Канал: NSS Lab ITMO

Scientific Open Source Meetup 8 октября 2024 Санкт-Петербург Nss lab

Scientific Open Source Meetup 8 октября 2024 Санкт-Петербург Nss lab

Байесовские методы в машинном обучении

Байесовские методы в машинном обучении

Разборка кода

Разборка кода

Прямая трансляция пользователя NSS Lab ITMO

Прямая трансляция пользователя NSS Lab ITMO

Виктор Крылов и Леон Стрелков: о стажировке в NSS lab ITMO

Виктор Крылов и Леон Стрелков: о стажировке в NSS lab ITMO

Иван Моннар и Елизавета Малышева: о результатах стажировки в NSS lab ITMO

Иван Моннар и Елизавета Малышева: о результатах стажировки в NSS lab ITMO

ИИ для химии: как мы вырастили сокристаллы с помощью глубокого обучения

ИИ для химии: как мы вырастили сокристаллы с помощью глубокого обучения

Секция Open Source на Дата Фесте, старт секции в 17:00. Регистрация в описании по ссылке

Секция Open Source на Дата Фесте, старт секции в 17:00. Регистрация в описании по ссылке

Embox: свободная операционная система рожденная на МатМехе СПбГУ

Embox: свободная операционная система рожденная на МатМехе СПбГУ

Data Fest в ИТМО, секция Open Source c 12:00. Регистрация на сайте ods.ai или в описании

Data Fest в ИТМО, секция Open Source c 12:00. Регистрация на сайте ods.ai или в описании

Как писать CNN-модели и не утонуть в свёртках

Как писать CNN-модели и не утонуть в свёртках

Никита Соболев о проблемах open source: технические, социальные, карьерные

Никита Соболев о проблемах open source: технические, социальные, карьерные

Найм сотрудников через Open Source

Найм сотрудников через Open Source

Lacmus: нейросети спасают людей

Lacmus: нейросети спасают людей

ML + физика на Data Fusion 2024

ML + физика на Data Fusion 2024

Open source LLM: большие языковые модели - что это, какие кейсы можно решить, LLM для русского языка

Open source LLM: большие языковые модели - что это, какие кейсы можно решить, LLM для русского языка

Фреймворк Godot gym api: для обучения RL-агентов в 3D средах Godot

Фреймворк Godot gym api: для обучения RL-агентов в 3D средах Godot

Open Source Jam от Яндекса 2024. Финальный джем

Open Source Jam от Яндекса 2024. Финальный джем

Хакатоны: зачем участвовать, опыт и разбор примеров участия в разных хакатонах

Хакатоны: зачем участвовать, опыт и разбор примеров участия в разных хакатонах

Вероятностный ИИ (probAI) и машинное обучение

Вероятностный ИИ (probAI) и машинное обучение

Can Evolutionary Algorithms Conditionally Generate Attributed Graphs?

Can Evolutionary Algorithms Conditionally Generate Attributed Graphs?

Open Source для решения реальных задач по обработке данных

Open Source для решения реальных задач по обработке данных

Мечтает ли GPT об автоматическом машинном обучении?

Мечтает ли GPT об автоматическом машинном обучении?

Федот - автоматический, машинный, твой!

Федот - автоматический, машинный, твой!

ChatGPT и Github Copilot: доверь свой код нейросетям

ChatGPT и Github Copilot: доверь свой код нейросетям

Немного о код-ревью

Немного о код-ревью

Зачем математику репозитории и коммиты

Зачем математику репозитории и коммиты

Как и зачем делать научный открытый код

Как и зачем делать научный открытый код

Solver-based Fitness Function for the Data-driven Evolutionary Discovery of PDE

Solver-based Fitness Function for the Data-driven Evolutionary Discovery of PDE

Evolutionary Automated Machine Learning for Time Series Forecasting

Evolutionary Automated Machine Learning for Time Series Forecasting

AutoML на 360. Как выбрать технологии и внедрить - VK Cloud Conf

AutoML на 360. Как выбрать технологии и внедрить - VK Cloud Conf

DATA-DRIVEN APPROACH FOR THE FLOQUET PROPAGATOR INVERSE PROBLEM SOLUTION - ICASSP 2022

DATA-DRIVEN APPROACH FOR THE FLOQUET PROPAGATOR INVERSE PROBLEM SOLUTION - ICASSP 2022

Автоматическое машинное обучение для моделирования промышленных процессов

Автоматическое машинное обучение для моделирования промышленных процессов

Автоматическое машинное обучение - как повысить эффективность моделирования с помощью FEDOT

Автоматическое машинное обучение - как повысить эффективность моделирования с помощью FEDOT

Семинар по моделированию с помощью байесовских сетей

Семинар по моделированию с помощью байесовских сетей

Семинар по генеративному дизайну физических объектов

Семинар по генеративному дизайну физических объектов

Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей

Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей

Методы композитного ИИ для моделирования многомасштабных временных рядов

Методы композитного ИИ для моделирования многомасштабных временных рядов

Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей

Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей

Automated machine learning framework FEDOT / 生成式自动机器学习系统.

Automated machine learning framework FEDOT / 生成式自动机器学习系统.

Automated Data-driven Approach for Gap Filling in the Time Series using Evolutionary Learning

Automated Data-driven Approach for Gap Filling in the Time Series using Evolutionary Learning

FEDOT: Evolutionary composite AutoML as Human-competitive result

FEDOT: Evolutionary composite AutoML as Human-competitive result

Multi-Objective Evolutionary Design of Composite Data-Driven Models

Multi-Objective Evolutionary Design of Composite Data-Driven Models

Automated Evolutionary Design of CNN Classifiers for Object Recognition on Satellite Images

Automated Evolutionary Design of CNN Classifiers for Object Recognition on Satellite Images

Hybrid modelling of environmental processes using composite models

Hybrid modelling of environmental processes using composite models

Sensitivity analysis of the composite data-driven pipelines in the automated machine learning

Sensitivity analysis of the composite data-driven pipelines in the automated machine learning

Текущее состояние и перспективы развития AutoML

Текущее состояние и перспективы развития AutoML

AutoML для композитных моделей на мульти-модальных данных

AutoML для композитных моделей на мульти-модальных данных

Tutorial on evolutionary automation of ML pipelines with FEDOT Framework

Tutorial on evolutionary automation of ML pipelines with FEDOT Framework

КИМО 2021 - Восстановление пропусков в гидрометеорологических данных с использованием методов AutoML

КИМО 2021 - Восстановление пропусков в гидрометеорологических данных с использованием методов AutoML

Семинар по методам и технологиям автоматического машинного обучения №3

Семинар по методам и технологиям автоматического машинного обучения №3

Семинар по методам и технологиям автоматического машинного обучения №2

Семинар по методам и технологиям автоматического машинного обучения №2

Introducing Fedot - an AutoML framework for structural learning

Introducing Fedot - an AutoML framework for structural learning

MARTECH2020 - The multi-objective optimisation of breakwaters using evolutionary approach

MARTECH2020 - The multi-objective optimisation of breakwaters using evolutionary approach

R Meetup - Как эффективно разработать современную модель кредитного скоринга на R

R Meetup - Как эффективно разработать современную модель кредитного скоринга на R

Structural Learning for Composite Models using Evolutionary Optimisation - Datafest 2020

Structural Learning for Composite Models using Evolutionary Optimisation - Datafest 2020

Поиск уравнений физических процессов по данным. Почему тернист путь от волнового уравнения к звёздам

Поиск уравнений физических процессов по данным. Почему тернист путь от волнового уравнения к звёздам

Structural Evolutionary Learning for Composite Classification Models

Structural Evolutionary Learning for Composite Classification Models

Семинар №1 по фреймворку Федот - 16.07.2020

Семинар №1 по фреймворку Федот - 16.07.2020

МК - Распознавание спутниковых изображений с помощью AutoML на примере задачи обнаружения айсбергов

МК - Распознавание спутниковых изображений с помощью AutoML на примере задачи обнаружения айсбергов

Семинар НЦКР, 25.06, доклад Н. Никитина "Методы идентификации параметров численных моделей..."

Семинар НЦКР, 25.06, доклад Н. Никитина "Методы идентификации параметров численных моделей..."

КИМО 2020 День 1 Трансляция №3 Пленарный доклад Калюжной А В

КИМО 2020 День 1 Трансляция №3 Пленарный доклад Калюжной А В

МК - Распознавание аномалий в гидрометеорологических полях с помощью сверточных нейронных сетей

МК - Распознавание аномалий в гидрометеорологических полях с помощью сверточных нейронных сетей

The knowledge-enriched AutoML concept as a part of Fedot framework

The knowledge-enriched AutoML concept as a part of Fedot framework

Official EPDE teaser

Official EPDE teaser

КИМО2020: Интеллектуальное проектирование защитных сооружений на шельфе

КИМО2020: Интеллектуальное проектирование защитных сооружений на шельфе

Настройка моделей машинного обучения и её практическая реализация с помощью фреймворка Федот

Настройка моделей машинного обучения и её практическая реализация с помощью фреймворка Федот

Композитные модели как способ повышения эффективности моделирования процессов реального мира

Композитные модели как способ повышения эффективности моделирования процессов реального мира