Секция будет объявлена позже
Секция будет объявлена позже
Machine learning - Туториал
Секция будет объявлена позже
Как научить ChatGPT продавать ваш продукт за вас
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Текст или голосовое сообщение оценивается по количеству переданной информации. Однако живому читателю или слушателю понятно, что эти сообщения несут определенный смысл. Смысл – это нечетко определенное понятие с неясным масштабом. Минимальным же сообщением передающим смысл принято считать слово. Слова могут быть близкими и далекими по смыслу, причем одно слово может иметь разные смыслы. Мы использовали близость слов по смыслу в качестве меры для построения вмещающего пространства для всех глаголов и прилагательных русского языка. В результате оказалось, что тезаурусы глаголов и прилагательных могут быть отображены на компактные круглые области, расположенные на двумерной поверхности. Каждая из этих областей делится на три примерно равных сектора, вмещающих слова с положительным, нейтральным и отрицательным эмоциональным содержанием. Внутри этих секторов размещаются группы слов, выстроенных в упорядоченные списки, относящиеся к определенной семантической категории. Размеры списков плавно меняются от десятков слов до нескольких слов в группе. Мы полагаем, что этот результат отражение того, как устроена словарная память в коре мозга человека.
Дмитрий Ветров,
НИУ ВШЭ, AIRI
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Как научить ChatGPT продавать ваш продукт за вас
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Текст или голосовое сообщение оценивается по количеству переданной информации. Однако живому читателю или слушателю понятно, что эти сообщения несут определенный смысл. Смысл – это нечетко определенное понятие с неясным масштабом. Минимальным же сообщением передающим смысл принято считать слово. Слова могут быть близкими и далекими по смыслу, причем одно слово может иметь разные смыслы. Мы использовали близость слов по смыслу в качестве меры для построения вмещающего пространства для всех глаголов и прилагательных русского языка. В результате оказалось, что тезаурусы глаголов и прилагательных могут быть отображены на компактные круглые области, расположенные на двумерной поверхности. Каждая из этих областей делится на три примерно равных сектора, вмещающих слова с положительным, нейтральным и отрицательным эмоциональным содержанием. Внутри этих секторов размещаются группы слов, выстроенных в упорядоченные списки, относящиеся к определенной семантической категории. Размеры списков плавно меняются от десятков слов до нескольких слов в группе. Мы полагаем, что этот результат отражение того, как устроена словарная память в коре мозга человека.
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Текст или голосовое сообщение оценивается по количеству переданной информации. Однако живому читателю или слушателю понятно, что эти сообщения несут определенный смысл. Смысл – это нечетко определенное понятие с неясным масштабом. Минимальным же сообщением передающим смысл принято считать слово. Слова могут быть близкими и далекими по смыслу, причем одно слово может иметь разные смыслы. Мы использовали близость слов по смыслу в качестве меры для построения вмещающего пространства для всех глаголов и прилагательных русского языка. В результате оказалось, что тезаурусы глаголов и прилагательных могут быть отображены на компактные круглые области, расположенные на двумерной поверхности. Каждая из этих областей делится на три примерно равных сектора, вмещающих слова с положительным, нейтральным и отрицательным эмоциональным содержанием. Внутри этих секторов размещаются группы слов, выстроенных в упорядоченные списки, относящиеся к определенной семантической категории. Размеры списков плавно меняются от десятков слов до нескольких слов в группе. Мы полагаем, что этот результат отражение того, как устроена словарная память в коре мозга человека.
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Как научить ChatGPT продавать ваш продукт за вас
Плотное упорядоченное отображение тезаурусов глаголов и прилагательных на центрально-симметричные круглые области на плоскости
Виктор Введенский,
Курчатовский институт
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Текст или голосовое сообщение оценивается по количеству переданной информации. Однако живому читателю или слушателю понятно, что эти сообщения несут определенный смысл. Смысл – это нечетко определенное понятие с неясным масштабом. Минимальным же сообщением передающим смысл принято считать слово. Слова могут быть близкими и далекими по смыслу, причем одно слово может иметь разные смыслы. Мы использовали близость слов по смыслу в качестве меры для построения вмещающего пространства для всех глаголов и прилагательных русского языка. В результате оказалось, что тезаурусы глаголов и прилагательных могут быть отображены на компактные круглые области, расположенные на двумерной поверхности. Каждая из этих областей делится на три примерно равных сектора, вмещающих слова с положительным, нейтральным и отрицательным эмоциональным содержанием. Внутри этих секторов размещаются группы слов, выстроенных в упорядоченные списки, относящиеся к определенной семантической категории. Размеры списков плавно меняются от десятков слов до нескольких слов в группе. Мы полагаем, что этот результат отражение того, как устроена словарная память в коре мозга человека.
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Внедрение искусственного интеллекта (ИИ) в бизнес - один из самых перспективных трендов последних лет. В докладе рассматриваются способы использования нейросетей для автоматизации рутинных задач, повышения лояльности клиентов и увеличения продаж. Автор анализирует возможности современных ИИ-ассистентов типа ChatGPT, их преимущества по сравнению с человеческими сотрудниками. Приводятся кейсы внедрения ИИ в отделы продаж, обучения, внутренние бизнес-процессы крупных компаний. Детально разбираются три основных способа внедрения ИИ в бизнес: готовые конструкторы, low-code/no-code платформы, собственная разработка. Обсуждаются достоинства и недостатки каждого подхода. Отдельное внимание уделено этапам внедрения ИИ в компанию и технике "промт-инжиниринга" для оптимизации работы ИИ-ассистентов. Доклад будет полезен руководителям и специалистам, заинтересованным во внедрении ИИ в свой бизнес.
Алексей Чернявский,
Philips AI Research Russia
Сегментация в медицине: как извлечь пользу из «ленивой» разметки
Наличие точной пиксельной разметки является важным условием для обучения алгоритмов сегментации. На практике органы на медицинских КТ и МРТ изображениях могут быть заданы шумно или слабо – то есть, не масками с точно обозначенными границами, а в виде многоугольников или ограничивающих рамок. В докладе будет описано несколько методов более эффективного обучения алгоритмов сегментации на плохо размеченных данных, разработанных в исследовательской лаборатории Philips.
Как научить ChatGPT продавать ваш продукт за вас