Огляд та головні тези вебінару «Штучний інтелект та машинне навчання: від теорії до практики»

Як відомо, штучний інтелект (AI) — це галузь комп’ютерних наук, яка займається створенням систем, що можуть виконувати завдання, які зазвичай потребують людського інтелекту. Основною метою штучного інтелекту є розробка комп’ютерних програм, які здатні до самонавчання, розуміння, мислення, планування, сприйняття та розв’язання проблем.

Своєю чергою, ML або машинне навчання (Machine Learning) є галуззю штучного інтелекту, яка досліджує розробку алгоритмів і моделей, які дають комп’ютерам можливість самостійно навчатися на основі даних, без явного програмування. Основна ідея полягає в тому, щоб комп’ютери могли виявляти закономірності в даних і використовувати їх для прийняття рішень або роботи з новими даними, які вони раніше не бачили. Машинне навчання застосовується в різних сферах, таких як обробка природної мови, комп’ютерний зір, медицина, фінанси, автономні автомобілі, рекомендаційні системи, кібербезпека та інші, і відкриває широкі можливості для розвитку нових технологій та розв’язання складних завдань.

Під час вебінару було розглянуто широкий спектр тем, починаючи від основних концепцій машинного навчання до практичних застосувань та новітніх технологій. Основна мета події полягала в тому, щоб учасники зрозуміли не лише теоретичну базу цих технологій, але і спробували застосувати їх на практиці.

Спікер вебінару — Степан Новіков, Senior Solution Architect в EPAM, має загалом понад двадцять років досвіду в ІТ-індустрії, з яких понад сім обіймає посаду архітектора рішень. Працював у різних галузях бізнесу, таких як енергетика, інженерія, фінанси, логістика та інші. Має великий досвід роботи з технологіями машинного навчання, оскільки цікавиться цим напрямом ще зі студентських років. Багато експериментував із передовими технологіями ML, використовуючи їх як у бізнес-проєктах, так і для особистих цілей. Степан часто бере участь у тренінгах для архітекторів рішень у ролі експерта та ментора.

Подія складалася із двох частин — теоретичної та практичної. У першій частині вебінару було розглянуто основні поняття машинного навчання, такі як типи ML, ML-моделі та їх архітектури, а також передові архітектури ML, такі як автокодувальники та генеративні змагальні мережі. Ця частина дала учасникам чітке уявлення про те, як працює машинне навчання та які основні ідеї стоять за ним.

Спікер розповів про таке:

• що таке машинне навчання (ML): розглянули визначення ML та його роль у розвитку сучасних технологій;
• типи машинного навчання: дізналися про різновиди ML та їхні використання в практичних завданнях;
• ML-моделі та їхні архітектури: розглянули, як працюють ML-моделі та що стоїть за їхніми архітектурами;
• базові речі для вибору архітектури ML-моделі: дізналися про ключові аспекти вибору архітектури ML-моделі для конкретних завдань;
• база передових архітектур ML: зосередилися на передових архітектурах ML, таких як автокодувальники, генеративні змагальні мережі (GAN) та інші.

У другій частині заходу експерт провів практичний експеримент із використанням технологій комп’ютерного зору, розглянув архітектуру трансформерів та їхнє застосування в різних сферах. Продемонстрував, як трансформери використовують унікальний механізм уваги для зв’язку між словами в тексті. Також була висвітлена теорія MLOps та Continues Training, яка є важливою для ефективного управління проєктами, у яких використовується машинне навчання.

Дві з половиною години події пролетіли непомітно для учасників, оскільки тема виявилась захопливою та актуальною. А наприкінці Степан відповів на питання глядачів. Дивіться подію повністю на нашому YouTube-каналі:

Не забувайте слідкувати за нашими новинами, в EPAM безліч цікавого і корисного. Робити це зручно на наших сторінках у Facebook, Twitter, Telegram або Youtube, а ще радимо заглядати у розклад наших подій на сайті у відповідному розділі — Календар подій.

І, як завжди, дякуємо, що ви з нами!