О докладе:
Как правило, современные системы искусственного интеллекта основаны на машинном обучении с использованием специально подготовленной обучающей выборки. Но никто не может гарантировать, что входные данные в ходе эксплуатации обученной системы всегда будут типичными, то есть похожими на те, которые мы использовали для обучения нашего алгоритма (или, как сказали бы статистики, "из той же генеральной совокупности"). Внезапно может произойти то, что опытные специалисты по машинному обучению называют "сдвигом данных", когда условия получения этих данных меняются. В новых условиях свойственно.....
Анализ текста и распознавание речи методами искусственного интеллекта.
В этом выпуске разбираемся, как работают системы распознавания речи! Иван Бондаренко, старший преподаватель и научный сотрудник НГУ, рассказал из каких компонентов устроены типичные архитектуры таких систем, принцип их работы, и как системы эволюционируют, все больше полагаясь на нейронные сети.
Data Fest Siberia 3 & Halloween 2022:
https://ods.ai/tracks/groups/data-fest-siberia-3-halloween
Трек "NLP":
https://ods.ai/tracks/sibfest3-nlp
Способы решения ML-задач (в частности, регрессионных) на классических табличных данных только с помощью end-to-end глубоких нейронных сетей, без замысловатого задачно-специфичного фича-инжиниринга и, главное, без "деревянных" ансамблей типа градиентного бустинга, которые многие считают "вершиной эволюции" применительно к обработке табличных данных. Умение алгоритма оценивать собственную неуверенность в ответе. Преимущество глубоких нейронных сетей перед другими алгоритмами, в т.ч. деревьями решений