Agenda:
1. How to fuse a QKV Attention Layer into a single CUDA kernel?
2. Step-by-step guide to writing efficient kernels using a basic algorithm

Quick Overview:
1. We will explore kernel-level operations to understand how LLM layers function, specifically focusing on the QKV attention layer from llama_7b. I will present my approach for implementing a fused CUDA kernel, including code snippets. This session will also cover benchmark analysis and potential optimization strategies.
2. This segment involves a deeper examination of CUDA kernels, focusing on optimization techniques and profiling. We'll research the process of enhancing a basic histogram kernel, analyzing its behavior from various aspects and comparing it to a third-party solution.

Variety seekers are those customers who easily get bored with the products they purchased before and, therefore, prefer new and fresh content to expand their horizons. Despite its prevalence, variety-seeking behavior is hardly studied in recommendation applications because of various limitations in existing variety-seeking measures. To fill the research gap, we present a variety-seeking framework in this paper to measure the level of variety-seeking behavior of customers in recommendations based on their consumption records. We validate the effectiveness of our framework through user questionnaire studies conducted at Alibaba, where our variety-seeking measures match well with consumers' self-reported levels of their variety-seeking behaviors. Furthermore, we present a recommendation framework that combines the identified variety-seeking levels with unexpected recommender systems in the data mining literature to address consumers' heterogenous desire for product variety, in which we provide more unexpected product recommendations to variety-seeking consumers and vice versa. Through off-line experiments on three different recommendation scenarios and a large-scale online controlled experiment at a major video-streaming platform, we demonstrate that those models following our recommendation framework significantly increase various business performance metrics and generate tangible economic impact for the company. Our findings lead to important managerial implications to better understand consumers' variety-seeking behaviors and design recommender systems. As a result, the best-performing model in our proposed frameworks has been deployed by the company to serve all consumers on the video-streaming platform.

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.

In this talk, I will present the high computational complexity problem for the frame-wise video classifiers. I will overview known efficient algorithms, such as AdaFrame, LiteEval, FrameExit, OCSampler, etc. Moreover, I will present the novel approach presented at the ICML 2023 conference based on the ideas of sequential analysis and adaptive frame rate.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.

We explore predicting startup success using CrunchBase data and deep learning. Our model forecasts milestones like IPOs, unicorn status, and M&A for Series B and C startups. We achieved 14x capital growth (98th percentile of VC funds), identified high-potential startups, and stress the importance of diverse data for accuracy. This work shows deep learning's promise in startup success prediction.

AI-based video compression is actively researching area. There are several AI-based architectures, that outperforms latest video compression standard (H.266) in some scenarios (usually video communication or streaming), but in random access scenario (most important to VoD services) H.266 is still better.Here we present new AI-based video codec, that outperforms H.266 in random access scenario. Which is first solution that reach such level of compression ability.

Каждый день продавцы в Точке прозванивают 3000+ карточек, но что если мы можем влиять на этот процесс и подбирать карточки на прозвон для каждого продавца? Расскажу, как мы сделали машинку, которая ранжирует компании по вероятность конвертации в клиента, а потом переделали ее в своеобразный тиндер: карточки с контактами каждый день разделяются между продавцами на основе персональных скоров, предсказанной производительности и срочности прозвона. Затрону техническую сторону машинки для предсказания персональных скоров + стратегию бронирования карточек и как подобрать оптимальное временное окно бронирования. А ещё - покажу, сколько денег мы на этом заработали

В 2024 году выходит новый стандарт сжатия JPEG AI. Автор, один из немногих в России входит в комитет по стандартизации. О возможностях и проблемах нового стандарта и будет рассказано.

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.

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.

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.

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.

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.

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.

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.

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.

As industry needs to process growing amounts of training data, reduce the cost of fine-tuning a single model, and minimize the environmental effects, the task of accelerating the fine-tuning of large language models (LLM) has become extremely demanding. DAREL is a novel training data reduction method that operates with training samples based on losses obtained from a currently trained model or a pre-trained one. The proposed method is devoted to Large Language Models fine-tuning and is designed primarily to be combined with Parameter-Efficient fine-tuning methods, such as LoRA. The results of computational experiments provide compelling evidence of the enhancement of the fine-tuning quality and time of Large Language Models. DAREL allows an average 1.26x fine-tuning acceleration for GPT2-S, GPT2-M and GPT2-L on a variety of datasets, including E2E-NLG, DART and WebNLG, with an average BLEU drop of 1.44 p.p.

Node2Vec is a widely used algorithm for learning feature representations of the graph nodes. This algorithm is intensivelly used in multiple highload applications. Thus its performance is very important. There are two reference implementations of the Node2Vec in C++ and Python from Stanford Network Analysis Project (SNAP). However, their performance is not optimal. We introduce an optimized implementation of the Node2Vec algorithm, which performance is 2.5-5.1 times higher than the reference ones. We also prove that the accuracy of the optimized algorithm stays the same by solving a multi-label node classification problem on several datasets.

А.Н. Колмогоров - крупнейший математик XX века, основоположник современной теории вероятностей, также заложивший основы теории марковских случайных процессов с непрерывным временем. Эти результаты, оказавшие огромное влияние на развитие прикладных методов обработки сигналов, фильтрации, моделирования и обработки финансовых данных, в 21 веке снова оказались в центре внимания в связи с развитием искусственного интеллекта и его приложений. Действительно, для решения таких важных прикладных задач, как повышение разрешения изображений, синтезирование речи по тексту, генерация изображений на основе текстовых описаний, и др. требуются эффективные методы генеративного моделирования, которые способны порождать объекты из распределения, задаваемого выборкой примеров. Недавние достижения в области генеративного моделирования как раз и базируются на диффузионных моделях и используют математическую основу, заложенную еще в прошлом веке А.Н. Колмогоровым и его последователями. В докладе будет рассказано о современных подходах к генеративному моделированию на основе диффузионных процессов и на основе решения задачи Монжа-Канторовича. Будет показана связь решения энтропийно-регуляризованной задачи Монжа-Канторовича с задачей построения диффузионного процесса с определенными экстремальными свойствами. Работа соответствующих алгоритмов будем продемонстрирована на примере решения различных задач обработки изображений.

Radiologists dedicate more than half of their diagnostic time to in- terpreting computed tomography (CT) scans, with chest and abdominal scans being particularly detailed and time-intensive due to the need to meticulously identify and describe a variety of diseases. Our cutting-edge product simultaneously analyzes 10 different diseases in these scans, in- cluding disorders affecting the lungs, heart, bones, and abdominal regions. In this study, we demonstrate how introducing an AI-assisted study pro- vides a substantial time-saving advantage and lessens the heavy workload currently borne by radiologists. Specifically, it saves up to 20% of the time spent on CT examinations (≈ 2.5 mins on average), and increases the average recall by over 29%, while preserving the same level of positive predictive value.

В докладе будет представлен обзор современных трендов в направлении нейроморфных систем искусственного интеллекта. В разрезе нейроморфных свойств (коннекционизм, параллелизм, асинхронность, импульсный характер передачи информации, обучение на устройстве, локальное обучение, разреженность, аналоговые вычисления и вычисления в памяти) будут рассмотрены наиболее яркие проекты в мире. Особенное внимание будет уделено новинкам последнего года - IBM NorthPole, второе поколение Akida, чипам на основе мемристивных вычислений.

В настоящее время в интеллектуальной робототехнике наблюдается переход от семантических карт к мультимодальным, которые могут содержать не только информацию о препятствиях и их типах, но и данные с текстовыми описаниями объектов или даже звуком, которые они издавали. В докладе будут рассмотрены современные нейросетевые методы, которые позволяют строить такие карты. Обсудим также оригинальные алгоритмы и примеры их использования на открытых датасетах, данных из фотореалистичного симулятора и реального мобильного робота. Отметим перспективы их применения для задач навигации и вызовы для запуска подобных подходов на встраиваемых устройствах.

В настоящее время в интеллектуальной робототехнике наблюдается переход от семантических карт к мультимодальным, которые могут содержать не только информацию о препятствиях и их типах, но и данные с текстовыми описаниями объектов или даже звуком, которые они издавали. В докладе будут рассмотрены современные нейросетевые методы, которые позволяют строить такие карты. Обсудим также оригинальные алгоритмы и примеры их использования на открытых датасетах, данных из фотореалистичного симулятора и реального мобильного робота. Отметим перспективы их применения для задач навигации и вызовы для запуска подобных подходов на встраиваемых устройствах.

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.

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.

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.

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.

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.

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.