Эволюция идей машинного обучения от Фрэнсиса Бэкона до больших языковых моделей

Докладчик: Воронцов Константин Вячеславович, Член Научного совета РАИИ, профессор РАН, д.ф.-м.н., зав. каф. «Математические методы прогнозирования» ВМК МГУ, зав. лаб. «Машинное обучение и семантический анализ» Института искусственного интеллекта МГУ, зав. каф. «Машинного обучения и цифровой гуманитаристики» МФТИ, проф. каф. «Интеллектуальные системы» МФТИ, г.н.с. отдела «Интеллектуальные системы» Вычислительного центра ФИЦ ИУ РАН Аннотация доклада: Доклад раскроет десять ключевых идей и принципов машинного обучения - как в теории, так и на практике. Эти фундаментальные концепции возникали и проверялись на протяжении времени, и их понимание критически важно для становления дата-сайентистом. Сюда входят: важность четкой постановки задачи, роль качества и репрезентативности данных, использование оптимизационных методов, синтез математики, эвристик и программирования, визуализация ошибок, борьба с переобучением, суть глубоких нейронных сетей, развитие генеративных моделей, комбинирование подходов, а также специфика обучения с подкреплением. Усвоение этих базовых идей закладывает прочную основу для успешной работы в области машинного обучения. Очное участие: Заседание Семинара состоится в Главном цифровом пространстве РЭУ им. Г.В. Плеханова по адресу: Москва, Стремянный переулок, д. 28, корп. 1; проезд: метро “Серпуховская“, 1-й вагон из центра, выход №2 на Стремянный переулок к РЭУ им. Г.В. Плеханова.