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.
Очный семинар про эффективность моделей в бизнесе
Напоминаем про очное мероприятие на этой неделе. Еще есть какое-то количество мест, регистрируйтесь и приходите.
▫️ 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
Напоминаем про очное мероприятие на этой неделе. Еще есть какое-то количество мест, регистрируйтесь и приходите.
▫️ 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
Семинар про задачу балансов на графе
▫️ 30 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Семён Косяченко, тимлид команды алгоритмистов, Оптимакрос
Тема: Решение задачи балансов на графе и поиск ошибок измерителей с помощью нейросетей
Аннотация
На производстве и в решении бизнес задач часто приходиться решать задачу сведения баланса на ориентированном графе — восстанавливать истинные значения потоков. Реже решается задача поиска ошибок в измерении потоков (неисправности измерителя, утечки и др.) Для решения таких задач общей практики не существуют, многие подходы являются простыми эвристиками, не учитывающими структуру графа и не предлагающие оценок точности.
В своем докладе автор предлагает решать задачу поиска ошибок измерителей с помощью нейросетей. Будет предложена концепция подхода, реализация, качественные примеры, количественные оценки предлагаемого подхода, а также рекомендации по имплементации на практике.
Уровень сложности: начинающий/средний, необходимо базовое представление MILP, базовые знания о нейросетях; ключевые слова: MILP, сведение балансов, поиск грубых ошибок, детекция ошибок измерителей, neural network, tensorflow.
▫️ 30 октября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Семён Косяченко, тимлид команды алгоритмистов, Оптимакрос
Тема: Решение задачи балансов на графе и поиск ошибок измерителей с помощью нейросетей
Аннотация
На производстве и в решении бизнес задач часто приходиться решать задачу сведения баланса на ориентированном графе — восстанавливать истинные значения потоков. Реже решается задача поиска ошибок в измерении потоков (неисправности измерителя, утечки и др.) Для решения таких задач общей практики не существуют, многие подходы являются простыми эвристиками, не учитывающими структуру графа и не предлагающие оценок точности.
В своем докладе автор предлагает решать задачу поиска ошибок измерителей с помощью нейросетей. Будет предложена концепция подхода, реализация, качественные примеры, количественные оценки предлагаемого подхода, а также рекомендации по имплементации на практике.
Уровень сложности: начинающий/средний, необходимо базовое представление MILP, базовые знания о нейросетях; ключевые слова: MILP, сведение балансов, поиск грубых ошибок, детекция ошибок измерителей, neural network, tensorflow.
Про конференции по МО и ИО
Продублирую в канал список отечественных конференций по математической оптимизации и исследованию операций:
▫️ MOTOR
▫️ IWMMA (записи докладов 2023)
▫️ ICOMP (записи докладов 2024)
▫️ Конференции по ИМ (записи докладов ИММОД-2023)
P.S.: А мы решили 11 декабря собрать очный семинар/круглый стол по оптимизации и связанным вопросам, детали буду ближе к делу.
Продублирую в канал список отечественных конференций по математической оптимизации и исследованию операций:
▫️ MOTOR
▫️ IWMMA (записи докладов 2023)
▫️ ICOMP (записи докладов 2024)
▫️ Конференции по ИМ (записи докладов ИММОД-2023)
P.S.: А мы решили 11 декабря собрать очный семинар/круглый стол по оптимизации и связанным вопросам, детали буду ближе к делу.
Мероприятия NoML в ноябре
План онлайн семинаров на ближайший месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:
▫️ 06.11 | Максим Сергеевич Николаев (МКН СПбГУ, ШАД, ПОМИ РАН), Применение байесовского подхода для максимизации прибыли в A/B-тестах;
▫️ 13.11 | Константин Игоревич Чухарев (Университет ИТМО), От SAT к SMT: новый рубеж в решении задач и формальной верификации;
▫️ 20.11 | Сергей Валерьевич Ковальчук (Университет ИТМО), Агенты искусственного интеллекта для поддержки принятия решений: контекст принятия решений, когнитивные характеристики, взаимодействие с человеком;
▫️ 27.11 | Вадим Андреевич Порватов (Сколтех), Causal Inference для вашего проекта: обзор кейсов;
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.
План онлайн семинаров на ближайший месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:
▫️ 06.11 | Максим Сергеевич Николаев (МКН СПбГУ, ШАД, ПОМИ РАН), Применение байесовского подхода для максимизации прибыли в A/B-тестах;
▫️ 13.11 | Константин Игоревич Чухарев (Университет ИТМО), От SAT к SMT: новый рубеж в решении задач и формальной верификации;
▫️ 20.11 | Сергей Валерьевич Ковальчук (Университет ИТМО), Агенты искусственного интеллекта для поддержки принятия решений: контекст принятия решений, когнитивные характеристики, взаимодействие с человеком;
▫️ 27.11 | Вадим Андреевич Порватов (Сколтех), Causal Inference для вашего проекта: обзор кейсов;
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.
Семинар про байесовский подход в A/B
▫️ 6 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Максим Сергеевич Николаев, руководитель направления Науки о данных факультета МКН СПбГУ, преподаватель статистики на МКН и в ШАД, младший научный сотрудник ПОМИ РАН
Тема: Применение байесовского подхода для максимизации прибыли в A/B-тестах
Аннотация
Представьте, что интернет-магазин хочет разослать своей аудитории информацию о скидках, но для начала хочет узнать, какой из двух вариантов объявлений лучше. Для этого он планирует провести простенький A/B-тест: выделить часть аудитории, одной ее половине послать один вариант, второй половине — другой, и потом послать всей остальной аудитории лучший из двух вариантов.
Один из фундаментальных вопросов в такого рода экспериментах: насколько большой нужно делать тестовую часть аудитории? Если взять слишком большой, то мы точно узнаем, какой вариант лучше, но при этом много пользователей (половина тестовой части!) получит неоптимальный вариант. Если же взять слишком маленькой, то мы можем неправильно определить, какой вариант лучше.
Мы рассмотрим два подхода к решению этого вопроса: с помощью проверки гипотез и с помощью байесовского метода, увидим, что байесовский подход лучше, и обсудим, почему такого рода задачи очень естественно формулировать именно в терминах байесовского подхода, а в терминах проверки гипотез — не очень.
Источник: Elea McDonnell Feit, Ron Berman, Test & roll: Profit-maximizing A/B tests (2018).
Уровень сложности: начинающий, предполагается знакомство с математической статистикой и байесовским подходом.
Ключевые слова: Байесовский подход; A/B-тестирование; Sample size.
▫️ 6 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Максим Сергеевич Николаев, руководитель направления Науки о данных факультета МКН СПбГУ, преподаватель статистики на МКН и в ШАД, младший научный сотрудник ПОМИ РАН
Тема: Применение байесовского подхода для максимизации прибыли в A/B-тестах
Аннотация
Представьте, что интернет-магазин хочет разослать своей аудитории информацию о скидках, но для начала хочет узнать, какой из двух вариантов объявлений лучше. Для этого он планирует провести простенький A/B-тест: выделить часть аудитории, одной ее половине послать один вариант, второй половине — другой, и потом послать всей остальной аудитории лучший из двух вариантов.
Один из фундаментальных вопросов в такого рода экспериментах: насколько большой нужно делать тестовую часть аудитории? Если взять слишком большой, то мы точно узнаем, какой вариант лучше, но при этом много пользователей (половина тестовой части!) получит неоптимальный вариант. Если же взять слишком маленькой, то мы можем неправильно определить, какой вариант лучше.
Мы рассмотрим два подхода к решению этого вопроса: с помощью проверки гипотез и с помощью байесовского метода, увидим, что байесовский подход лучше, и обсудим, почему такого рода задачи очень естественно формулировать именно в терминах байесовского подхода, а в терминах проверки гипотез — не очень.
Источник: Elea McDonnell Feit, Ron Berman, Test & roll: Profit-maximizing A/B tests (2018).
Уровень сложности: начинающий, предполагается знакомство с математической статистикой и байесовским подходом.
Ключевые слова: Байесовский подход; A/B-тестирование; Sample size.
Семинар про SAT/SMT
▫️ 13 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Константин Игоревич Чухарев, эксперт в области задачи выполнимости (SAT) и формальных методов, преподаватель дискретной математики и своего рода исследователь в Университете ИТМО, академический консультант в компании Huawei.
Тема: От SAT к SMT: новый рубеж в решении задач и формальной верификации
Аннотация
В этом докладе мы погрузимся в мир Satisfiability Modulo Theories (SMT) — современного подхода к решению задач, который объединяет логику с предметно-ориентированными теориями и становится ключевым инструментом в современных вычислительных науках. Мы начнём с краткого знакомства с SAT, базовой логической задачи, на основе которой строится SMT, и увидим, как добавление специализированных теорий (таких как арифметика и работа с массивами) позволяет решать более комплексные задачи. Особое внимание уделим двум основным подходам к решению SMT — энергичному (eager) и ленивому (lazy), а также разберём ключевой алгоритм DPLL(T), лежащий в основе большинства современных SMT-решателей.
Мы также поговорим о символьном исполнении — методе, который использует SMT для моделирования и проверки множества путей исполнения программ, не ограничиваясь конкретными входными данными, а оперируя их “символьными”, абстрактными значениями. Это мощный инструмент для обнаружения потенциальных ошибок в коде ещё до его запуска, который также может быть использован для автоматической генерации тестов.
Уровень сложности: начинающий, доклад будет полезен всем, кто стремится понять, как формальные методы и логическая теория находят своё применение в задачах анализа и оптимизации сложных систем.
Ключевые слова: SAT, SMT, алгоритм DPLL(T), символьное исполнение, symbolic execution.
▫️ 13 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Константин Игоревич Чухарев, эксперт в области задачи выполнимости (SAT) и формальных методов, преподаватель дискретной математики и своего рода исследователь в Университете ИТМО, академический консультант в компании Huawei.
Тема: От SAT к SMT: новый рубеж в решении задач и формальной верификации
Аннотация
В этом докладе мы погрузимся в мир Satisfiability Modulo Theories (SMT) — современного подхода к решению задач, который объединяет логику с предметно-ориентированными теориями и становится ключевым инструментом в современных вычислительных науках. Мы начнём с краткого знакомства с SAT, базовой логической задачи, на основе которой строится SMT, и увидим, как добавление специализированных теорий (таких как арифметика и работа с массивами) позволяет решать более комплексные задачи. Особое внимание уделим двум основным подходам к решению SMT — энергичному (eager) и ленивому (lazy), а также разберём ключевой алгоритм DPLL(T), лежащий в основе большинства современных SMT-решателей.
Мы также поговорим о символьном исполнении — методе, который использует SMT для моделирования и проверки множества путей исполнения программ, не ограничиваясь конкретными входными данными, а оперируя их “символьными”, абстрактными значениями. Это мощный инструмент для обнаружения потенциальных ошибок в коде ещё до его запуска, который также может быть использован для автоматической генерации тестов.
Уровень сложности: начинающий, доклад будет полезен всем, кто стремится понять, как формальные методы и логическая теория находят своё применение в задачах анализа и оптимизации сложных систем.
Ключевые слова: SAT, SMT, алгоритм DPLL(T), символьное исполнение, symbolic execution.
Семинар про агентные подходы в ИИ
▫️ 20 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Сергей Валерьевич Ковальчук, к.т.н., доцент практики Университета ИТМО
Тема: Агенты искусственного интеллекта для поддержки принятия решений: контекст принятия решений, когнитивные характеристики, взаимодействие с человеком
Аннотация
Рассматриваются вопросы применения агентных подходов для описания и поддержки процессов принятия решений в различных областях (медицина, программирование и др.). Демонстрируются примеры из практики разработки интеллектуальных систем, систем поддержки принятия решений и др. Акцент ставится на моделях поведения и принятия решений с точки зрения внутреннего (когнитивного, психологического) контекста пользователя. Анализируются возможные пути выявления и использования такого контекста при построении интеллектуальных систем.
Уровень сложности: начинающий, от слушателей ожидается базовое понимание современных концепций ИИ и машинного обучения, базовое понимание математического моделирования, понимание базовых принципов поддержки принятия решений.
Ключевые слова: decision support systems; agent-based modelling; behavioral modelling; cognitive models; human-computer interaction.
▫️ 20 ноября (среда), 17:00 МСК
▫️ Подключение→
Выступает: Сергей Валерьевич Ковальчук, к.т.н., доцент практики Университета ИТМО
Тема: Агенты искусственного интеллекта для поддержки принятия решений: контекст принятия решений, когнитивные характеристики, взаимодействие с человеком
Аннотация
Рассматриваются вопросы применения агентных подходов для описания и поддержки процессов принятия решений в различных областях (медицина, программирование и др.). Демонстрируются примеры из практики разработки интеллектуальных систем, систем поддержки принятия решений и др. Акцент ставится на моделях поведения и принятия решений с точки зрения внутреннего (когнитивного, психологического) контекста пользователя. Анализируются возможные пути выявления и использования такого контекста при построении интеллектуальных систем.
Уровень сложности: начинающий, от слушателей ожидается базовое понимание современных концепций ИИ и машинного обучения, базовое понимание математического моделирования, понимание базовых принципов поддержки принятия решений.
Ключевые слова: decision support systems; agent-based modelling; behavioral modelling; cognitive models; human-computer interaction.
NoML Recap — ИИ и агенты
Запись семинара скоро будет, а пока можно вспомнить другие наши доклады со словами “(мульти)агенты” и “ИИ”:
▫️ Сергей Грачев (Генезис Знаний), Мультиагентные технологии: решение сложных бизнес задач на принципах самоорганизации активных агентов, 2023. YouTube | Дзен | RuTube (~2 часа)
▫️ Захар Понимаш, Виктор Носко (ФракталТех), Мультиагентный искусственный интеллект: современные тренды и преимущества синергии с LLM, 2024. YouTube | Дзен | RuTube (~1 час 40 минут)
Плюс подборки материалов по теме:
▫️ Книги и лекции по MAS
▫️ LLM и MAS
Также напоминаем, что в нашем чате @noml_community можно задавать вопросы и делиться полезными материалами по теме семинара и не только.
Запись семинара скоро будет, а пока можно вспомнить другие наши доклады со словами “(мульти)агенты” и “ИИ”:
▫️ Сергей Грачев (Генезис Знаний), Мультиагентные технологии: решение сложных бизнес задач на принципах самоорганизации активных агентов, 2023. YouTube | Дзен | RuTube (~2 часа)
▫️ Захар Понимаш, Виктор Носко (ФракталТех), Мультиагентный искусственный интеллект: современные тренды и преимущества синергии с LLM, 2024. YouTube | Дзен | RuTube (~1 час 40 минут)
Плюс подборки материалов по теме:
▫️ Книги и лекции по MAS
▫️ LLM и MAS
Также напоминаем, что в нашем чате @noml_community можно задавать вопросы и делиться полезными материалами по теме семинара и не только.