Уже завтра, 29-го марта, на конференции Azure Day расскажу про то, как в условиях санкций и/или подготовки к финансовому кризису подготовить себе еще одну «подушку безопасности» - собрать валютный портфель.
Конференция бесплатная и пройдет онлайн, так что обязательно присоединяйтесь!
Финансовое мошенничество представляет собой серьезную угрозу, ежегодные убытки от которой оцениваются в сотни миллиардов долларов. Меры по борьбе с мошенничеством включают в себя контроль транзакций на основе экспертных правил, и, все чаще, моделей, основанных на технологиях Машинного обучения.
Именно применение Машинного обучения для обнаружения финансового мошенничества и стало темой моего доклада. Материалы доклада представлены ниже.
Прям перед всеобщим карантином Михаил Ивлиев (онлайн-школа IQBI) пригласил меня на интервью, поговорить о машинном обучение, о трендах в нем, перспективах, хайпе и многом другом. Разговор получился интересным и прошел на одном дыхании. Надеюсь будет интересным и Вам.
Приветствую всех!
3-го декабря в 19:00 соберемся на юбилейный десятый (он же X :) митап группы DΛTA GEEKS.
К такой особенной встрече у нас не менее особенные докладчики: Дмитрий Сошников, Cloud Developer Advocate (Microsoft) и Алексей Любко, основатель и CTO (Pryaniky.com).
Как всегда нас ждут 2 интереснейших доклада, чай-кофе-печенье (или что-то съедобное) и позитивное общение!
В программе:
18:45-19:00 Приветственный кофе
19:00-19:45 mPyPl: функциональный подход к обработке сложных данных на Python для глубокого обучения, Дмитрий Сошников
19:45-20:00 Кофе-брейк
20:00-20:45 AI, мы ищем таланты! Как использовать анализ данных в работе с персоналом, Алексей Любко
20:45-21:15 Общение + fun.
Всем привет!
Плохая новость – лето подошло к концу; хорошая – наступает время конференций, ИТ-тусовок и безумных предновогодних проектов. На одно из мероприятий, где это все (и еще бесплатная пицца :) ) будет, я и хочу с радостью вас пригласить.
Global AI Night – митап, который проходит одновременно по всему миру при поддержке 90 ИТ-сообществ. Как не сложно догадаться, митап посвящен теме машинного обучения.
Мне выпала честь быть пригашенным туда российским MVP Community в качестве спикера. Свое выступление я посвящу теме Automated Machine Learning: расскажу, что это за зверь в зоопарке ML, сделаю обзор основных концепций и фрейморков для Auto ML, а также проведу пару безумных, как и было заявлено, демок.
В конце прошлой неделе мне выпала честь выступить на конференции Azure Day 2019 [3], где я рассказывал о кейсах применения технологий AI в розничных и коммерческих банках.
Спешу выложить в свободный доступ появившиеся материалы.
В конце ноября-начале декабря я выступлю в роли докладчика на 3-ех мероприятиях [1]. На всех трех я буду поднимать одну и ту же тему – облачные технологии для задача машинного обучения. В зависимости от тематики конференции я попытаюсь осветить тему AI + Cloud то больше с точки зрения .NET-разработчика, а то больше с точки зрения data scientist’a.
Спешу поделиться с вами материалами:
Давно я не участвовал в хакатонах (последние раз это было в качестве ментора и жюри), но хакатон AIST Hack [1] как-то сразу привлек мое внимание.
Привлек не в последнюю очередь мегахайвопой темой 'AI в блокчейне', а также близостью к моим интересам-образованию-профессии: у меня высшее образование по специальность Прикладная информатика в экономике и аспирантура по Математическому моделированию, с этим бэкграундом я успел поработать как на поприще финансовых рынков, так и банковского сектора, кроме этого я постоянно испытываю плохо контролируемых интерес к теме AI + Bitcoin.
Ну так вот: звезды сошлись, и я как Oxxxymiron решил тряхнуть стариной и поучаствовать в рэп-батле хакатоне.
Что из этого получилось – расскажу ниже.
Последние 3 года мы все наблюдаем взрывной рост числа приложений и сервисов, использующих технологии искусственного интеллекта. Одним из ключевых кирпичиков построения таких приложений являются платформы, представляющие инфраструктуру (backend для AI). И во многом локомотивами развития таких бекэндов стали именно облачные платформы.
В рамках своего доклада на конференции Azure Day я попытался разобраться в существующем в облаке Azure многообразии AI-сервисов и инструментов, рассмотрел, как построить в облаке современный AI-стек для решения Deep Learning задач, а напоследок, еще и обучил глубокую нейронную сеть на GPU-инстансе Azure VM.
Не так давно я делал введение в глубокое обучение (Deep Learning) пришла пора выпустить приквел и рассказать собственно про машинное обучение.
Собственно, ниже я буду собирать материалы (слайды, код, видео) со своих лекций по этой теме. Пока материалов немного (первая лекция завтра), но я с радостью спешу ими с вами поделиться.
Около 5 тысяч лет назад биологический интеллект (Homo Sapiens) начал создавать универсальный язык, на котором собирался описывать процессы, происходящие вокруг него. И удивительная вещь: оказалось, что этим языком получалось описать как очень крупные объекты (скажем, черные дыры), так и в очень маленькие (например, электроны). Вы, конечно же, догадались, что имя этого языка «математика».
Не прошло еще и ста лет, как тот же биологический интеллект (человечество) изобрел лампово-кремнивые «орудия труда», которые в своей роботе оперируют математической логикой. И опять вы догадались, что речь идет о ЭВМ.
И прошли считанные десятилетия, как человечество с помощью специального математического описания научили компьютеры показывать поведение, которое не было в них заложено/запрограммировано явно (они учились!). Так биологический интеллект начал создавать «думающий» (пока в кавычках) небиологический, а еще точнее искусственный, интеллект.
И этот созданный интеллект помогал человеку с решением рутинных и не очень задач, помогал все лучше и лучше. И прошли считанные на пальцах одной руки годы, как ИИ начал решать какие-то из этих задач на уровне человека, а какие-то и лучше…
Microsoft Machine Learning Server. Part II
Биткоин Прогресс не стоит на месте. И, безусловно, технология блокчейн и производные от нее технологии, в первую очередь криптовалюты,
не могут не вызвать интереса у любого, кто интересуется технологиями и всем новым.
Поэтому уже завтра (14-го декабря) на новогодней встрече Data Geeks Community я продолжу свои эксперименты с применением технологий машинного обучения к задаче предсказания курса биткоина.
Part I: Architecture View
R зарекомендовал себя как отличный статистический пакет для анализа данных: его широко используют в академической среде, с его помощью энтузиасты выигрывают в соревнованиях Kaggle, хедж-фонды занимаются анализом финансовых рынков.
Но требования, предъявляемые к исследовательской деятельности, зачатую сильно отличаются от требований, предъявляемых к программным продуктам в Enterprise-среде.
В серии докладов про Microsoft Machine Learning Server (бывший Microsoft R Server) мы познакомимся ближе с данным программным фреймворком, с тем, как его применение поможет выполнять R-скрипты многопоточно на многопроцессорной машине, распределено на Spark-кластере, как публиковать ML-модели в виде высоконагруженный REST-сервисов и многое другое.
И первый доклад пройдет уже сегодня на встрече Data Geeks Community (о нем еще обязательно позже расскажу). Спешу поделиться с вами материалами с этого доклада.
Симбиоз технологий Интернета вещей (IoT) и технологий искусственного интеллекта (AI) могут (или уже?) открыть новые горизонты для широкого распространения датчиков в нашей повседневной жизни, так и в промышленности.
О том, в каком состоянии сегодня пребывает «дружба» IoT и AI, а также о конкретных задачах в авиапромышленности и здравоохранении расскажу уже сегодня (20 сентября) на открытой встрече Russian IoT Community. Презентация с моего доклада представлена ниже.
Лето в этом году было облачным Первая новость, которую я хочу сообщить с особой гордостью за российских разработчиков в частности и за страну в общем –
Яндекс выложила свою библиотеку машинного обучения CatBoost в открытый доступ. Высокая точность предсказания и
способность работать как с категориальными, так и числовыми предикторами заявляются killer-фичами ML-фреймоворка от Яндекс. Тем самым Яндекс
присоединилась к таким гигантам как Microsoft, Google, Amazon, в деле открытия исходных кодов своих AI-алгоритмов для Data Science (DS) сообщества.
Уже завтра состоится конференция Payment Security. Как несложно догадаться по названию, конференция собирает экспертов в сфере безопасности платежей, а также всех интересующихся этой актуальной темой специалистов – от начальников служб безопасности банков до разработчиков стартапов, предоставляющих своим пользователям возможности онлайн-оплаты.
Я, в свою очередь, расскажу про применение машинного интеллекта для задачи обнаружения мошенничества по пластиковым картам.
Март-апрель были (и еще будет) богаты на всякого рода встречи российского Azure-сообщества. Это хакатон Breakpoint, по Azure-митапы в Москве и Санкт-Петербурге, конференция Global Azure Bootcamp и DevCon School.
На паре мероприятий мне выпала честь поучаствовать в качестве спикера. Спешу поделиться материалами рассказанного словами и продемонстрированного (как в качестве презентации, так и в качестве демо).
UPD1 [2017-04-20]: добавлены описание и ссылки. UPD2 [2017-04-22]: добавил результаты демо.
Хочу сделать анонс встречи Moscow Cognitive Computing Community, которая пройдет 15 ноября в Москве. В первую очередь, этот митап будет интресен тем, кто ипользует/собирается использовать в своих проектах технологии распознания лиц, голоса, интеллектуальных голосовых помощников или чат-боты.
В свою очередь, я на этой встречи расскажу о практических кейсах применения машинного обучения в розничных банках. Немного попозже дополню статью материалами с выступления UPD [15.11.2016]: презентация прикреплена.
R, один из популярнейших языков программирования среди data scientist'ов, получает все большую и большую поддержку как среди opensource-сообщества, так и среди частных компаний, которые традиционно являлись разработчиками проприетарных продуктов. Среди таких компаний – Microsoft, чья интенсивно увеличивающая поддержка языка R в своих продуктах/сервисах, привлекла к себе и мое внимание.
Одним из «локомотивов» интеграции R с продуктами Майкрософт является облачная платформа Microsoft Azure. Кроме того, появился отличный повод повнимательнее взглянуть на связку R + Azure – это проходящий в эти выходные (21-22 мая) хакатон по машинному обучению, организованный Microsoft [1].
В прошлой части я озвучил 3 тезиса:
Azure Machine Learning (Azure ML) – облачный сервис для выполнения задач, связанных с машинным обучением. Почти наверняка Azure ML будет центральным сервисом, которым вы будете пользоваться, в случае, если захотите обучить модель, в облаке Azure.
Подробный рассказ про Azure ML не входит в цели данного поста, в тем более, что о сервисе уже достаточно написано: Azure ML для data scientist’ов [3], best practices обучения модели в Azure ML [4]. Сконцентрируемся на следующей задаче: организация командной работы с максимально безболезненным переносом R-скриптов с локального компьютера в Azure ML Studio.
R, один из популярнейших языков программирования среди data scientist'ов, получает все большую и большую поддержку как среди opensource-сообщества, так и среди частных компаний, которые традиционно являлись разработчиками проприетарных продуктов. Среди таких компаний – Microsoft, чья интенсивно увеличивающая поддержка языка R в своих продуктах/сервисах, привлекла к себе и мое внимание.
Одним из «локомотивов» интеграции R с продуктами Майкрософт является облачная платформа Microsoft Azure. Кроме того, появился отличный повод повнимательнее взглянуть на связку R + Azure – это проходящий в эти выходные (21-22 мая) хакатон по машинному обучению, организованный Microsoft [1].
Хакатон – мероприятие, где кофе время чрезвычайно ценный ресурс. В контексте этого я ранее писал о
best practices обучения моделей в Azure Machine Learning.
Но Azure ML – это не лучший инструмент для прототипирования; это скорее сервис для создания готового продукта со всеми вытекающими отсюда затратами как на время разработки, так и на стоимость владения.
R же прекрасно подходит для создания прототипов, для копания (mining) в данных, быстрой проверки своих гипотез – то есть всего того, что нам нужно на такого типа соревнованиях! Ниже я расскажу, как использовать всю мощь R в Azure – от создания прототипа до публикации готовой модели в Azure Machine Learning.
