития в индустрии нужно строить портфолио и участвовать в хакатонах. Начать можно с Kaggle — одной из крупнейших платформ для соревнований по ML. Там вы найдете большой ассортимент задач и разобранных ноутбуков - для старта самое то.

К доп материалам мы отнесли Курс по MLOps от Яндекса, Курс по Docker от Карпова и Основы Git от Яндекс.Практикума, которые понадобятся каждому уважающему себя ML инженеру.

📎 Хакатон от RuCode - отличный шанс показать себя, познакомиться с новыми ребятами и круто начать свой путь в ML индустрию. Осталось несколько дней до конца 1 этапа, где можно создать свой AI продукт, так и получить стажировку.

☄️7 октября пройдет митап от AI Knowledge Club — твой шанс познакомиться с удивительным миром искусственного интеллекта!

На митапе вас ждет:
1) Планы aikc на новый учебный год
2) Лекция на тему "Что такое ML" и "Соревнования в сфере AI"
3) Q&A сессия со столпами aikc
4) Success ML story
5) Викторина на тему ML с подарками от Young&&Yandex
6) Пицца пати 🍕

🤝 Кроме того, вас ждёт отличная возможность познакомиться с участниками нашего ML-клуба и пообщаться с профессионалами, которые готовы поделиться своим опытом! Так же познакомитесь с представителем Young&&Yandex, главным партнером нашего митапа.

📍 Ждем тебя 7 октября в 18:00 в Б-934 главного корпуса НИТУ МИСИС

📎 Музыка и искусственный интеллект — два мира, которые могут объединиться благодаря тебе! Хакатон XLabs AI — это не только шанс победить, но и возможность создавать инновации в AI для музыки. Успей подать заявку до 1 ноября и присоединись к музыкальной революции!

Готов стать частью будущего музыкальной AI индустрии? Прими участие в хакатоне XLabs AI, который пройдет с 2 по 17 ноября!

Тебе предстоит разработать нейросеть, которая сможет петь на русском языке по заданным текстовым инструкциям, с возможностью адаптации к другим языкам в будущем 🎵

Тебя ждут:
👉 Уникальная задача и 2 недели на разработку решения совместно с экспертами AI индустрии.
👉 Призовой фонд 2 миллиона рублей!
👉 Возможность стать сотрудником в передовой AI-лаборатории и выступить на международной конференции в Минске.

Скорее собирай команду до 5 человек или ищи будущих тиммейтов, которые готовы объединиться и победить в чате ✌️

Подай заявку до 1 ноября 23:59 и стань частью революции в мире музыки! 🔥

☄️ Дайджест "Simple RAG – просто о сложном"

*️⃣Определение: RAG - это технология, сочетающая в себе поиск релевантной информации в существующих хранилищах данных и генерацию текста с помощью языковых моделей для создания более точных и информативных ответов.

В этом ноутбуке представлен базовый пример технологии Retrieval-Augmented Generation (RAG), который можно развернуть локально. Подробно разобран каждый этап процесса, что позволяет увидеть, как можно построить эффективную систему извлечения знаний без использования дополнительных библиотек, таких как llamaindex или langchain. Это наглядное руководство показывает, что технология RAG доступна для понимания и применения.

*️⃣Тем, кто только знакомится с концепцией RAG, рекомендуем ознакомиться с этой статьей на Хабре, где детально описаны основные методы и принципы работы RAG. Так же вторая часть для продвинутых.

RAG существенно улучшает качество генерации ответов, предоставляя модели доступ к семантически схожим текстам из базы данных, что позволяет находить информацию с высокой точностью.

👻В будущем мы рассмотрим и более продвинутые подходы, такие как Fusion, также без сторонних библиотек.

- GitHub
- Kaggle Notebook
- доп пост ClickHouse