Samsung Innovation Campus

Samsung Innovation Campus

Главная страница » Лекторий по искусственному интеллекту

В рамках программы “IT Академия Samsung” проекта Samsung Innovation Campus в треке “Искусственный Интеллект” компания Samsung открывает цикл лекций. Он ориентирован на тех, кто уже освоил основы нейронных сетей и задач по CV/NLP и двигается дальше.

Лекции проходят на регулярной основе, их авторы – это специалисты Samsung Research Russia, Института системного программирования РАН, компании Сбербанк и преподаватели наших университетов-партнеров.

Ссылка на плейлист цикла – https://youtube.com/playlist?list=PLJEYfuHbcEIB-DdeoWaQ6Bzt0903kbmWK

В лектории можно прослушать следующие лекции:

1. “Как эффективно проводить эксперименты: базовая структура проекта, процесс перебора гипотез, трюки для обучения нейросетей” . Автор Роман Суворов, автора курса по NLP, ведущий инженер московского Центра ИИ Samsung, автор курса “Нейронные сети и обработка текста“. Ссылка на презентацию

2. “Ускорение вычислений в нейронных сетях: эффективные алгоритмы умножения матриц и свертки, оптимизация графов вычислений, квантизация нейронных сетей” . Автор Константин Архипенко, сотрудник Института системного программирования РАН, преподаватель трека “Искусственный интеллект” IT Академии Samsung на ВМК МГУ. Ссылка на презентацию

3. “Generative adversarial network: постановка задачи и применение” , как применяется механизм совмещения двух вероятностных распределений для генерации реалистичных изображений. Автор Денис Корженков, инженер-исследователь московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

4. “Image2Image и перенос стиля” . Обзор основных подходов к image2image задачам: perceptual loss, cycle loss, обращение GAN и манипуляции в латентном пространстве. Автор Елизавета Логачёва, инженер-исследователь московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

5. “Обзор применения нейросетей в компьютерной графике” . В лекции рассматривается ряд сценариев, в которых нейронные сети могут упростить создание компьютерной графики: рендеринг, синтез объектов, анимация персонажей. Автор Глеб Стеркин, инженер-исследователь московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

6. “Neural rendering, генерация новых изображений без построения геометрии сцены” . Лекция посвящена разбору подходов рендеринга сцен с помощью нейронных сетей, не требующих явного знания геометрии объекта. Автор Глеб Стеркин, инженер-исследователь московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

7.  “Методы одностадийной детекции” . Рассмотрение идеи якорей на примере архитектуры YOLO. Разбор архитектур других One Stage детекторов: SSD и Retina. Автор Михаил Романов, ведущий инженер московского Центра искусственного интеллекта Samsung, автор курса “Нейронные сети и компьютерное зрение” . Ссылка на презентацию

8. “Методы двустадийной детекции” . Из каких компонентов состоит RCNN, что такое Region Proposal Network, что такое Region of Interesting Pooling, как соединяются эти компоненты и как работает Mask RCNN. Автор Михаил Романов, ведущий инженер московского Центра искусственного интеллекта Samsung, автор курса “Нейронные сети и компьютерное зрение

9. “Поиск похожих изображений” . Как подходить к проблеме поиска похожих изображений, как разложить лицо на составляющие, и при чём здесь классификационные сети. Автор Андрей Шадриков, руководитель направления по исследованию данных компании Сбербанк. Ссылка на презентацию

10. “Мобильные архитектуры нейросетей и фреймворки для их запуска” . Основные способы снизить время/латентность и размер мобильной сети. Краткий обзор фреймворков для телефонов и общие подходы к ускорению – от CPU к GPU и NPU, от FP32 к FP16 и INT8. Автор Алексей Ивахненко, ведущий инженер московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

11. “Сегментация” . Михаил Романов рассматривает архитектуры Fully Convolutional Network, U-Net, U-Net-on-Steroids, RefineNet, PSP Net, разбирает их логику и рассказывает почему те или иные архитектуры используются.

12. “Оптический поток” . В лекции рассматривается задача оптического потока, математические концепции и основные архитектуры, которые позволяют решать эту задачу: FlowNet, SpyNet, PWCNet. Лекцию читает Михаил Романов, ведущий инженер московского Центра искусственного интеллекта Samsung.

13. “Полуавтоматическое составление датасета и активное обучение” . Лекция посвящена автоматизации процесса разметки. В ней будут разобраны методы активного обучения и другие итерационные подходы. Лекцию читает Роман Суворов, ведущий инженер московского Центра искусственного интеллекта Samsung, автор курса “Нейронные сети и обработка текста” ​. Ссылка на презентацию

14. “Kaggle и спортивный ML” . В лекции разберутся типы соревнований, их плюсы и минусы, а также спортивное программирование в общем. Рассмотрятся тактики участия в соревнованиях, а также то, что полезного можно извлечь не только для работы в индустрии, но и в обучении. Лекцию читает Алексей Харламов, инженер-исследователь московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

15. “Итак, сеть готова. Что дальше?” . В лекции рассмотрены теоретические и практические аспекты реализации ПО, использующего нейронные сети в продуктовых решениях. Лекцию читает Дмитрий Яценко, преподаватель IT Академии и IT школы Samsung, главный инженер АренаДата, старший преподаватель кафедры информационных и измерительных технологий ФВТ ЮФУ. Ссылка на репозиторий

16. “Анализ и прогнозирование временных рядов” . Преподаватель программы “IT Академия Samsung” в РТУ МИРЭА Иван Юрченков рассказывает о стационарности и нестационарности, о методах разложения временного ряда на трендовую и сезонную составляющие, а также рассматривает динамические модели и архитектуры нейронных сетей для долгосрочного и краткосрочного прогнозирования. Ссылка на презентацию

17. “Автоматическая суммаризация (реферирование) текстов” . Иван Лазаревский, преподаватель IT Академии Samsung, преподаватель МГТУ СТАНКИН и руководитель отдела анализа данных Visiology рассказывает как можно сократить текст, добраться до самой его сути через выделение ключевых фраз, предложений и генерацию аннотации. Ссылки на презентацию и на репозиторий

18. “Противодействие состязательным атакам с помощью «объяснения» моделей” . Недостаточная интерпретируемость нейронных сетей может стать препятствием их применения в индустрии. Константин Архипенко, сотрудник ИСП РАН, преподаватель IT Академии Samsung на ВМК МГУ рассказывает как с помощью explainable AI («объяснимого» ИИ, XAI) можно не только отлаживать модели, но и противостоять атакам. Ссылка на презентацию

19. “Аутентификация пользователя по подписи и атаки на нее” . Автор лекции Евгений Костюченко, преподаватель трека “Искусственный интеллект” IT Академии Samsung в Томском государственном университете систем управления и радиоэлектроники (ТУСУР).  Евгений рассказывает, как формировать наборы данных для аутентификации по подписи, как построить нейронную сеть для аутентификации по динамике постановки подписи и её образцу. Кроме того, в лекции рассмотрены возможные атаки на полученную систему и простейшие варианты противодействия. Ссылки на презентацию и на репозиторий

20. “Mediapipe framework” . Что это такое и как работает? Плюсы и минусы. Сборка под android и python на Ubuntu на примере face mesh. Что такое графы, пакеты, калькуляторы? Как написать свой калькулятор, и при чем здесь tflite? Автор лекции Алексей Ивахненко, ведущий инженер московского Центра искусственного интеллекта Samsung. Ссылка на презентацию

21. GAN и основы теории игр. Алексей Сильвестров рассказывает об основах Теории Игр и как эта область математики связана с GAN сетями, в частности с моделью LaMa. Алексей является ведущим инженером московского Центра искусственного интеллекта Samsung и автором курса “Нейронные сети и обработка текста

22. Квантизация нейронных сетей. Вводная лекция о квантизации нейронных сетей вообще и о методе LSQ (Learned step size quantization) в частности. Иван Печенко, ведущий инженер исследовательского центра Samsung в Москве, рассказывает что такое квантизация, почему её использование важно в индустрии, как рассчитываются параметры квантизации и как сделать их обучаемыми. Ссылка на презентацию

23. Классификация речи. Видео посвящено разбору задачи классификации речи, представленной в виде аудиоданных. Алексей рассматривает в лекции доступные библиотеки для транскрипции и разбирает создание, обучение и применение модели-классификатора. Алексей Акулов является преподавателем трека «Искусственный интеллект» образовательной программы «IT академия Samsung» в Дальневосточном федеральном университете. Ссылка на репозиторий

24. Обернутый классификатор с наивным учителем. Схема обучения классификатора состоит из двух последовательных нейронных сетей, обучающихся совместно. Одна из них (классификатор) учится разделять данные на скрытые классы, а вторая (обертка) – переименовывать скрытые классы уникальным образом, чтобы результат совпадал с разметкой эксперта. Показано, что такая схема позволяет получить разделение на классы, которые хорошо совпадают с ожидаемой разметкой.
Лекцию читает Олег Бернгардт, кандидат физико-математических наук, заведующий лабораторией динамических процессов в ионосфере ИСЗФ СО РАН, доцент кафедры естественнонаучных дисциплин факультета бизнес-коммуникаций и информатики, преподаватель трека “Искусственный Интеллект” образовательной программы IT Академии Samsung в Иркутском государственном университете.