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.
Презентация (на Я.Диске)
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.