Знакомьтесь, Александр Киселёв, Data Science Director компании Hyperlee |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2017-06-21 18:02 Знакомьтесь, Александр Киселёв, Data Science Director компании Hyperlee. Какими путями Hyperlee делает Machine Learning доступнее? Что побудило Сашу проводить Hyperlee arena? Ответы на эти и многие другие вопросы в сегодняшнем интервью, читаем... 1) Чем ты занимаешься в Hyperlee? Привет, я представляю Hyperlee на внешних мероприятиях, провожу Hypelee arena, занимаюсь некоторыми техническими вопросами в компании. 2) Ты проводишь Hyperlee Arena. Что это такое и зачем это нужно? Мы в команде hyperlee придерживаемся мнения, что главное - человеческий капитал и социальные связи. Поэтому мы решили открыть Hyperlee arena. Arena - площадка, которая объединяет людей, занимающихся машинным обучением. К нам приходят как студенты, так и выпускники. Arena - это место совместного роста всех участников. Мы стараемся проводить занятия на еженедельной основе, на которых разбираем как теорию, так и практику. 3) Как начинался твой путь в машинном обучении? Все началось менее двух лет назад. Меня привлекла статистика возможностью делать выводы из данных. Затем я прошел множество курсов по разделам математики, основам машинного обучения, стал участвовать в открытых соревнованиях по анализу данных. 4) Какие интересные тренды сейчас есть в направлении машинного обучения? За последние годы существенно изменилось восприятие данной области со стороны бизнеса. Сейчас все движется в направлении создания законченных продуктов на базе методов машинного обучения, которые решают конкретную прикладную задачу. Спектр применения машинного обучения широк: медицина, где алгоритмы помогают врачам ставить диагноз пациентам; прикладные научные исследования, где на основе машинного обучения фильтруют огромные объемы экспериментальных данных, оставляя лишь самые значимые; банковский сектор использует машинное обучение для выявления мошеннических операций, для прогнозирования возврата кредита и оттока клиентов; машинное обучение нашло применение и в промышленном секторе для снижения логистических и производственных издержек предприятий; серьезные изменения ждут автомобильную промышленность, которой предстоит создать беспилотные автомобили, управляемые на основании методов машинного обучения. Данный перечень не является исчерпывающим. Молодые компании сейчас находят все больше и больше сфер применения машинного обучения в бизнесе. 5) Что тебя зацепило в Hyperlee? Почему ты решил участвовать в этом проекте? Идея и принципы, заложенные в основу компании. Мы стараемся сделать машинное обучение доступным. Мы достигаем этого путем предоставления вычислительных мощностей, а также вовлечением в сферу машинного обучения талантливых студентов. Комментарии: |
|