[19 October, 11:00] Let's Talk ML

Václav Ostrožlík: Understanding deep learning requires rethinking generalization (slides)

Best paper award na ICML 2017. Autoři zkoumají, proč neuronové sítě generalizují. Ukazují na několika příkladech, že state of the art sítě mají dostatečnou kapacitu na to, aby se naučily i zcela náhodný dataset. To trochu rozporuje klasický pohled, že NN objevuje high-, mid-, low-level featury a díky nim dokáže dataset pojmout. Dále ukazují, že ani různé regularizační metody na generalizaci nemají až takový vliv.

Petr Nevyhoštěný: Unsupervised Audio Segmentation based on Restricted Boltzmann Machines (slides)

Rozdělení audia na homogenní sémantické části je v tomto článku řešeno za pomoci Conditional Restricted Boltzmann Machines, což je rozšíření RBM o podmíněnou pravděpodobnost nad nějakým jiným vektorem než je vstup, v tomto případě blízkou minulostí v audio záznamu.

[16 November, 11:00] Let's Talk ML

Tomáš Pajurek: Machine Learning infrastructure in Azure

Talk will be focused on early stages of ML pipeline (data ingestion, storage, preprocessing) and also cluster computation services. Some topics will be accompanied with hands-on examples. 

Vladimir Ananyev: Unsupervised feature selection for time series clustering

I will present how clustering can be performed using the extracted features instead of the raw time series, and also the problem of selecting relevant feature subsets and some of the techniques that can be used for that purpose.

[2 November, 11:00] Let's Talk ML

Markéta Jůzlová: Using Meta-Learning to Support Data Mining (slides)

Článek vysvětluje pojem meta-learning v data miningu. Poskytuje také přehled technik pro meta-learning. Dále bude podrobněji popsána metoda, která používá meta-learning pro rankování machine learningových modelů pro daný dataset, včetně vyhodnocení její úspěšnosti. Nakonec bude krátce popsány některé novější aplikace meta-learningu.

Ondra Bíža: AlphaGo Zero (slides)

Završující článek tříletého výzkumného projektu AlphaGo, který zplodil nejlepšího hráče deskové hry Go na světě. Autoři popisují nového agenta, AlphaGo Zero, jenž začíná bez jakékoliv znalosti Go a učí se pouze na základě hraní sama proti sobě (self-play). Po 36 hodinách trénování AlphaGo Zero dokáže porazit nejlepšího profesionálního hráče a vymýšlí unikátní strategie. Tím se velmi liší od předchozích AlphaGo agentů, kteří se učili pozorováním milionů tahů profesionálních hráčů, a hráli podobně jako oni.

[2 August, 10:30] Deep learning in 2017 and action recognition from video

Ondrej Biza (researcher in Showmax laboratory at FIT CTU) will introduce you to very recent development in deep learning architectures for image recognition. He will propose deep learning architecture capable of action recognition from video. He expect feedback to proposed modifications.

Place: TH:A:1435

Summer Camp 2017

No summer plans yet?

DataLab introduce Summer Camp 2017 for students interested in Artificial Intelligence, Data Mining, Machine Learning and Big Data.

Register HERE.

 

Important Dates:

16.06.2017 at 11:00 - Matchmaking and info meeting (TH:A1435) 

27.06.2017 at 16:30 -  Selection of projects for funding (TH:A1435)

Contact: datalab[at]fit.cvut.cz

Read more: Summer Camp 2017

Follow Us

Copyright (c) Data Science Laboratory @ FIT CTU 2014–2016. All rights reserved.