Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
OpenTalks.AI - Александр Артеменков, Towards Sc...
Search
OpenTalks.AI
February 21, 2020
Science
2.2k
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
OpenTalks.AI - Александр Артеменков, Towards Scalable Dimensionality Reduction via Noise Contrastive Estimation
OpenTalks.AI
February 21, 2020
More Decks by OpenTalks.AI
See All by OpenTalks.AI
OpenTalks.AI - Виктор Лемпицкий, Моделирование 3Д сцен: новые подходы в 2020 году
opentalks
0
500
OpenTalks.AI - Алексей Чернявский, Нейросетевые алгоритмы для повышения качества медицинских изображений
opentalks
0
450
OpenTalks.AI - Александр Громов, Устойчивость нейросетевых моделей при анализе КТ/НДКТ-исследований
opentalks
0
390
OpenTalks.AI - Денис Тимонин, Megatron-LM: Обучение мультимиллиардных LMs при помощи техники Model Parallelism
opentalks
0
540
OpenTalks.AI - Егор Филимонов, Возможности платформы Huawei Atlas и эффективный гетерогенный инференс.
opentalks
0
170
OpenTalks.AI - Александр Прозоров, Референсная архитектура робота сервисного центра в отраслях с изменчивыми бизнес-процессами
opentalks
0
400
OpenTalks.AI - Наталья Лукашевич, Анализ тональности по отношению к компании — с чем не справился BERT
opentalks
0
350
OpenTalks.AI - Константин Воронцов, Фейковые новости и другие типы потенциально опасного дискурса: типология, подходы, датасеты, соревнования
opentalks
0
460
OpenTalks.AI - Дмитрий Ветров, Фрактальность функции потерь, эффект двойного спуска и степенные законы в глубинном обучении - фрагменты одной мозаики
opentalks
0
490
Other Decks in Science
See All in Science
プロジェクト「Azayaka」のSARの数式とジオメトリ
syuchimu
0
380
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
1
1.6k
見上公一.pdf
genomethica
0
170
データベース12: 正規化(2/2) - データ従属性に基づく正規化
trycycle
PRO
0
1.4k
データベース14: B+木 & ハッシュ索引
trycycle
PRO
0
710
(CVPR2026) Back to Basics: Let Denoising Generative Models Denoise
shumpei777
0
220
[第67回 CV勉強会@関東] CV × Scientific Figures / kantoCV 67th CVPR 2026
lychee1223
0
150
機械学習 - 決定木からはじめる機械学習
trycycle
PRO
0
1.6k
JSAI2026企画セッションKS-14 インタビュー集『⼈⼯知能と哲学と四つの問い』が提起する⼈⼯知能のこれからの課題 趣旨説明 / JSAI2026 Special Session: A Collection of Interviews, “Artificial Intelligence, Philosophy, and Four Questions”
ykiyota
0
380
Wet Active Matter
rajeshrinet
0
120
(メタ)科学コミュニケーターからみたAI for Scienceの同床異夢
rmaruy
0
260
機械学習 - pandas入門
trycycle
PRO
0
660
Featured
See All Featured
Game over? The fight for quality and originality in the time of robots
wayneb77
1
220
What does AI have to do with Human Rights?
axbom
PRO
1
2.3k
From π to Pie charts
rasagy
0
240
Color Theory Basics | Prateek | Gurzu
gurzu
0
390
WENDY [Excerpt]
tessaabrams
11
38k
Darren the Foodie - Storyboard
khoart
PRO
3
3.4k
Context Engineering - Making Every Token Count
addyosmani
9
1k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
659
62k
Documentation Writing (for coders)
carmenintech
77
5.4k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.8k
Being A Developer After 40
akosma
91
590k
The Curse of the Amulet
leimatthew05
2
13k
Transcript
Towards Scalable Dimensionality Reduction Aleksandr Artemenkov joint work with Maxim
Panov via Noise Contrastive Estimation
News Headlines Of India 3 million topics you are unfamiliar
with Kaggle Dataset
None
Just repeat 3 million times! (not a good idea)
Is there a better approach? (visualization)
None
Noise Contrastive Estimation (without a single formula) (check out the
poster for them)
Building Representation “cold” “frosty” “cold” “warm” “cold” “first” similar different
unrelated (noisy) ? ? ?
Simple Insight • similar points = closer than predefined noisy
distance • different points = further than predefined noisy distance Any benefits from such approach?
Parallelized Batch Optimization • noisy distance is predefined • repel
different points • attract similar points • adjustments are independent of each other to distinguish them from noise Meet NCVis! (Noise Contrastive Visualization) GitHub Repository
Why use NCVis? (there are reasons) Paper
None
None
Thank you for your attention! (find me near the poster)