AI Education

Друзья, привет! 👋

Мы рады пригласить вас на открытый мини-курс "Мир глазами машины: классификация и детекция"- краткий вводный курс, знакомящий слушателей с областью компьютерного зрения!

Организатор курса - онлайн-магистратура "Искусственный интеллект" ФКН ВШЭ.

✔️Курс посвящен изучению основ компьютерного зрения, в частности, решению задач классификации и детекции. Слушатели познакомятся с теорией подходов, а также получат практику обучения нейронных сетей для классификации и детекции изображений, используя фреймворк PyTorch.
 
✔️В конце курса пройдет соревнование на платформе Kaggle, чтобы Вы могли закрепить полученные навыки и попрактиковаться в решении задачи детекции изученными методами.

✔️В курсе будет три вебинара (15, 22 и 25 февраля) с записью. Все материалы будут выложены в курсе на платформе Stepik!

Все подробности будут в этом чате, мы на связи! 🌟

Приветствуем! 👋🏼

Сегодня стартуют занятия на курсе "Современное компьютерное зрение", который входит в новую специализацию по CV. Приглашаем погрузиться вместе с нами в классические и современные подходы в области Computer Vision. Курс проходит в формате живых вебинаров с преподавателями, домашними заданиями с code review и итоговым проектом, в котором вы решите задачи детекции и трекинга на real-time видеопотоке!

До встречи на вебинарах! 🥳

Привет, друзья!

🐥 Как разобраться, что такое XAI? Какие модели можно назвать интерпретируемыми и почему? Как научиться считать SHAP и строить LIME, поняв, что там математически?

Мы нередко говорим об области построения объяснимых моделей. Постепенно она набирает популярность — ещё бы, ведь безопасность систем ИИ прописана в Российском ГОСТ и европейском GDPR!

Сегодня хотим поделиться бесплатным курсом Интерпретируемые модели!

✔️ Что в курсе:

— Полное описание области: зачем она, какие решает задачи и какие использует термины;
— Описания всех интерпретируемых ML моделей, а также то, как корректно их интерпретировать;
— Интерпретация ансамблей: Random Forest, XGBoost, LGBM и CatBoost — какие есть возможности и что с ней может быть не так;
— Код на Python для практики — открытые домашки;
— SHAP и LIME — самые популярные методы области — разобранные теоретически и практически.

✔️Курс будет полезен:

— Тем, кто только начинает изучать ML модели и имеет опыт работы с ними 1-2 года (или меньше);
— Тем, кто хочет освежить знания классики и углубить работу с вкладами признаков;
— Тем, кто читал 1000 статей по SHAP и LIME, но так ничего и не понял (бывает!).

✔️ Что внутри: теория, практика, 101 тестовая задача и 5 домашних заданий с кодом.

Автор курса: выпускающийся математик, куратор магистратуры "Искусственный интеллект" ФКН ВШЭ, автор блога про XAI и один из наших преподавателей Сабрина Садиех.

Отличных вам новых знаний!
Ваша команда Ai Edu! ❤️

Привет, друзья! ✨✨✨

Сегодня хотим поделиться с вами заметкой от нашего автора Ильи Никитина, в которой рассказываем (или напоминаем вам) о том, что такое Dropout и BatchNorm!

Заметка читается несложно, но кажется нам полезной!

Легких и продуктивных вам выходных! 🏘

Друзья, привет!

Публикуем запись встречи про архитектуру YOLO!

✔️ YouTube

✔️ Яндекс.Диск

✔️ Специализация "Компьютерное зрение"

Через 10 минут начинаем вебинар! 🔥
Ссылка для подключения: zoom

Привет, друзья!

Сегодня в 18:00 по Москве ждем вас на вебинаре по YOLO!

Для всех участников вебинара мы предоставим скидку на нашу программу по компьютерному зрению!

Друзья, привет!
Сегодня 4 января, и совершенно точно мы уже можем поздравить вас с наступившим Новым Годом! 🎄🎄🎄

Желаем в новом году счастья, здоровья, здоровья всем вашим близким — это самое главное! А также, конечно, хотим вам пожелать успехов в работе, в исследованиях и в изучении Data Science! 👨‍💻

В качестве рождественского подарка мы решили провести открытый вебинар, посвященный YOLO - одной из самых популярных сетей для детекции объектов! На вебинаре мы обсудим применение YOLO и взглянем на её возможности в реальном времени.

Что вас ждет:

1️⃣ Обзор YOLO: что это такое и почему она стала такой популярной?
2️⃣ Ключевые принципы и преимущества подхода, сравнение с двухэтапными сетями
3️⃣ Демонстрация готового примера от Ultralytics: настройка и запуск модели в несколько кликов
4️⃣ А также бонус: ответы на ваши вопросы и небольшое погружение в технические аспекты первой модели семейства для тех, кто хочет большего!


✔️Вебинар подойдет как для новичков, которые только начинают изучать компьютерное зрение, так и для специалистов, желающих узнать больше об одной из самых популярных сетей

✔️Вебинар проведет Марк Блуменау — исследователь в областях компьютерного зрения, физики Солнца и квантовых материалов, а также преподаватель НИУ ВШЭ

Ждем вас 6 января в 18:00!
Ссылка для подключения: zoom

Друзья, привет! В продолжение вчерашней тематики про возможности AI хотим поделиться с вами новостью про курс наших друзей 🙂️️️️️️


🥳 Писать код на python с AI можно в 10 быстрее!

Рекомендую вам проинвестировать в самих себя и как можно раньше усилить себя навыком AI программирования.

И вот вам для этого наш экспресс интенсив и промокод AIACADEMY (действует до 1 января). Коллеги преподаватели записали для вас лучшие связки ускорения разработки.

👍 Желаю вам в 2025-м году сэкономить сотни часов на написании однотипного кода самому и больше фокусироваться на творческой части.

🎚 Фантазируйте, изобретайте и реализуйте - тогда AI вас не заменит! 🧠

Друзья, привет! Хотим тезисно рассказать про возможности современного AI!

👼Программирование с AI: Будущее уже здесь

👍 В 2023 году более 60% разработчиков начали использовать инструменты на основе искусственного интеллекта для написания кода. Это не просто тренд — это революция в мире программирования.

🥺 По данным исследования, 75% программистов отмечают, что AI значительно ускоряет их рабочий процесс, позволяя сосредоточиться на более креативных задачах.

🧠 Как сказал Дженсен Хуанг, CEO NVIDIA: "В будущем программирование станет неотъемлемой частью всех профессий, а не только для разработчиков".

😒 Это утверждение подчеркивает, что изучение традиционного программирования уходит на второй план, уступая место более интуитивным и доступным методам взаимодействия с технологиями с помощью промптинга.

🔮 Согласно прогнозам, к 2025 году 80% программного обеспечения будет создаваться с помощью AI-инструментов. Это открывает новые горизонты для людей, которые хотят заниматься разработкой, не имея глубоких знаний в программировании.

💀 Вывод: Искусственный интеллект меняет правила игры. Вместо того чтобы бояться изменений, стоит использовать AI в своих интересах первыми. 📈

Друзья, привет! 👋


Мы, как и обещали, продолжаем делиться с вами материалами, посвященными разным темам из области Computer Vision!

Сегодня хотим рассказать вам про несложные подходы для решения задачи Super Resolution - задачи, в которой нашей целью является увеличение разрешения изображения или видео с сохранением всех деталей и качества изображения.

В программе Специалист по компьютерному зрению Super Resolution посвящен целый курс!

Привет, привет!

Публикуем запись встречи про сверточные сети в компьютерном зрении и о том как обрабатывать видеопотоки в реальном времени!

✔️ YouTube

✔️ Яндекс.Диск

✔️ Специализация "Компьютерное зрение"

Друзья, привет! 👋

Сегодня в 19:30 по Мск ждем вас на вебинаре, на котором мы расскажем вам про то, как работают свертки и сверточные сети, а также поговорим про обработку видеопотоков в реальном времени!

Тех, кто размышляет о том, записываться ли на специализацию по компьютерному зрению, также приглашаем сегодня - Вы сможете задать вопросы о специализации прямо на вебинаре!

Ссылка на zoom. 🔜🔜🔜

Привет, друзья! 👋

Мы продолжаем выпускать материалы, посвященные Computer Vision и приуроченные к старту специализации по компьютерному зрению!

Уже появилась наша статья про построение HOG-дескрипторов - классический подход для получения признаков из изображений.

В современном глубинном обучении для извлечения признаков используют свертки и сверточные сети - про них мы хотим вам рассказать на открытом вебинаре, который пройдет 16 декабря в 19:30 по Мск! На вебинаре мы также упомянем тему обработки видеопотоков в реальном времени.

Ждем вас на вебинаре (ссылка появится в нашем канале накануне)! Всегда Ваш, @ai_edu 🎄

Добрый день, дорогие друзья! Хотим порекомендовать канал наших замечательных коллег, посвященный вакансиям в некоторых IT-сферах!

В канале Константина Карнаухова вы найдете отличные вакансии с указанием зарплат BI, Data Engineer, Data Analytics, Data Governance по различным системам, как западным так и российским.
Подписывайтесь, чтобы быть в курсе рынка.

https://t.me/biheadhunter

Друзья, привет! 🎄

Мы долго не запускали новые курсы, но к концу года собрались с силами и запускаем целую специализацию! Специалист по компьютерному зрению - это набор из двух курсов: "Практический Deep Learning" и "Современное компьютерное зрение".

✔️ В курсе "Практический Deep Learning" вы изучите (или повторите) основные инструменты и подходы классического глубинного обучения и получите большое количество практики

✔️ В курсе "Современное компьютерное зрение" вы погрузитесь в изучение классических и современных подходов в области Computer Vision. Курс пройдет в формате живых вебинаров с преподавателями, практических работ с code review и с итоговым проектом, в котором вы решите задачи детекции и трекинга на real-time видеопотоке!

К старту специализации мы приурочили серию статей и вебинаров по компьютерному зрению. Наша первая статья посвящена популярному способу извлечения признаков из изображений - HOG-дескрипторам!

Приятного чтения! 🧡

P.S. Так как курс получается новогодним, то первым 10 нашим подписчикам, кто подключится к курсу по ссылке, мы подарим бумажные книги по Data Science! И, конечно, для всех наших подписчиков мы делаем скидки (если даже со скидкой вы сомневаетесь, покупать ли курс, напишите @murr4a - что-нибудь придумаем)!

Воркшоп для комьюнити «Искусственного интеллекта»

Уже завтра (23 ноября) онлайн-магистратура «Искусственный интеллект» приоткрывает свои двери, чтобы вы могли присоединиться к Воркшопу.

✏️ Воркшоп — это ежегодная однодневная конференция для сообщества магистратуры. На воркшопе у участников есть возможность поделиться собственными достижениями в области искусственного интеллекта, а также пообщаться с единомышленниками.

Программа мероприятия обширна:
⚪️ Зачем нужна ML-инфраструктура
⚪️ Применение ИИ-технологий в приложении погоды
⚪️ ML в AdTech — какие направления стоит изучать уже сейчас
⚪️Как NLP улучшает банковский сервис
⚪️Мультимодальные модели или как научить LLM видеть и понимать увиденное

Спикерами выступают студенты, выпускники и преподаватели магистратуры, а так же приглашены внешние эксперты.

📆 Когда: 23 ноября, 12:00-20:00
💻 Где: онлайн для внешних слушателей, очно только для комьюнити ИИ/МОВС на Покровском бульваре 11

📕 Узнать расписание и зарегистрироваться

Привет, друзья! 👋🏼

Значения Шепли — важная концепция для интерпретации алгоритмов машинного и глубинного обучения. О кратком введении мы говорили в предыдущем посте.

📈 По определению значения Шепли вычисляются по оценке вклада признака во все возможные "коалиции" (подмножества признаков)..

…и если у нас N признаков, нам необходимо перебрать 2^N комбинаций для оценки вклада каждого признака полностью!

Во избежание долгих вычислений, примеряется аппроксимация.

📉 Отсюда возникают вопросы:

- достаточно ли такого весьма грубого вычисления (особенно, если у нас картинка, которую хотелось бы оценить максимально детально)?
- насколько значения Шепли далеки от случайности и основаны на данных?

Читайте в материале автора нашего курса по Explainable AI на Хабре:
✔️ Практическая устойчивость значений Шепли в интерпретации моделей ИИ

P.S Остаёмся на связи и мы продолжаем улучшать и структурировать наши курсы!

Впереди новые анонсы, открытые семинары, и мы рады, что вы остаетесь с нами!

Всегда ваша,
Команда AI Education!

Привет, друзья! 👋🏻

Продолжаем рассказывать про интересное из мира ML / DL. Сегодня рассмотрим актуальный для клиентов и бизнеса — обоснование решений моделей.

Хотим познакомить Вас со значениями Шепли — универсальным методом для объяснения ML и DL моделей.
В посте мы прошлись по методу от А до Я, начав с интуитивного определения и прийдя к ключевым аспектам визуализации значений Шепли.

Осветили вопросы:
1. Как распределить вклад признаков и раздать прибыль команде, опираясь на математическую теорию?
2. Как читать значения Шелли на картинках, табличках и текстовых данных?
3. Почему несмотря на вычислительную сложность идеи данный метод остается базовым в задаче объяснения модели?

Приглашаем к прочтению!

Друзья, привет! Сегодня мы хотим пригласить вас на вебинар от наших коллег - он не простой, но интересный.
Всех, кому нравится data science и математика - ждем!

https://t.me/sberlogabig/514

Привет, друзья! 👋

Недавно мы провели вебинар, посвященный введению в Uplift-моделирование от эксперта в области, Артема Савельева.

Публикуем запись вебинара:
🎥 YouTube | Яндекс.Диск

В нашем курсе Продвинутые методы машинного обучения Uplift-моделированию посвящен объемный модуль, состоящий из 10 уроков! Приглашаем вас присоединиться к курсу и погрузиться в тему Uplift-моделирования! И не только в нее 🙂 В курсе мы рассказываем о различных нетривиальных и не всегда простых, но важных приложениях классического машинного обучения к решению практических задач.

В течение этого месяца на курс действует промокод.

P.S. В ближайший месяц мы планируем опубликовать серию небольших статей в telegraph, посвященных обзору различных прикладных задач машинного обучения, и начнем с Uplift!

Хорошего дня! 🌞

Привет, друзья! 🐷

Начался учебный год, и мы не перестаем (а только начинаем!) делиться с вами полезными материалами! Автор нашего курса про Explainable AI подготовил эксперимент, показывающий смысл механизма Attention в DNN.

Своей популярностью attention во многом обязан архитектуре моделей Transformer. Однако, до 2017 года (тогда была опубликована статья Attention Is All You Need), attentions также применялись, но в основном вместе с реккуретными нейронными сетями.

🍁Какое место механизм Attention занимает в области Explianable AI?

🍁Можно ли использовать Attention в качестве объяснения и почему ответ на этот вопрос неоднозначный?

Читайте в статье!
Код к статье.

Ждём вас на наших курсах по explainable AI и королям внимания Transformer'ам,
Ваша команда AI Education ☺️

Друзья, привет! 👋

Хотим напомнить, что сегодня в 18:00 (по Мск) состоится открытый вебинар по введению в Uplift-моделирование!

Всех очень ждем!
Ссылка для подключения.

Друзья, привет! Лето закончилось, и пришла пора новых знаний! 📚

А у AiEdu появился новый друг - эксперт по Uplift-моделированию! Приглашаем Вас 6 сентября в 18:00 по Москве на вебинар с Артемом Савельевым, выпускником МФТИ и Data Scientist в Сбере. 🤗

На вебинаре вы познакомитесь с областью Uplift-моделирования, а погрузиться подробнее в тему вы сможете на нашем курсе Продвинутые методы машинного обучения, где 6 сентября вечером откроется модуль Артема по Uplift-моделированию.

Анонс: Задачи Uplift-моделирования связаны с прогнозированием реакции клиентов на взаимодействие.  Они важны, поскольку позволяют определить наиболее эффективные способы взаимодействия с клиентами. Uplift-моделирование помогает понять, какие маркетинговые кампании или изменения в стратегии взаимодействия с клиентом могут привести к увеличению продаж, улучшению лояльности и повышению общей эффективности бизнеса.
Uplift-моделирование позволяет ответить на следующие вопросы:
1. Какие клиенты с наибольшей вероятностью отреагируют на конкретное предложение?
2. Какое именно предложение будет наиболее привлекательным для каждого типа клиентов?
3. Как изменится поведение клиентов после получения определённого предложения?

В данном вебинаре мы обсудим постановку задачи, обзорно коснёмся основных подходов по Uplift-моделированию, а также поговорим об оценке качества Uplift-моделей.

Ждём всех желающих на вебинаре! Ссылка на zoom появится в канале в день мероприятия. ✨

Привет, друзья! 👋

🔥 Новое обновление в наших курсах, сегодня в курсе Explainable AI (Объяснимое машинное обучение)!

Мы сделали большой update, и теперь курс не только про объяснимое машинное обучение, но и про объяснение прогнозов моделей глубинного обучения!

Да-да, теперь в курсе разбирается, как искать предвзятость, баги в обучающих данных и просто выученные фичи в глубоких нейронных сетях! 💥

Теория начинается со сверточных сеток, продолжается градиентными методами, методами на основе концептов и красиво заканчивается раскрывая механизм Attention в задаче объяснения!

✔️ 11 модулей теории
✔️ 202 задачи, количество которых пополняется
✔️ Возможность постоянно задавать вопросы

Всё это также входит в курс! :)

Будем рады видеть вас! В ближайшее время цена будет пересматриваться на все наши курсы, поэтому успевайте присоединяться по старой!

А узнать, что такое градиентные методы и получить промокод на скидку можно уже сейчас в небольшой статье на telegraph!

Отличного вам начала недели!

Финальное мероприятие сезона

На заключительной встрече мини-курса «Старт в Data Science: время летать!» вы узнаете:
⚪️ Чему научились слушатели курса
⚪️ Как выглядят работы победителей соревнования
⚪️ Что нужно сделать, чтобы написать идеальный код регрессии
⚪️ Как поступить в онлайн-магистратуру «Искусственный интеллект»
⚪️ Кто получил скидки за раннее поступление

Если у вас еще остались вопросы о поступлении и обучении в онлайн-магистратуре «Искусственный интеллект», вы сможете их задать на Q&A-сессии.

📆 Когда: 13 августа, 18:00
🎙️ Спикеры:
— Победители соревнования
— Елена Кантонистова, преподаватель курса, академический руководитель магистратуры «Искусственный интеллект»

🐭 Зарегистрироваться на последнее мероприятие сезона можно по ссылке: https://clck.ru/3CMqG2

Привет, друзья! 👋

У нашего автора курса по Explainable AI вышло первое видео с примером построения и интерпретации модели! Приглашаем посмотреть и поддержать 🔥

Область explainable AI позволяет детально понять, как входные данные влияют на прогноз модели. Видео посвящено базовому алгоритму машинного обучения — линейной регресии. В нём рассмотрено, как корректно строить и использовать регрессию в задаче интерпретации признаков.

📌 В видео:
- Повторение линейной регрессии: основные концепции
- Решение задачи прогноза цены домов
- Интерпретация коэффициентов модели: как понять важность и влияние каждого признака.
- Техники для повышения интерпретируемости модели
- Общий вывод

Регрессия — первая, дальше — больше, деревья, ансамбли и, конечно, Deep Learning!

А если у вас есть вопросы/темы, которые вы хотели бы услышать от нашего автора — Сабрины, оставляйте их в комментариях ниже!

🔗 Видео на YouTube

🐥 Курс по Объяснимому машинному и глубинному обучению

До новых встреч!

Друзья, привет! 👋

Этим летом мы активно работаем над курсами по Deep Learning от AiEdu, и недавно завершили модули по генеративному компьютерному зрению в курсе Практический Deep Learning! 🔥

К открытию модулей мы подготовили для вас несколько новостей:

✔️ написали небольшую заметку, посвященную автокодировщикам! 🎆

✔️ запланировали вебинар, посвященный применению YOLO в задачах компьютерного зрения: вебинар пройдет 9 августа в 19:00 и проведет его исследователь компьютерного зрения и физик Марк Блуменау! 🎆

Также до конца 9 августа дарим вам скидку на наш курс по промокоду COMPUTER VISION! 🤘

Стартовали с Python, продолжаем в ML

Сегодня началась регистрация на новый проект от AiEdu:

⚡️«Старт в Data Science: время летать!» — практико-ориентированный мини-курс, который дополняет весенний марафон «Старт в Data Science». На мини-курсе вы погрузитесь в модели машинного обучения и научитесь качественно обучать их.

🏆Традиционно, мини-курс завершится соревнованием на Kaggle по решению задачи регрессии. Победителей соревнования ждет мерч от организаторов и призы от команды AiEdu!

🐭 Чтобы принять участие в мини-курсе, необходимо зарегистрироваться по ссылке

Делимся записью вебинара «Введение в машинное обучение»

В рамках цикла вебинаров с преподавателями онлайн-магистратуры «Искусственный интеллект» слушатели могли изучить основы ML и узнать:
⭐️ В чем разница между аналитиком и Data Scientist
⭐️ Как изучать данные
⭐️ Что нужно сделать, чтобы получить быструю аналитику
⭐️ Какие основы Machine Learning необходимо знать для старта в этой области
⭐️ Как построить модель, оценить и проинтерпретировать ее, а при необходимости и улучшить
Вместе со спикером участники построили модель ML, основываясь на датасете с различными характеристиками клиентов и их оттоке в сегменте телекома.

🎙️Спикер:
— Елена Кантонистова, преподаватель курса «Машинное обучение», академический руководитель программы

🎥 Изучить основы машинного обучения можно по ссылке

Без этих свойств мы не можем получить «правильный» алгоритм

Мария Горденко, преподаватель курса «Алгоритмы и структуры данных», рассказала, какие свойства должны быть у каждого алгоритма. Читайте про них в карточках.

🎥 Чтобы разобраться в основах алгоритмов, смотрите запись вебинара «Не бойтесь: алгоритмы!» с Марией Горденко.

Из записи вебинара вы узнаете:
⚪️ Почему именно эти свойства важны для каждого алгоритма
⚪️ Зачем нам изучать алгоритмы
⚪️Что такое Random Access Machine и когда она используется
⚪️Как часто в жизни мы сталкиваемся с алгоритмами
⚪️Какие алгоритмические задачи вы сможете решить после просмотра вебинара