image description

Agenda:

Aula A

9:00-9:45 Otwarcie konferencji (ok. 45 minut wykład wstępny w języku angielskim - Microsoft)

10:00-10:50 Adrian Kapczyński “Mój wymarzony AI Lab”

11:00-11:50 Marcin Szeliga „Zastosowania sztucznej inteligencji na przykładzie usług przetwarzania obrazów”

12:00-12:50 Grzegorz Stolecki “Panie... czy Pan mnie aby nie obraża?”

13:40-14:20 Damian Widera "Data Science jest dla wszystkich. Uważaj co jesz - smaczne, ale trujące grzyby vs Machine Learning."

Warsztaty

14:30 – 16:00

Sala 217 / 217a Marcin Szeliga "Praktyczne uczenie maszynowe"

Sala 212A/212B Damian Widera „Wstęp do uczenia maszynowego”

Prelegenci
Adrian Kapczyński Uczeń Profesora Andrzeja Grzywaka, pasjonat informatyki, od ponad 20 lat zgłębiający zagadnienia związane z informatyką oraz jej zastosowaniami. Wykładowca akademicki Wydziału Matematyki Stosowanej Politechniki Śląskiej, członek rady nadzorczej Netology Sp. z o.o., przewodniczący komitetu nr 309 Polskiego Komitetu Normalizacyjnego oraz prezes Zarządu Sekcji Przyszłości IT Polskiego Towarzystwa Informatycznego.

Wielki fan inicjatyw realizowanych w obszarze Data Science & Machine Learning, w szczególności w wykonaniu: Damiana, Grzegorza, Łukasza, Pawła oraz Marcina.

Grzegorz Stolecki Swoją przygodę z informatyką rozpoczynał 30 lat temu pisząc programy w języku BASIC na domowy komputer Commodore C64. Na stałe związał się jednak ze światem baz danych relacyjnych i wielowymiarowych, przechodząc stopniowo od dBase i Clipper poprzez ulubiony SQL Server aż do big data i NoSQL. Od lat dziewięćdziesiątych zeszłego stulecia zajmuje się fascynującym światem uczenia maszynowego i sztucznej inteligencji. Specjalizuje się w projektowaniu i wdrażaniu aplikacji analitycznych i raportowych szczególnie w obszarach planowania, budżetowania, controllingu oraz analiz finansowych. Jako konsultant z pasją pomaga dbać o wydajność serwerów oraz krótki czas wykonywania zapytań. Dzieli się swoją wiedzą i doświadczeniem na prowadzonych przez siebie szkoleniach i warsztatach. Aktywny prelegent na konferencjach SQL Day i innych spotkaniach branżowych. Można go często spotkać na spotkaniach Polish SQL Server Group. W latach 2009 – 2018 nagradzany przez Microsoft tytułem Most Valuable Professional w obszarze SQL Server i Data Platform.

Marcin Szeliga

Data Platform MVP & MCT. Microsoft Certified Solutions Expert: Data Management and Analytics, Cloud Platform and Infrastructure, Business Intelligence. Microsoft Certified Solutions Developer: Azure Solution Architect. Filozof danych. Od 2006 roku nieprzerwanie wyróżniany tytułem Microsoft Most Valuable Professional w kategorii Data Platform. Prelegent na wielu europejskich konferencjach i spotkaniach grup pasjonackich. Autor książek i artykułów poświęconych platformie danych Microsoft, w tym bestsellera „Data Science i uczenia maszynowe”, PWN 2017. Niezależny konsultant, wykładowca i architekt pracujący na co dzień z SQL Server i Azure. Entuzjasta i popularyzator uczenia maszynowego.

Damian Widera

Project Manager w Euvic. Od 18 lat zajmuje się projektowaniem, tworzeniem i wdrażaniem aplikacji wykorzystujących platformy: .NET, SQL Server oraz Oracle. Jest także trenerem, programistą, administratorem baz danych, twórcą dokumentacji oraz analitykiem biznesowym. Jest współautorem książki “Serwer SQL 2008. Administracja i programowanie”. Speaker na wielu konferencjach branżowych. Posiada certyfikaty firmy Microsoft: MCT, MCITP-DBA, MCITP-DD, MCSD.NET, od 2009 roku nieprzerwanie tytułem tytuł MVP w kategorii SQL Server (obecnie Data Platform)

Opisy sesji

Adrian Kapczyński

W trakcie wykładu opowiem o szczegółach moich laboratoriów: uczelnianego i domowego, w których od 2001 roku zgłębiam tajniki uczenia maszynowego. Przybliżę nie tylko narzędzia, ale także opowiem o projektach, które realizowane są w tych laboratoriach. Nie zabraknie także kilku słów o tym, czego nie mam, a co warto byłoby mieć takim laboratorium. W czasie gdy będę prezentował materiał, będzie uruchomiona sonda na temat rozwiązań używanych przez uczestników wykładu, a wyniki sondy będą stanowiły wartościowe uzupełnienie mojej wypowiedzi. Wszystkie pytania, które nasuną się w trakcie trwania wykładu, będzie można skierować do mojego osobistego, ufam nieprzeciętnie inteligentnego asystenta ;)

Grzegorz Stolecki

Astronauta Bowman czy doktor Chandra nieźle się musieli nagimnastykować aby komputer HAL nie domyślił się co zamierzają zrobić albo aby go przekonać do pewnych działań. Ale bardziej istotne jest to jaki był sposób komunikacji bohaterów Odysei Artura C. Clarke’a z komputerem. To była swobodna rozmowa. Komputery w filmach potrafią to już od dawna. A jak jest w rzeczywistości? W trakcie sesji zaprezentowane zostaną podstawowe zastosowania sztucznej inteligencji związane z językiem naturalnym. To przede wszystkim analiza tekstu, identyfikacja sentymentu, rozpoznanie języka tekstu i jego tłumaczenie. Wykorzystamy gotowe usługi dostępne na platformie Cognitive Services jak również biblioteki open-source dostępne dla języków R i Python.

Marcin Szeliga

Inteligencję przypisuje się ludziom oraz zwierzętom. Jednak inteligencja nie jest pojęciem jednoznacznym. Jeżeli przyjmiemy że inteligencja polega na zdolności do przetwarzania informacji na poziomie abstrakcyjnych idei, za obdarzonych inteligencją można uznać nie tylko ludzi, ale również zwierzęta i komputery.

Narodziny sztucznej inteligencja jako dyscypliny naukowej datuje się na rok 1956, jednak do niedawna dane treningowe musiały mieć postać tabelaryczną: każdy wiersz takiej tabeli opisywał jedną obserwację (np. pojedynczą sprzedaż lub wyniki konkretnego badania), a każda kolumna zawierała dane o jednej cesze (np. nazwę produktu czy wiek pacjenta w momencie badania). Głębokie uczenie maszynowe, czyli podejście polegające na automatycznym rozpoznaniu i wyodrębnieniu coraz bardziej abstrakcyjnych cech, a następnie użyciu tych cech do dalszej nauki modelu, pozwoliło jako danych treningowych używać również obrazów, mowy i wyrażeń języka naturalnego. Przykładem zastosowania głębokiego uczenia maszynowego są dostępne pod adresem https://azure.microsoft.com/pl-pl/services/cognitive-services/

Damian Widera

Ciekawe zastosowanie uczenia maszynowego, tym razem na temat grzybów. Warto zobaczyć, jak można zastosować proste algorytmy do ciekawych celów. Zaprezentowany zostanie algorytm drzewa decyzyjnego, który pozwoli podjąć decyzję - zjeść, czy nie zjeść?

Opisy warsztatów

Marcin Szeliga - Praktyczne uczenie maszynowe

Ilość cyfrowych danych generowanych każdego dnia jest niewyobrażalna — szacuje się ją na 3 tryliony bajtów i liczba ta z dnia na dzień rośnie. Dla porównania, mózg człowieka składa się z około 90 miliardów neuronów. Oznacza to, że codziennie zapisujemy cyfrowo dane równe mózgom 330 milionów ludzi, reprezentowanych sumą ich neuronów.

Szybkość z jaką przeszliśmy od mierzenia wielkości danych w kilobajtach (103) do megabajtów (106), gigabajtów (109), terabajtów (1012) i jottabajtów(1024) jest niewiarygodna. Każdego roku generujemy więcej danych, niż we wszystkich poprzednich latach, od początku historii naszego gatunku. Ten wzrost zawdzięczamy przede wszystkim urządzeniom mobilnym i wszechobecnym, podłączonym do sieci, czujnikom.

Jednak dane jako takie są bezwartościowe. To ukryte w nich informacje są cenne. Algorytmy uczenia maszynowego automatycznie wykrywają ukryte w danych wzorce i zapisują je w postaci modeli. Tak nauczone modele są mózgami inteligentnych maszyn.

Model uczenia maszynowego z dużą dokładnością przewiduje postępy leczenia pacjentów — to jeden z wielu podobnych nagłówków prasy popularno-naukowej, znaleziony w czasopiśmie Nature podczas pisania tego opisu. Uczestnicy warsztatu dowiedzą się, jak budować takie, światowej klasy, modele uczenia maszynowego na platformie Azure ML Studio i jak wdrażać gotowe modele do użycia.

Damian Widera - Wstęp do uczenia maszynowego

Warsztat poświęcony podstawom uczenia maszynowego – przeglądowi algorytmów i ich zastosowaniu do rozwiązywania konkretnych problemów. Będziemy zajmowali się uczeniem maszynowym w medycynie i starali się odkryć potencjał ukryty w tej dziedzinie nauki

 

Location:
WSB Chorzow
Sportowa 29
Chorzow
Poland