Model-centric AI наносит ответный удар
DS/ML/AI

Тезисы

Последнее время все только и говорят про data-centric AI, мол, чистые и качественные данные намного важнее хитрых моделей и архитектурных ухищрений. Всегда ли это так?

В своём докладе я поговорю про разницу между этими подходами, расскажу, почему не нужно их противопоставлять, а главное покажу на реальном примере задачи детекции как модифицировать архитектуру модели для решения всевозможных проблем и задач, которые возникают на реальных проектах. В конце расскажу как научиться придумывать хитрые идеи и изменять модельки под свои нужды.

Аудитория

Data-scientist, ml-engineer.

Уровень сложности

Advanced.



Оцените доклад

Презентация (на Я.Диске)

Записи выступлений доступны платным участникам CodeFest
В свободном доступе появятся через пол года

Залогиниться

Цельс

Евгений Никитин

Много лет любит машинное обучение в разных формах, сейчас руководит ML-отделом в Цельсе и ведет ТГ-канал «Варим ML». Каждый день ломает голову над тем, как оптимально организовать DS-разработку, чтоб было эффективно, но весело.

Много лет любит машинное обучение в разных формах, сейчас руководит ML-отделом в Цельсе и ведет ТГ-канал «Варим ML». Каждый день ломает голову над тем, как оптимально организовать DS-разработку, чтоб было эффективно, но весело.

Еще на тему DS/ML/AI