Иван Ямщиков (ABBYY / Институт Макса Планка), Данные — математикам, алгоритмы — бизнесу!, CodeFest 2017

16b6c87229eaf58768d25ed7b2bbbf52?s=47 CodeFest
January 31, 2018

Иван Ямщиков (ABBYY / Институт Макса Планка), Данные — математикам, алгоритмы — бизнесу!, CodeFest 2017

https://2017.codefest.ru/lecture/1175

Мы поговорим о том, какие методы анализа данных используются в тех или иных продуктах, как строить новый бизнес на основе математики и какие области анализа данных будут активнее всего развиваться в ближайшее время.

16b6c87229eaf58768d25ed7b2bbbf52?s=128

CodeFest

January 31, 2018
Tweet

Transcript

  1. Данные – математикам! Алгоритмы – бизнесу! Иван Ямщиков, исследователь

  2. Дейв Барри │ Компьютеры становятся все умнее. │ Ученые утверждают,

    что скоро они │ смогут разговаривать с людьми.
  3. О чём поговорим? › Задачи, которые решает AI › Примеры

    этих задач в индустрии › Какие есть проблемы у машин? › Какие есть проблемы у людей? 3
  4. Типы задач 4 классификация регрессия структура синтез аномалии

  5. Классификация математика 5 › Большие массивы данных › Часть данных

    может «выпадать» › Алгоритм относит каждый случай к одной из категорий
  6. Классификация предпринимателя 6 › E-commerce › аннотация продуктов › Веб-аналитика

    › сегментации › Машинное зрение › распознавание лиц › медицинская диагностика Brian Kenji Iwana and Seiichi Uchida at Kyushu University in Japan
  7. Регрессия математика 7 › Хотим предсказать численную величину › И

    оценить точность предсказания
  8. Регрессия предпринимателя 8 › Оценки рисков › Прогнозы доходности ›

    Даже иногда выплавка стали › …
  9. Структурирование математика 9 › Cложные разнородные массивы › Много взаимосвязанных

    параметров › Связи между этими параметрами не всегда известны
  10. Структурирование предпринимателя 10 › Speech-to-text › Аннотация изображений › Data

    insights
  11. Поиск аномалий математика 11 › Оценки «тяжёлых хвостов» › Повышение

    качества данных
  12. Поиск аномалий предпринимателя 12 › Системы мониторинга и быстрого реагирования

    › Поиск «чёрных лебедей»
  13. Генерация контента математика 13 › Эффективное представление информации › Эмуляция

    человеческой деятельности
  14. Генерация контента предпринимателя 14 › Тут пока мало бизнесов, но

    они будут › Новые инструменты «творческих» профессий › Новое понимание творчества вообще
  15. Что надо понимать про «машины»?

  16. Джарвис │ Какое-то время все хорошо, │ а потом в

    конце фразы │ произношу не ту клюкву.
  17. Машинное обучение поможет, если › У вас есть много данных…

    Действительно много › У вас есть экспертиза › Вам не нужно обосновывать результат 17
  18. Машинное обучение НЕ поможет, если › Вы хотите быть модным

    › Вы не можете сформулировать задачу › Вам важно интерпретировать каждое отдельное решение 18
  19. Что надо понимать про «людей, которые работают с машинами»?

  20. Павел Ямщиков │ Все задачи делятся │ на «фуфло» и

    «глуховые».
  21. Два главных навыка › Уметь быстро имплементировать то, что уже

    сделано › Находить баланс между прикладными и исследовательскими задачи 21
  22. Стэн Марш. │ Сегодня я кое-чему научился!

  23. Мы обсудили › Разные типы задач, которые может решать машинный

    интеллект › Как эти задачи могут быть использованы в индустрии › Какие есть ограничения на применение МИ в бизнесе 23
  24. Спасибо! Иван Ямщиков Исследователь kroniker@yandex-team.ru