Инфопространство,
Москва, 16 сентября 2019
8 августа 2019

Как организовать процесс разработки в ML-проектах и другие темы UseData Conf

Machine Learning for Code

Работая в Samsung Research Russia, Егор Булычёв принял участие в разработке платформы обучения нейронных сетей Велес. Как никто другой он знает, что разработка софта — это сложный и многогранный процесс. В своём докладе Егор расскажет:

  • Почему применение машинного обучения к исходному коду так сложно? Почему почти ни одна из задач не может быть решена без использования методов для обработки естественных языков? Какие сложности надо преодолеть на этом пути?
  • Код-ревью — почему мы тратим так много времени на него? Как оптимизировать этот процесс и избавить разработчиков от «глупых» задач? Какие существуют решения на основе машинного обучения и как выкатить их в продакшн?
  • Поиск похожих репозиториев — почему поиск для исходного кода работает плохо? Как искать похожие по смыслу и решаемым задачам репозитории?
  • Поиск разработчиков с похожим опытом — как формализовать похожесть? Как извлечь необходимую информацию из кода? Какие методы позволят решить эту задачу?

Project Management 2.0: AI Transformation

Постоянный спикер конференций Онтико Эдуард Тянтов (Mail.ru) не мог обойти своим вниманием UseData Conf. Кому как не руководителю групп по машинному обучению рассказывать о том, как строится процесс разработки софта в области ML.

За последние пару лет в Mail.ru запустили десятки продуктов и фич на основе машинного обучения, Эдуард расскажет о:

  • выработанных практиках ведения проекта с ML в основе;
  • многочисленных шишках, которые набили разработчики Mail.ru;
  • адаптации софтверной разработки;
  • и о многом другом.

Доклад будет полезен всем, кто так или иначе участвует в разработке AI-продуктов.

Что такое хорошо и что такое плохо: метрики для рекомендательных систем 

Ирина Пчелинцева из Яндекса любит метрики и данные, она знает разницу между корреляцией и причинно-следственной связью. На UseData Conf она расскажет, как несбалансированность метрик может помешать развитию рекомендательной системы.

На примере рекомендательной системы фильмов и сериалов в поиске Яндекса Ирина покажет, как перевести различные аспекты счастья пользователя в числа, как их контролировать и как сделать систему контроля качества, позволяющую быстро экспериментировать с рекомендациями. 

Митапы UseData Conf

Если вы так и не подали заявку на доклад, есть возможность собрать свой маленький междусобойчик (митап или воркшоп) и обсудить с коллегами по отрасли то, что вас так волнует. Чтобы подать заявку на своё мероприятие, залогиньтесь в личном кабинете и перейдите по этой ссылке

На сегодня всё! До скорого!