Start-upy prześcigają się w śmiałych rozwiązaniach zastosowania sztucznej inteligencji. Maszyny uczą się prowadzić pojazdy, diagnozować choroby czy optymalizować logistykę. Jednak zbudowanie sprawdzonego i skutecznego systemu SI wciąż jest dużym wyzwaniem. Konferencja Infoshare AI & Data Science to okazja, by podpatrzeć, jak robią to najlepsi

Trzynastu ekspertów z takich firm, jak Google, NVIDIA czy Freshmail pokaże, jak sprawnie wykorzystywać możliwości sztucznej inteligencji. Wydarzenie odbędzie się 26 listopada na PGE Narodowym. Organizatorzy przygotowali dwie ścieżki tematyczne: DataTech – poświęconą uczeniu maszynowemu oraz DeepTech – skupioną na uczeniu głębokim.

Konferencja jest skierowana do programistów, product managerów, analityków oraz osób, które zajmują się rozwijaniem nowoczesnych technologii w oparciu o duże strumienie danych.

Wykryć raka

Medycyna to jeden z obszarów, w których nadzieje pokładane w SI są największe. Równie wielkie jest tu jednak także ryzyko popełnienia błędu. O wyzwaniach związanych z użyciem uczenia głębokiego w rozpoznawaniu nowotworów opowie Piotr Krajewski z CancerCenter.ai – startupu specjalizującego się we wczesnej diagnostyce raka mózgu i skóry. Jednym z omawianych problemów będzie ograniczony zbiór danych wizualnych umożliwiających trenowanie modelu SI.

Nauczyć prowadzić

W pełni samodzielne pojazdy, mogące bezpiecznie poruszać się po drogach bez ludzkiego nadzoru, to wciąż marzenie inżynierów. Autonomiczny transport wymaga zintegrowania wielu osobnych komponentów. Jak się do tego zabrać, wyjaśni Krzysztof Kudryński z NVIDIA.

Używać tu i teraz

Uczenie maszynowe musi dziś coraz częściej działać w czasie rzeczywistym, znajdując zastosowanie przy wykrywaniu oszustw, tworzeniu rekomendacji czy personalizacji ofert. Takie środowisko różni się jednak od warunków testowych w laboratorium. Zasady analizy dynamicznego strumienia danych online zaprezentuje Wojciech Ptak z firmy Freshmail.

Odpowiednią dać rzeczy skalę

Jednym z największych wyzwań stojących przed twórcami aplikacji wykorzystujących uczenie maszynowe jest zapewnienie im skalowalności i modularności. Chodzi o to, by narzędzia te działały także przy zwiększeniu ilości analizowanych danych, zaś ich poszczególne komponenty dały się elastycznie modyfikować w zależności od potrzeb użytkownika. Jak sobie z tym radzić, wyjaśnią Robert Crowe i Jacek Wilkiewicz z Google. Przy okazji zademonstrują możliwości platformy Tensor Flow Extended.

Więcej informacji oraz sprzedaż biletów na stronie wydarzenia.

Serwis sztucznainteligencja.org.pl jest patronem medialnym konferencji.

Skip to content