В моем предыдущем посте (Реальные уроки машинного обучения от GAFA, лучших стартапов и исследователей) я поделился кратким изложением некоторых из наиболее интересных разработок машинного обучения, которые я видел в 2016 и 2017 годах. Я также упомянул несколько мест, которые нужно найти больше контента на стыке исследований и промышленности, разработки программного обеспечения и машинного обучения.
PAPI - один из них, поскольку он фокусируется на реальных приложениях машинного обучения и на методах, инструментах и API, которые их используют. Для тех, кто имеет опыт работы в отрасли, это может показаться академическим по своему подходу (CfP со слепыми проверками, процедурами и т. Д.), Тогда как для ученых это полностью похоже на предвзятость в сторону отрасли - см. Видео-тизер ниже;)
Мне нравится думать, что в PAPI есть лучшее из обоих миров - см., Например, ключевые моменты нашего следующего выпуска (Седрик и Д. - ветераны NIPS):
- Нарушение искусственного интеллекта в электронной коммерции: настоящее и обещание - Дэвид Дроллетт (Wayfair Engineering)
- Обеспечение мощного искусственного интеллекта для всех разработчиков - Седрик Аршамбо (Amazon)
- Машинное обучение, технический долг и вы - Д. Скалли (Google)
Доклад Д. будет посвящен тестированию и долгосрочному использованию систем машинного обучения в вашей организации, что, на мой взгляд, хорошо дополняет другой доклад о широко распространенном использовании машинного обучения и искусственного интеллекта в вашей организации: Ввод P в A (P) I: Почему API являются ключом к масштабированию ИИ Татьяна Мехиа (Adobe).
Интересно отметить, что в этом году на ICML были приглашены доклады на тему AI Design и Обучение с подкреплением в реальном мире. Похоже, это популярные темы, которые вы также найдете в программе PAPI '17:
- За занавесом ИИ: доверие к науке о данных - Кристал Си Ян (FiscalNote)
- Повышение эффективности глубокого обучения с помощью движка Unity - Артур Джулиани (Unity Technologies)
Вы также найдете темы, о которых я упоминал в своем предыдущем посте: примеры использования в реальном мире, развертывание, платформы машинного обучения, API, разработка программного обеспечения и инженерия данных. Вы услышите о интеграции машинного обучения в интересные приложения:
- Изучение художественного стиля для стилизации видео в реальном времени - Джеффри Рейни (Element AI)
- Тест Тьюринга в реальном мире: когда ИИ отвечает на телефонные звонки - Винсент Ван Стинберген
- Pitch Prediction for the World Series - Грег Майклсон (DataRobot)
- Аренда, дождь и правила: прогнозирование преступлений с помощью машинного обучения - Джори Костер-Хейл (Dataiku)
- Прогнозирование оставшегося срока полезного использования с использованием Интернета вещей - Адарш Нарасимхамурти (MathWorks)
Ожидайте также услышать о создании и развертывании моделей в реальных приложениях. Это будет дополнительно обсуждаться в:
- За гранью предсказания: структурное моделирование как инструмент - Джеймс Сэвидж (Lendable)
- Автоматизированное машинное обучение: в основном бесполезно - Чарльз Паркер (BigML)
- API и DSL для построения и интеграции множества моделей - Харлан Харрис (WayUp)
- Модель как услуга, запущенная в AWS - Лия Бифано (Nubank)
В некоторых из этих выступлений будут упоминаться платформы, на которых работают системы машинного обучения - внутренние и коммерческие. Наконец, некоторые презентации будут посвящены некоторым инженерным аспектам платформ машинного обучения, таким как Распределенные вычисления и Инженерия данных:
- Гибкое и масштабируемое глубокое обучение с MMLSpark - Марк Гамильтон (Microsoft)
- Пожар в мусорном контейнере: данные временных рядов в Amazon DynamoDB - Джон Бледсо (Nexosis)
В прошлом году PAPIs получил высокую оценку за качество переговоров, а также за возможности для установления контактов (один из участников сказал, что «были качественные докладчики, и у участников конференции было достаточно времени и возможностей, чтобы поговорить с ними индивидуально»). . Наши конференции, вероятно, похожи по размеру на большинство связанных семинаров на ведущих конференциях по машинному обучению (в Microsoft NERD всего около 185 мест в зале PAPIs '17). Но по моему собственному опыту, проведение специального мероприятия помогает налаживать связи. Как сказал в прошлом году Денис Ванегас, «интимная обстановка позволила улучшить беседу и наладить отношения». Это то, что мы хотим сохранить в следующих выпусках!
Более подробную информацию о PAPI '17, тезисы докладов и регистрацию вы найдете на papis.io/2017
Кроме того, вы можете выиграть бесплатный пропуск на PAPI '17 (или бесплатный доступ к презентациям после конференции), порекомендовав этот пост и оставив комментарий (подойдет «+1»)!