AI Education

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! 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