Семинар про RL для задачи NBO
▫️ 18 сентября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Сергей Панкратов (GlowByte Advanced Analytics)
Тема: Reinforcement Learning для задачи Next Best Offer
Аннотация
Системы NBO играют ключевую роль в персонализированном маркетинге, помогая предлагать клиентам наиболее релевантные продукты и услуги в реальном времени. Вспомним какие существуют базовые классические и Deep Learning алгоритмы и стратегии обучения, когда и как их можно применить, рассмотрим несколько интересных кейсов из практики применительно к задаче NBO и рекомендациям товаров/действий.
В докладе:
▫️ Обзор основных классических и DL алгоритмов;
▫️ Типовая схема процесса обучения;
▫️ Примеры кейсов on-line / off-line обучения.
Уровень сложности: начинающий, для понимания материала будет достаточно общих знаний и навыков в Supervised Learning.
▫️ 18 сентября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Сергей Панкратов (GlowByte Advanced Analytics)
Тема: Reinforcement Learning для задачи Next Best Offer
Аннотация
Системы NBO играют ключевую роль в персонализированном маркетинге, помогая предлагать клиентам наиболее релевантные продукты и услуги в реальном времени. Вспомним какие существуют базовые классические и Deep Learning алгоритмы и стратегии обучения, когда и как их можно применить, рассмотрим несколько интересных кейсов из практики применительно к задаче NBO и рекомендациям товаров/действий.
В докладе:
▫️ Обзор основных классических и DL алгоритмов;
▫️ Типовая схема процесса обучения;
▫️ Примеры кейсов on-line / off-line обучения.
Уровень сложности: начинающий, для понимания материала будет достаточно общих знаний и навыков в Supervised Learning.
NoML Recap — NBO & RL
В преддверии завтрашнего доклада можно вспомнить, что у нас тут уже было со словами NBO и RL.
Про бизнес задачу NBO:
▫️ Вазген Амбарцумов (GlowByte), Маркетинговая оптимизация и задача Next Best Offer, 2024. YouTube | Дзен | RuTube (1 час 15 минут).
Про разгон оптимизационных совлеров для NBO у нас кстати появился свежий посте в блоге на Хабре:
▫️ Как нам удалось в 100 раз ускорить решение оптимизационной задачи NBO в Альфа-Банке, 2024 (6 минут).
Детальный доклад про подход с разгоном солверов:
▫️ Максим Гончаров (GlowByte), Алексей Никоноров (GlowByte), Опыт по ускорению оптимизационных open source солверов на примере решения задачи NBO, 2024. YouTube | Дзен | RuTube (1 час 45 минут).
Про RL для NBO можно еще вспомнить наш старый пост на Хабре:
▫️ Как Reinforcement Learning помогает ритейлерам, 2020 (14 минут).
И вот еще пара историй в сторону многоруких бандитов:
▫️ Дмитрий Забавин (GlowByte), Сергей Вакунов (GlowByte), RL-SQL: Решение задачи многорукого бандита методом сэмплирования Томпсона, для произвольных распределений, средствами SQL, 2023. YouTube | Дзен | RuTube (2 часа);
▫️ Юрий Дорн (МГУ, МФТИ, ШАД), Bandits with something: бандиты с бюджетами (bandits with knapsacks) и бандиты с тяжелыми хвостами (bandits with heavy tails), 2024. YouTube | Дзен | RuTube (1 час 30 минут).
Также была у нас когда-то подборка материалов для подробного изучения темы:
▫️ Курсы и книги по RL.
И вот еще пара подборок статей:
▫️ От A/B тестов к многоруким бандитам и RL;
▫️ RL, рек. системы и всякое разное.
В преддверии завтрашнего доклада можно вспомнить, что у нас тут уже было со словами NBO и RL.
Про бизнес задачу NBO:
▫️ Вазген Амбарцумов (GlowByte), Маркетинговая оптимизация и задача Next Best Offer, 2024. YouTube | Дзен | RuTube (1 час 15 минут).
Про разгон оптимизационных совлеров для NBO у нас кстати появился свежий посте в блоге на Хабре:
▫️ Как нам удалось в 100 раз ускорить решение оптимизационной задачи NBO в Альфа-Банке, 2024 (6 минут).
Детальный доклад про подход с разгоном солверов:
▫️ Максим Гончаров (GlowByte), Алексей Никоноров (GlowByte), Опыт по ускорению оптимизационных open source солверов на примере решения задачи NBO, 2024. YouTube | Дзен | RuTube (1 час 45 минут).
Про RL для NBO можно еще вспомнить наш старый пост на Хабре:
▫️ Как Reinforcement Learning помогает ритейлерам, 2020 (14 минут).
И вот еще пара историй в сторону многоруких бандитов:
▫️ Дмитрий Забавин (GlowByte), Сергей Вакунов (GlowByte), RL-SQL: Решение задачи многорукого бандита методом сэмплирования Томпсона, для произвольных распределений, средствами SQL, 2023. YouTube | Дзен | RuTube (2 часа);
▫️ Юрий Дорн (МГУ, МФТИ, ШАД), Bandits with something: бандиты с бюджетами (bandits with knapsacks) и бандиты с тяжелыми хвостами (bandits with heavy tails), 2024. YouTube | Дзен | RuTube (1 час 30 минут).
Также была у нас когда-то подборка материалов для подробного изучения темы:
▫️ Курсы и книги по RL.
И вот еще пара подборок статей:
▫️ От A/B тестов к многоруким бандитам и RL;
▫️ RL, рек. системы и всякое разное.
Еще про многоруких бандитов
Кстати в контексте вот этого семинара:
▫️ Юрий Дорн (МГУ, МФТИ, ШАД), Bandits with something: бандиты с бюджетами (bandits with knapsacks) и бандиты с тяжелыми хвостами (bandits with heavy tails), 2024. YouTube | Дзен | RuTube (1 час 30 минут)
подборка материалов от докладчика Юрия Дорна что-то не доехала до канала, пришло время исправиться.
Введение в тему:
▫️ A. Slivkins, Introduction to Multi-Armed Bandits, 2019 (~160 стр.)
Две работы по тяжелым хвостам:
▫️ S. Bubeck, N. Cesa-Bianchi, G. Lugosi, Bandits with heavy tail, 2012 (14 стр., ~20-30 минут);
▫️ J. Huang, Y. Dai, L. Huang, Adaptive Best-of-Both-Worlds Algorithm for Heavy-Tailed Multi-Armed Bandits, 2022 (28 стр., 50-70 минут).
Кстати в контексте вот этого семинара:
▫️ Юрий Дорн (МГУ, МФТИ, ШАД), Bandits with something: бандиты с бюджетами (bandits with knapsacks) и бандиты с тяжелыми хвостами (bandits with heavy tails), 2024. YouTube | Дзен | RuTube (1 час 30 минут)
подборка материалов от докладчика Юрия Дорна что-то не доехала до канала, пришло время исправиться.
Введение в тему:
▫️ A. Slivkins, Introduction to Multi-Armed Bandits, 2019 (~160 стр.)
Две работы по тяжелым хвостам:
▫️ S. Bubeck, N. Cesa-Bianchi, G. Lugosi, Bandits with heavy tail, 2012 (14 стр., ~20-30 минут);
▫️ J. Huang, Y. Dai, L. Huang, Adaptive Best-of-Both-Worlds Algorithm for Heavy-Tailed Multi-Armed Bandits, 2022 (28 стр., 50-70 минут).
Про RL
Запись вчерашнего семинара скоро будет, а пока список литературы и материалов из доклада Сергея:
Книги:
▫️ R.S. Sutton, A.G. Barto, Reinforcement Learning, 2018, есть перевод (~550 стр.);
▫️ M. Lapan, Deep Reinforcement Learning Hands-On, 2020, есть перевод (~540 стр.);
▫️ L. Graesser, W.L. Keng, Foundations of Deep Reinforcement Learning, есть перевод (~410 стр.).
Вводная статья:
▫️ B. Jaeger, A. Geiger, An Invitation to Deep Reinforcement Learning, 2023 (38 стр.).
Курс:
▫️ Deep Reinforcement Learning Course.
Кейс команды GlowByte Advanced Analytics:
▫️ Как Reinforcement Learning помогает ритейлерам, 2020 (14 минут).
И еще пара статей:
▫️ Y. Lin et al., A Survey on Reinforcement Learning for Recommender Systems, 2021 (20 стр., ~1,5 часа);
▫️ F. Chen et al., BCRLSP: An Offline Reinforcement Learning Framework for Sequential Targeted Promotion, 2022 (7 стр., ~30-40 минут).
Запись вчерашнего семинара скоро будет, а пока список литературы и материалов из доклада Сергея:
Книги:
▫️ R.S. Sutton, A.G. Barto, Reinforcement Learning, 2018, есть перевод (~550 стр.);
▫️ M. Lapan, Deep Reinforcement Learning Hands-On, 2020, есть перевод (~540 стр.);
▫️ L. Graesser, W.L. Keng, Foundations of Deep Reinforcement Learning, есть перевод (~410 стр.).
Вводная статья:
▫️ B. Jaeger, A. Geiger, An Invitation to Deep Reinforcement Learning, 2023 (38 стр.).
Курс:
▫️ Deep Reinforcement Learning Course.
Кейс команды GlowByte Advanced Analytics:
▫️ Как Reinforcement Learning помогает ритейлерам, 2020 (14 минут).
И еще пара статей:
▫️ Y. Lin et al., A Survey on Reinforcement Learning for Recommender Systems, 2021 (20 стр., ~1,5 часа);
▫️ F. Chen et al., BCRLSP: An Offline Reinforcement Learning Framework for Sequential Targeted Promotion, 2022 (7 стр., ~30-40 минут).
Запись семинара
Сергей Панкратов (GlowByte) — Reinforcement Learning для задачи Next Best Offer. YouTube | Дзен | RuTube (~1 час 50 минут).
Слайды можно найти в базе знаний noml.club и в чате @noml_community.
Сергей Панкратов (GlowByte) — Reinforcement Learning для задачи Next Best Offer. YouTube | Дзен | RuTube (~1 час 50 минут).
Слайды можно найти в базе знаний noml.club и в чате @noml_community.
NoML Recap — внезапно про MLOps
В прошлый четверг была конференция Scoring Day. Коллеги Екатерина Лазаричева из Альфа-Банка и Альфия Харламова из GlowByte выступили там с докладом про продуктивизацию и оркестрацию каскадов ML моделей. Более детальный рассказ по теме был у нас недавно на семинаре:
▫️ Альфия Харламова, Гевонд Асадян, От бизнес-потребности к эксплуатации за 5 шагов: как мы выстроили унифицированный процесс разработки и продуктивизации каскадов связанных ML моделей в Альфа-Банке, 2024. YouTube | Дзен | RuTube (~45 минут).
И в связи с этим событием вспомним еще некоторые (далеко не все) наши мероприятия вокруг платформ для ML и MLOps:
▫️ Михаил Зайцев, Григорий Шутов, Евгений Вилков, Платформа для DS/ML Kolmogorov: архитектура и демо, 2024. YouTube | Дзен | RuTube (~1 час 20 минут);
▫️ Tina Naro, Nathan Mogilchenko, ClearML: Introduction & Demo, 2024. YouTube | Дзен | RuTube (~1 час 45 минут);
▫️ Артём Трофимов, Григорий Шутов, Данил Сивцов, Митап про MLOps: решения GlowByte, Yandex.Cloud и Cloud MLSpace, 2022. YouTube | Дзен | RuTube (~2 часа 20 минут).
Ну и говоря про MLOps нельзя пройти мимо темы FS:
▫️ Feature Store NoML Recap.
В прошлый четверг была конференция Scoring Day. Коллеги Екатерина Лазаричева из Альфа-Банка и Альфия Харламова из GlowByte выступили там с докладом про продуктивизацию и оркестрацию каскадов ML моделей. Более детальный рассказ по теме был у нас недавно на семинаре:
▫️ Альфия Харламова, Гевонд Асадян, От бизнес-потребности к эксплуатации за 5 шагов: как мы выстроили унифицированный процесс разработки и продуктивизации каскадов связанных ML моделей в Альфа-Банке, 2024. YouTube | Дзен | RuTube (~45 минут).
И в связи с этим событием вспомним еще некоторые (далеко не все) наши мероприятия вокруг платформ для ML и MLOps:
▫️ Михаил Зайцев, Григорий Шутов, Евгений Вилков, Платформа для DS/ML Kolmogorov: архитектура и демо, 2024. YouTube | Дзен | RuTube (~1 час 20 минут);
▫️ Tina Naro, Nathan Mogilchenko, ClearML: Introduction & Demo, 2024. YouTube | Дзен | RuTube (~1 час 45 минут);
▫️ Артём Трофимов, Григорий Шутов, Данил Сивцов, Митап про MLOps: решения GlowByte, Yandex.Cloud и Cloud MLSpace, 2022. YouTube | Дзен | RuTube (~2 часа 20 минут).
Ну и говоря про MLOps нельзя пройти мимо темы FS:
▫️ Feature Store NoML Recap.
Семинар про искусство математического моделирования
▫️ 25 сентября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Алексей Ложкинс (LA Optimization)
Тема: Искусство математического моделирования
Аннотация
Промышленное математическое программирование — компромисс полезности моделей и их производительности. В некоторых случаях, производительность возможно повысить путем незначительного изменения исходной модели — об этом поговорим на семинаре.
В рамках доклада рассмотрим несколько задач целочисленного линейного программирования. Примеры призваны помочь в определении того, что есть "хорошая" и "плохая" модель.
Уровень сложности: средний, для понимания материала будет достаточно общих знаний об области исследования операций. В докладе будут фигурировать такие задачи, как поток минимальной стоимости, задача о разбиении множества и транспортная задача.
▫️ 25 сентября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Алексей Ложкинс (LA Optimization)
Тема: Искусство математического моделирования
Аннотация
Промышленное математическое программирование — компромисс полезности моделей и их производительности. В некоторых случаях, производительность возможно повысить путем незначительного изменения исходной модели — об этом поговорим на семинаре.
В рамках доклада рассмотрим несколько задач целочисленного линейного программирования. Примеры призваны помочь в определении того, что есть "хорошая" и "плохая" модель.
Уровень сложности: средний, для понимания материала будет достаточно общих знаний об области исследования операций. В докладе будут фигурировать такие задачи, как поток минимальной стоимости, задача о разбиении множества и транспортная задача.
NoML Digest
Про конфиденциальную аналитику В среду поучаствовал в IV встрече экспертного сообщества по криптографии и большим данным. Мероприятие было организовано компанией Криптонит @kryptonite_channel и проходило в Музее криптографии @cryptography_museum (кстати,…
Про доверенный ИИ и AI TRiSM
Появилась запись встречи экспертного сообщества по криптографии и большим данным от 28 августа 2024 года по теме “Доверенный ИИ”:
▫️ RuTube | VK Видео (~2 часа 30 минут).
Еще вслед небольшая мысль, которую не успел озвучить во время своего выступления. Есть такой термин от Гартнера AI TRiSM (Trust, Risk, Security Management), стоящий на 4-х столпах:
▫️ Explainability / Model Monitoring;
▫️ ModelOps;
▫️ AI Application Security;
▫️ (Data) Privacy.
Все эти темы как раз детально обсудили на встрече экспертного сообщества 28 августа.
По нашему мнению есть еще один важный столп, который должны накрывать вопросы доверенного ИИ, это:
▫️ Процессы принятия решений.
Ведь степень доверия к технологиям и методам DS/ML/AI не может быть абсолютной, она всегда относительна — относительна бизнес-приложениям, в которых используются эти методы, то есть принятию решений, которые частично или полностью автоматизируются с помощью ИИ.
А математическая оптимизация и исследование операций, которые мы тут активно продвигаем — это как раз про моделирование для автоматизации принятия решений.
Появилась запись встречи экспертного сообщества по криптографии и большим данным от 28 августа 2024 года по теме “Доверенный ИИ”:
▫️ RuTube | VK Видео (~2 часа 30 минут).
Еще вслед небольшая мысль, которую не успел озвучить во время своего выступления. Есть такой термин от Гартнера AI TRiSM (Trust, Risk, Security Management), стоящий на 4-х столпах:
▫️ Explainability / Model Monitoring;
▫️ ModelOps;
▫️ AI Application Security;
▫️ (Data) Privacy.
Все эти темы как раз детально обсудили на встрече экспертного сообщества 28 августа.
По нашему мнению есть еще один важный столп, который должны накрывать вопросы доверенного ИИ, это:
▫️ Процессы принятия решений.
Ведь степень доверия к технологиям и методам DS/ML/AI не может быть абсолютной, она всегда относительна — относительна бизнес-приложениям, в которых используются эти методы, то есть принятию решений, которые частично или полностью автоматизируются с помощью ИИ.
А математическая оптимизация и исследование операций, которые мы тут активно продвигаем — это как раз про моделирование для автоматизации принятия решений.
Про методы ускорения солверов
Алексейс вчера на семинаре сделал интересный доклад про то, как переформулировка постановки задач мат. оптимизации помогает существенно повысить производительность солвера. После доклада у нас случилась небольшая дискуссия, на которой вспоминали про другие способы ускорения солверов, так что пока ждем запись вчерашнего семинара, можно вспомнить доклады по этой теме:
▫️ Семён Косяченко, ML в задачах смешанной линейно-целочисленной оптимизации. ZyOpt, 2023. YouTube | Дзен | RuTube (~1 час 20 минут);
▫️ Максим Гончаров, Алексей Никоноров, Опыт по ускорению оптимизационных open source солверов на примере решения задачи NBO, 2024. YouTube | Дзен | RuTube (~1 час 45 минут).
А еще вспоминали квантовые компьютеры, так что про квантово-вдохновленную оптимизацию тоже будет в тему:
▫️ Сергей Усманов, Квантово-вдохновленные алгоритмы оптимизации для прикладных задач, 2024. YouTube | Дзен | RuTube (~1 час 25 минут).
Другие доклады по мат. оптимизации и исследованию операций можно найти в нашей базе знаний noml.club, есть соответствующий тег.
Алексейс вчера на семинаре сделал интересный доклад про то, как переформулировка постановки задач мат. оптимизации помогает существенно повысить производительность солвера. После доклада у нас случилась небольшая дискуссия, на которой вспоминали про другие способы ускорения солверов, так что пока ждем запись вчерашнего семинара, можно вспомнить доклады по этой теме:
▫️ Семён Косяченко, ML в задачах смешанной линейно-целочисленной оптимизации. ZyOpt, 2023. YouTube | Дзен | RuTube (~1 час 20 минут);
▫️ Максим Гончаров, Алексей Никоноров, Опыт по ускорению оптимизационных open source солверов на примере решения задачи NBO, 2024. YouTube | Дзен | RuTube (~1 час 45 минут).
А еще вспоминали квантовые компьютеры, так что про квантово-вдохновленную оптимизацию тоже будет в тему:
▫️ Сергей Усманов, Квантово-вдохновленные алгоритмы оптимизации для прикладных задач, 2024. YouTube | Дзен | RuTube (~1 час 25 минут).
Другие доклады по мат. оптимизации и исследованию операций можно найти в нашей базе знаний noml.club, есть соответствующий тег.
Мероприятия NoML в октябре
Полный план онлайн семинаров на следующий месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:
▫️ 02.10 | Александр Рыжков (Sber AI Lab), Как LightAutoML победил на Kaggle AutoML Grand Prix 2024?
▫️ 09.10 | Алексей Тарасов (Разумное Расписание), Алгоритм огранки бриллиантов на основе методов нелинейной оптимизации;
▫️ 16.10 | Илья Герасимов (Криптонит, ВМК МГУ), О схемах полностью гомоморфного шифрования: реализации, применение и стойкость;
▫️ 23.10 | (Тема будет объявлена позже);
▫️ 30.10 | Фёдор Смирнов (GlowByte), Вероятностное программирование для кластеризации временных рядов.
Ссылка для подключения: Google Meet→
Следите за обновлениями в наших канале @noml_digest и чате @noml_community, там же публикуются более детальные анонсы предстоящих докладов.
Полный план онлайн семинаров на следующий месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:
▫️ 02.10 | Александр Рыжков (Sber AI Lab), Как LightAutoML победил на Kaggle AutoML Grand Prix 2024?
▫️ 09.10 | Алексей Тарасов (Разумное Расписание), Алгоритм огранки бриллиантов на основе методов нелинейной оптимизации;
▫️ 16.10 | Илья Герасимов (Криптонит, ВМК МГУ), О схемах полностью гомоморфного шифрования: реализации, применение и стойкость;
▫️ 23.10 | (Тема будет объявлена позже);
▫️ 30.10 | Фёдор Смирнов (GlowByte), Вероятностное программирование для кластеризации временных рядов.
Ссылка для подключения: Google Meet→
Следите за обновлениями в наших канале @noml_digest и чате @noml_community, там же публикуются более детальные анонсы предстоящих докладов.
Про математическую оптимизацию
В завершение темы предыдущей недели рекомендации материалов от нашего докладчика @lozkins.
Из блога Алексея Ложкинса на Хабре:
▫️ Задача о разбиении сети: Разделяй и запускай: делим тестовый стенд между департаментами, 2024 (~12 минут);
▫️ Еще мы вспоминали про Алгоритм генерации столбцов (Column Generation), 2024 (~15 минут).
Книга:
▫️ H.P. Williams, Model Building in Mathematical Programming, 2013 (~430 стр.)
Вебинары Gurobi:
▫️ Tech Talk & Chat — Converting Weak to Strong MIP Formulations, 2022 (~1 час);
▫️ Tech Talk & Chat — Converting Weak to Strong MIP Formulations, Part II, 2022 (~1 час 35 минут).
Еще Алексей когда-то рекомендавал у нас в чате:
▫️ Отчет Gurobi: State of Mathematical Optimization 2023 (~15 минут);
▫️ Обзорная статья: F. Petropoulos et al., Operational Research: Methods and Applications, 2023 (~180 стр.)
А еще в конце семинара мы вспоминали бенчмарки солверов:
▫️ Benchmarks for Optimization Software.
В завершение темы предыдущей недели рекомендации материалов от нашего докладчика @lozkins.
Из блога Алексея Ложкинса на Хабре:
▫️ Задача о разбиении сети: Разделяй и запускай: делим тестовый стенд между департаментами, 2024 (~12 минут);
▫️ Еще мы вспоминали про Алгоритм генерации столбцов (Column Generation), 2024 (~15 минут).
Книга:
▫️ H.P. Williams, Model Building in Mathematical Programming, 2013 (~430 стр.)
Вебинары Gurobi:
▫️ Tech Talk & Chat — Converting Weak to Strong MIP Formulations, 2022 (~1 час);
▫️ Tech Talk & Chat — Converting Weak to Strong MIP Formulations, Part II, 2022 (~1 час 35 минут).
Еще Алексей когда-то рекомендавал у нас в чате:
▫️ Отчет Gurobi: State of Mathematical Optimization 2023 (~15 минут);
▫️ Обзорная статья: F. Petropoulos et al., Operational Research: Methods and Applications, 2023 (~180 стр.)
А еще в конце семинара мы вспоминали бенчмарки солверов:
▫️ Benchmarks for Optimization Software.
Семинар про то как LightAutoML на Kaggle победил
▫️ 2 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Александр Рыжков, 4х Kaggle Grandmaster, Team Lead команды AutoML, Sber AI Lab
Тема: Как LightAutoML победил на Kaggle AutoML Grand Prix 2024?
Аннотация
В своем докладе Александр расскажет и покажет на конкретных примерах, каким образом его команда LightAutoML testers смогла обойти всех конкурентов из Кремниевой долины (Amazon, H2O, …) и занять первое место в соревновании Kaggle AutoML GrandPrix 2024.
Уровень сложности: средний, для понимания материала будет достаточно общих знаний и навыков в DS/ML.
▫️ 2 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Александр Рыжков, 4х Kaggle Grandmaster, Team Lead команды AutoML, Sber AI Lab
Тема: Как LightAutoML победил на Kaggle AutoML Grand Prix 2024?
Аннотация
В своем докладе Александр расскажет и покажет на конкретных примерах, каким образом его команда LightAutoML testers смогла обойти всех конкурентов из Кремниевой долины (Amazon, H2O, …) и занять первое место в соревновании Kaggle AutoML GrandPrix 2024.
Уровень сложности: средний, для понимания материала будет достаточно общих знаний и навыков в DS/ML.
Про LightAutoML
Александр, кстати, у нас уже выступал ранее:
▫️ Александр Рыжков (Sber AI Lab), LightAutoML: как строить ML модели быстрее, 2022. YouTube | Дзен | RuTube (~2 часа 50 минут).
Плюс ресурсы по LightAutoML (LAMA):
▫️ GitHub: LightAutoML;
▫️ Telegram-канал: @lightautoml.
Александр, кстати, у нас уже выступал ранее:
▫️ Александр Рыжков (Sber AI Lab), LightAutoML: как строить ML модели быстрее, 2022. YouTube | Дзен | RuTube (~2 часа 50 минут).
Плюс ресурсы по LightAutoML (LAMA):
▫️ GitHub: LightAutoML;
▫️ Telegram-канал: @lightautoml.
Семинар про огранку бриллиантов
▫️ 9 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Алексей Тарасов (к.ф.-м.н., Разумное Расписание)
Тема: Алгоритм огранки бриллиантов на основе методов нелинейной оптимизации
Аннотация
В докладе будет рассказана история создания уникального алгоритма огранки бриллиантов SmartRecut, основанного на модели непрерывной нелинейной оптимизации. Мы подробно обсудим путь от идеи до реализации, освещая ключевые математические аспекты и особенности работы с задачами непрерывной нелинейной оптимизации. Помимо этого будут затронуты вопросы выполнения инновационных проектов и упаковки технологий в готовые решения.
Уровень сложности: средний, ключевые слова: мат. моделирование, нелинейная оптимизация, IPOPT.
▫️ 9 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Алексей Тарасов (к.ф.-м.н., Разумное Расписание)
Тема: Алгоритм огранки бриллиантов на основе методов нелинейной оптимизации
Аннотация
В докладе будет рассказана история создания уникального алгоритма огранки бриллиантов SmartRecut, основанного на модели непрерывной нелинейной оптимизации. Мы подробно обсудим путь от идеи до реализации, освещая ключевые математические аспекты и особенности работы с задачами непрерывной нелинейной оптимизации. Помимо этого будут затронуты вопросы выполнения инновационных проектов и упаковки технологий в готовые решения.
Уровень сложности: средний, ключевые слова: мат. моделирование, нелинейная оптимизация, IPOPT.
Очный семинар про эффективность моделей в бизнесе
▫️ 23 октября (среда), 17:00 МСК
▫️ Место встречи: г. Москва, точный адрес отправим после регистрации
Тема:
Эффективность ML-моделей для бизнеса
Приглашенные эксперты:
▫️ Роман Мизюрин (Альфа Банк), Опыт оценки финансовых эффектов для задач машинного обучения;
▫️ Виктор Кантор (МТС), ML Inside: топ-4 способа монетизации ML в B2C компании;
▫️ Александр Ефимов (GlowByte) Эволюция целей и задач для ML команд.
Модератор дискуссии:
▫️ Глеб Шуклин, директор Ассоциации больших данных.
Организаторы:
Ассоциация Больших Данных, GlowByte
Участие бесплатное, но необходима регистрация.
▫️ 23 октября (среда), 17:00 МСК
▫️ Место встречи: г. Москва, точный адрес отправим после регистрации
Тема:
Эффективность ML-моделей для бизнеса
Приглашенные эксперты:
▫️ Роман Мизюрин (Альфа Банк), Опыт оценки финансовых эффектов для задач машинного обучения;
▫️ Виктор Кантор (МТС), ML Inside: топ-4 способа монетизации ML в B2C компании;
▫️ Александр Ефимов (GlowByte) Эволюция целей и задач для ML команд.
Модератор дискуссии:
▫️ Глеб Шуклин, директор Ассоциации больших данных.
Организаторы:
Ассоциация Больших Данных, GlowByte
Участие бесплатное, но необходима регистрация.
Семинар про FHE
▫️ 16 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Илья Герасимов (Криптонит, ВМК МГУ)
Тема: О схемах полностью гомоморфного шифрования: реализации, применение и стойкость
Аннотация
Технологии полностью гомоморфного шифрования позволяют выполнять операции над зашифрованными данными, не раскрывая их, благодаря чему имеют огромный потенциал применения в решении задач хранения и обработки персональных и чувствительных данных. Несмотря на широкие возможности и простоту функционала в рамках описания информационной системы, обеспечение высоких эксплуатационных характеристик и криптографической стойкости схемы гомоморфного шифрования имеет множество сложностей. В частности, достаточно большое количество вычисляемых операций и объем обрабатываемых данных может привести к нарушению корректности и стойкости криптосистемы.
В докладе приводится описание алгоритмов построения схем полностью гомоморфного шифрования, тонкостей применения схем при обработке данных и моделей угроз криптографических протоколов, использующих полностью гомоморфное шифрование.
Уровень сложности: средний, необходимы базовые знания математических основ криптосистем с открытым ключом; ключевые слова: FHE, обучение с ошибками LWE, RLWE.
▫️ 16 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Илья Герасимов (Криптонит, ВМК МГУ)
Тема: О схемах полностью гомоморфного шифрования: реализации, применение и стойкость
Аннотация
Технологии полностью гомоморфного шифрования позволяют выполнять операции над зашифрованными данными, не раскрывая их, благодаря чему имеют огромный потенциал применения в решении задач хранения и обработки персональных и чувствительных данных. Несмотря на широкие возможности и простоту функционала в рамках описания информационной системы, обеспечение высоких эксплуатационных характеристик и криптографической стойкости схемы гомоморфного шифрования имеет множество сложностей. В частности, достаточно большое количество вычисляемых операций и объем обрабатываемых данных может привести к нарушению корректности и стойкости криптосистемы.
В докладе приводится описание алгоритмов построения схем полностью гомоморфного шифрования, тонкостей применения схем при обработке данных и моделей угроз криптографических протоколов, использующих полностью гомоморфное шифрование.
Уровень сложности: средний, необходимы базовые знания математических основ криптосистем с открытым ключом; ключевые слова: FHE, обучение с ошибками LWE, RLWE.
Запись семинара
Запись:
▫️ Илья Герасимов (Криптонит, ВМК МГУ), О схемах полностью гомоморфного шифрования: реализации, применение и стойкость. YouTube | Дзен | RuTube (~1 час 10 минут).
Статья:
▫️ А.A. Гаража, И.Ю. Герасимов, М.В. Николаев, И.В. Чижов, Об использовании библиотек полностью гомоморфного шифрования (On the Usage of Fully Homomorphic Encryption Libraries), 2021 (10 стр., ~30 минут).
И еще можно вспомнить подборку, в которой можно найти вводные материалы по теме:
▫️ Про гомоморфное шифрование.
Запись:
▫️ Илья Герасимов (Криптонит, ВМК МГУ), О схемах полностью гомоморфного шифрования: реализации, применение и стойкость. YouTube | Дзен | RuTube (~1 час 10 минут).
Статья:
▫️ А.A. Гаража, И.Ю. Герасимов, М.В. Николаев, И.В. Чижов, Об использовании библиотек полностью гомоморфного шифрования (On the Usage of Fully Homomorphic Encryption Libraries), 2021 (10 стр., ~30 минут).
И еще можно вспомнить подборку, в которой можно найти вводные материалы по теме:
▫️ Про гомоморфное шифрование.