Ансамбли и методы их обучения на реальных примерах

ML и AI в производственных компаниях

Machine Learning
Оптимизация
Рекомендации / ML
ML
Обработка данных

Доклад принят в программу конференции

Целевая аудитория

IТ-специалисты, специалисты в области AI и ML, производственный персонал

Тезисы

Многие специалисты в области ML знакомы с методами бустинга, бэггинга и стэкинга, и даже используют такие алгоритмы как случайные леса, CatBoost и AdaBoost в своей работе. В докладе мы рассмотрим, как на практике появляются похожие задачи, где участвуют разнородные модели. Мы подробно разберем процесс обучения таких ансамблей и методы штрафования для повышения их эффективности.

Поговорим немного о теории, но основное внимание будет уделено реальным примерам из промышленной практики, которые наглядно демонстрируют успешное применение ансамблей моделей. Также рассмотрим пример одновременного обучения нескольких моделей компьютерного зрения (CV).

Руководитель практики ML/AI ГК Юзтех с опытом 15+ лет. Закончил Московский государственный университет им. М.В. Ломоносова и аспирантуру факультета ВМК. Кандидат физико-математических наук, автор более 30 научных работ в журналах уровня Applicable analysis, Mathematical and Computational Applications (MDPI), Journal of Marine Scince and Engineering. На протяжении последних 11 лет разрабатывает математические модели с использованием машинного обучения для разных классов задач. В последнее время активно занимается технологией траекторной обработки векторных трехмерных данных.

ГК Юзтех

Группа компаний Юзтех — ведущий технологический и бизнес-партнер лидеров российского и зарубежного бизнеса, разработчик IТ-продуктов и сервисов. С 2006 года работает на рынке системной интеграции, реализуя сложные и масштабные проекты. Штат — более 1000 сотрудников. Компания располагает 10 офисами и представительствами в России и мире. На счету компании более 2000 реализованных проектов в различных отраслях экономики. Компания помогает лидерам рынка на всех уровнях цифровизации. Предоставляет услуги по IТ-консалтингу, внедрению информационных систем, оптимизации и автоматизации бизнес-процессов, реализации сложных веб- и мобильных приложений, UX-дизайн, проектированию и разработке корпоративных хранилищ данных и Data Lake, созданию решений на основе машинного обучения и компьютерного зрения. Помимо отраслевых и специализированных решений, компания располагает собственной линейкой продуктов — USEBUS, Octopus, Тил Эйчар, "Цифровой двойник рисков", "ЮзКерн".

Видео

Другие доклады секции

ML и AI в производственных компаниях