Семинар про Kolmogorov AI

▫️ 24 апреля (среда), 17:00 МСК
▫️ Подключение→

Выступают:
▫️ Михаил Зайцев, Kolmogorov AI
▫️ Григорий Шутов, GlowByte Advanced Analytics
▫️ Евгений Вилков, Data Ocean Nova

Тема: Платформа для DS/ML Kolmogorov: архитектура и демо

Аннотация
На семинаре расскажем про решения Kolmogorov AI и Data Ocean Nova для построения Data+ML платформы и покажем сквозной процесс разработки аналитических моделей на этой платформе: от постановки бизнес-задачи и управления рабочим процессом её решения, до внедрения моделей в промышленный контур с их последующей эксплуатацией. В процессе демо покажем:
▫️ Управление жизненным циклом моделей в Kolmogorov Continuity;
▫️ Подготовку фич для обучения моделей в Feature Store Kolmogorov Axiom, акцентируем внимание на спуск вычислений переменных в Apache Spark и сквозную интеграцию с платформой данных Nova;
▫️ Разработку моделей в Kolmogorov A2P — сборке SOTA OSS компонент, объединённых единым зонтичным пользовательским интерфейсом;
▫️ Валидацию и мониторинг моделей в Kolmogorov Predicate;
▫️ Деплоймент моделей в сборке Kolmogorov A2P.

Запись семинара

▫️ Михаил Малышков, Максим Гончаров, Михаил Куляскин - Применение нейросетевого подхода для ценовой оптимизации, кейс сети Магнит (1 час 10 минут).
▫️ Презентация и код в базе знаний→

Про ClearML

Недавно у нас на семинаре выступали коллеги из ClearML. Публикуем подборку материалов про функционал продукта от Тины и Натана.

Общие ресурсы:
▫️ Docs→
▫️ GitHub→
▫️ Slack→
▫️ YouTube→
▫️ Blog→ & Case Studies→

(Очередной) отчёт про важность платформ для DS/ML/AI:
▫️ The State of AI Infrastructure at Scale 2024 (5 минут).

Материалы и примеры про функционал пайплайнов и сёрвинга:
▫️ Pipelines: Pipelines Introduction (общее описание из документации), Pipeline from Tasks (разбор примера) и код примера на GitHub;
▫️ Serving: Serving Introduction (общее описание из документации), ClearML-Serving GitHub Repo (инструкция и примеры).

Некоторые вводные и обзорные видео в дополнение к тому, что было рассказано на нашем семинаре:
▫️ Improving a day in the life of: Data Scientist - How ClearML is actually used (30 минут);
▫️ Improving a day in the life of: MLOps Engineer - How ClearML is actually used 2 (50 минут);
▫️ Model Serving Monitoring and Traceability - The Bigger Picture (30 минут);
▫️ ClearML Onboarding Walkthrough: Part 1, Part 2, Part 3 (1 час 35 минут).

Ну и в наше время нельзя пройти мимо темы LLM:
▫️ ClearGPT - Your Data, Your LLM: How to Build a Support Slack Bot (20 минут).

Небольшой NoML Recap

Запись прошедшего вчера семинара будет через пару дней, а пока предлагаем вспомнить другие доклады в сообществе про применение прогнозной и оптимизационной аналитики в задачах ритейла и FMCG:
▫️ Максим Гончаров - Комплексный подход к оптимизации ассортимента, 2021 (1 час 25 минут);
▫️ Андрей Иванов - Применение квантильных оценок и прогнозирования вероятностных распределений в задачах прогнозно-оптимизационной аналитики, 2022 (1 час 10 минут);
▫️ Максим Гончаров, Вазген Амбарцумов - Управление промо-календарём на базе методов прогнозной и оптимизационной аналитики, 2023 (1 час 55 минут).

Плюс первые два доклада на митапе про анализ временных рядов (ссылки с таймкодами):
▫️ Андрей Иванов - Нейросетевые методы анализа временных рядов, использующие частотные характеристики, графовые нейронные сети, сети с вниманием и частотный анализ, 2022 (40 минут);
▫️ Антон Эм, Валерий Лоев - Повышение точности прогноза продаж с нестационарной сезонностью для сквозного операционного планирования при помощи вейвлет-разложений, 2022 (40 минут).

Про ML на графах

Ссылки на материалы из доклада Вадима @Eighonet.

Пара обзоров:
▫️ M. Galkin, H. Ren, Zh. Zhu - Graph ML in 2023: The State of Affairs, 2023 (30 минут);
▫️ M. Galkin et al. - Graph & Geometric ML in 2024: Where We Are and What’s Next: Part I - Theory & Architectures, Part II - Applications, 2024 (1 час 30 минут).

Приложения
Рекомендательные системы:
▫️ A. Jain, I. Liu, A. Sarda, P. Molino - Food Discovery with Uber Eats: Using Graph Learning to Power Recommendations, 2019 (15 минут);
▫️ R. Ying et al. - Graph Convolutional Neural Networks for Web-Scale Recommender Systems, 2018 (40 минут).

Предсказание дорожного трафика:
▫️ V. Mashurov, V. Chopuryan, V. Porvatov, A. Ivanov, N. Semenova - Gct-TTE: graph convolutional transformer for travel time estimation, 2024 (25 минут);
▫️ Yu. Fang et al. - Spatio-Temporal meets Wavelet: Disentangled Traffic Flow Forecasting via Efficient Spectral Graph Attention Network, 2022 (30 минут).

Drug discovery & protein design:
▫️ J.M. Stokes et al. - A Deep Learning Approach to Antibiotic Discovery, 2020 (45 минут);
▫️ J.L. Watson et al. - De novo design of protein structure and function with RFdiffusion, 2023 (45 минут).

Методы:
▫️ node2vec: A. Grover, J. Leskovec - node2vec: Scalable Feature Learning for Networks, 2016 (45 минут);
▫️ metapath2vec: Y. Dong, N.V. Chawla, A. Swami - metapath2vec: Scalable Representation Learning for Heterogeneous Networks, 2017 (40 минут);
▫️ GCN: Th.N. Kipf, M. Welling - Semi-Supervised Classification with Graph Convolutional Networks, 2017 (25 минут);
▫️ GraphSAGE: W.L. Hamilton, R. Ying, J. Leskovec - Inductive Representation Learning on Large Graphs, 2017 (30 минут);
▫️ GAT: P. Veličković et al. - Graph Attention Networks, 2018 (25 минут);
▫️ HAN: X. Wang et al. - Heterogeneous Graph Attention Network, 2019 (40 минут);
▫️ Deep Graph InfoMax: P. Veličković et al. - Deep Graph Infomax, 2018 (25 минут);
▫️ Graphormer: Ch. Ying et al. - Do Transformers Really Perform Bad for Graph Representation? 2021 (25 минут).

Фреймворки:
▫️ DGL (Deep Graph Library);
▫️ PyG (PyTorch Geometric);
▫️ NetworkX;
▫️ Pyvis для интерактивной визуализации.

Семинар про оптимизацию на нейросетях

▫️ 17 апреля (среда), 17:00 МСК
▫️ Подключение→

Выступают:
▫️ Михаил Малышков, Магнит
▫️ Максим Гончаров, Data Sapience Kolmogorov AI
▫️ Михаил Куляскин, GlowByte Advanced Analytics

Тема: Применение нейросетевого подхода для ценовой оптимизации, кейс сети Магнит

Аннотация
На семинаре мы расскажем о:
▫️ Целях и задачах проекта;
▫️ Постановке задачи оптимизации регулярного ценообразования для максимизации ожидаемой прибыли;
▫️ Использовании подхода, когда та же нейросеть, прогнозирующая объём продаж, используется и для оптимизации маржи;
▫️ Методах учёта ограничений в суррогатной задаче безусловной оптимизации (штрафные методы, модифицированный метод Лагранжа, метод точных штрафов).
▫️ Также продемонстрируем все рассматриваемые варианты реализации алгоритма на простом синтетическом примере.
▫️ И разберём сложности, с которыми мы столкнулись при реализации проекта.

Запись семинара

▫️ Вадим Порватов - Введение в глубокое обучение на графах (1 час 20 минут).
▫️ Презентация в базе знаний→

Семинар про глубокое обучение на графах

▫️ 10 апреля (среда), 17:00 МСК
▫️ Подключение→

Выступает: Вадим Порватов, старший аналитик, GlowByte Advanced Analytics

Тема: Введение в глубокое обучение на графах

Аннотация:
Вводный семинар о месте графов в глубоком обучении — поговорим о том, в каких областях графы встречаются, а также об эволюции методов их обработки. Среди прочего, коснёмся не только наиболее популярных архитектур (GCN, GraphSAGE, GAT), но и их расширения на гетерогенные графы (metapath2vec, HAN), а также альтернативных message passing моделям подходов (Graphormer).

Запись семинара

Запись доклада, который был в прошлую среду, уже пару дней как опубликована:
▫️ Tina Naro, Nathan Mogilchenko - ClearML: Introduction & Demo (1 час 45 минут).

Сори, иногда забываю написать сразу в канал.

Seminar on ClearML

▫️ Wednesday, April 3, 17:00 MSK (GMT+3)
▫️ Google Meet→
▫️ The talk and discussion will be in English

Speakers:
▫️ Tina Naro, Senior Director of Product Marketing, ClearML
▫️ Nathan Mogilchenko, Sales Engineer, ClearML

Topic: ClearML: Introduction & Demo

Abstract:
During this session, ClearML will introduce the community to our end-to-end, open source platform for AI/ML development. We will provide an overview of the company and an in-depth demo of the platform, highlighting its ease of use. This will be followed by an open Q&A.

Мероприятия NoML в апреле

План семинаров на ближайший месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:

▫️ 03.04 | Tina Naro (ClearML), Nathan Mogilchenko (ClearML) - ClearML: Introduction & Demo;

▫️ 10.04 | Вадим Порватов (GlowByte AA) - Введение в глубокое обучение на графах;

▫️ 17.04 | Михаил Малышков (Магнит), Максим Гончаров (Kolmogorov AI), Михаил Куляскин (GlowByte AA) - Применение нейросетевого подхода для ценовой оптимизации, кейс сети Магнит;

▫️ 24.04 | Михаил Зайцев (Kolmogorov AI), Григорий Шутов (GlowByte AA) - Платформа для DS/ML Kolmogorov: архитектура и демо;

Ссылка для подключения пока та же: Google Meet→, но на всякий случай следите за обновлениями в наших канале @noml_digest и чате @noml_community, там же публикуются более детальные анонсы предстоящих докладов.

Запись семинара

▫️ Денис Афанасьев - Федеративное обучение: обзор методов, платформ и трендов 2024 (1 час 20 минут).
▫️ Презентация в базе знаний→

Семинар про федеративное обучение

▫️ 27 марта (среда), 17:00 МСК
▫️ Подключение→

Выступает: Денис Афанасьев, CrossOverMarkets, SberDevices, NeuroHealth.Care, CleverDATA

Тема: Федеративное обучение: обзор методов, платформ и трендов 2024

Аннотация
На семинаре обсудим, что произошло в области Federated Learning за последний год (академические исследования, библиотеки и фреймворки, бизнес кейсы применения, …), а также порассуждаем, что ждать от этой области в дальнейшем.

Сам доклад предполагается небольшой, надеемся на продуктивную дискуссию. Перед семинаром можно вспомнить выступление Дениса и последующее обсуждение, которые были у нас год назад:
▫️ Денис Афанасьев - Таксономия методов FL, обзор платформ, основных игроков, вызовов и трендов развития, 2023 (1 час 20 минут);

А также почитать недавнюю статью Дениса:
▫️ @denisafanasev/federated-learning-overview-the-magic-behind-keeping-your-data-safe-452bbb88c9ce" target="_blank">Federated Learning Overview: the Magic Behind Keeping Your Data Safe, 2024 (40 минут).

Запись семинара

▫️ Наталия Медведева, Дмитрий Забавин - Стратегическая персонализация категорий и ставок начисления кэшбека при ограниченном бонусном бюджете (1 час 30 минут).
▫️ Презентация в базе знаний→