W imieniu organizatorów zapraszamy na siódme spotkanie osób pracujących przy projektach wykorzystujących Data Science / Machine Learning / Big Data / Artificial Intelligence.
Celem wydarzenia jest wymiana wiedzy i doświadczeń.
Jeśli zajmujesz się tym hobbystycznie lub dopiero wkroczyć do tej działki, to również jesteś mile widziany(a) i na pewno dostaniesz solidną dawkę wiedzy.
Harmonogram:
18:00 - Początek wydarzenia
18:05 - 18:40 - Czy możliwe jest skuteczne zwalczanie skrzywienia (bias) modeli AI?
18:45 - 19:23 - MLOps w 38 minut. Teoria + praktyka w oparciu o narzędzia Open Source
19:23 - Networking
Miejsce i termin spotkania:
Wydział Ekonomiczny UMCS Plac Marii Curie-Skłodowskiej 5
Aula III, 14 grudnia (środa)
Prelegenci i opis prezentacji:
Kamil Filipek - Data scientist, socjolog. Dyrektor Centrum Sztucznej Inteligencji i Modelowania Komputerowego UMCS. Staż podoktorski odbył w Interdyscyplinarnym Centrum Modelowania Matematycznego i Komputerowego UW. Programuje w R i Pythonie. Specjalizuje się w przetwarzaniu języka naturalnego (NLP). Uczestniczy w projektach NLP realizowanych przez polskie oraz zagraniczne firmy technologiczne.
Opis: W sferze prywatnej oraz publicznej coraz częściej spotykamy się rozwiązaniami wykorzystującymi algorytmy sztucznej inteligencji, które nie działają prawidłowo. W przetwarzaniu języka naturalnego (NLP) wadliwe działanie modeli wynikać może z błędów popełnianych a etapie (i) gromadzenia danych treningowych, (ii) „zakorzenienia” (ang. embedding) słów, (iii) przekazywania modeli do produkcji. Oznacza to, że identyfikowanie skrzywienia algorytmicznego może być dość problematyczne.
Celem wystąpienia jest (i) prezentacja typów skrzywienia algorytmicznego, (ii) przedstawienie wybranych metod identyfikacji skrzywienia algorytmicznego (ang. bias mitigation techniques) na przykładzie algorytmów wykorzystywanych na gruncie przetwarzania języka naturalnego (NLP), (iii) próba odpowiedzi na pytania dotyczące miejsca oraz roli “biasu” we współczesnym społeczeństwie oraz pracy data scientistów.
Konrad Łyda - Inżynier AI. Obecnie skupiony głównie na wdrażaniu narzędzi i pipelinów pomagających dostarczać i utrzymywać wysokiej jakości modele ML użytkownikom - aka MLOps.
Opis: W prezentacji pokażemy narzędzia z działki MLOps, które posłużą do budowania zautomatyzowanych i kontrolowalnych wdrożeń produktów opartych o modele uczenia maszynowego. Dowiemy się jak zminimalizować konieczność ręcznego procesowania informacji i wykonywania powtarzalnych czynności, zachowując przy tym obszerny monitoring całego procesu i odzyskując czas na ciekawsze zajęcia.
Podczas prezentacji pokażemy krótkie demo takiego rozwiązania. Po prezentacji każdy uczestnik będzie wiedział, czy takie podejście może ułatwić jego pracę oraz gdzie szukać informacji o tego typu rozwiązaniach.
