Visionnez ici les meilleures sessions virtuelles de l’ODSC Europe 2023

Best virtual sessions from ODSC Europe 2023 can be viewed here.

Nous nous sommes éclatés à ODSC Europe et espérons que vous tous qui nous avez rejoints en personne ou virtuellement avez également passé un bon moment ! Pour ceux d’entre vous qui n’ont pas pu y assister, nous voulions partager quelques moments forts de la conférence virtuelle. Ci-dessous, vous trouverez quelques-unes des nombreuses sessions animées par des experts à ODSC Europe 2023 que les participants ont adorées – et vous pouvez les visionner vous-même ici !

IA et biais : comment le détecter et comment le prévenir

Sandra Wachter, PhD | Professeure, Technologie et Réglementation | Oxford Internet Institute, Université d’Oxford

• Photos et Moments forts de l’ODSC Europe 2023
• 6 façons dont les chefs de projet peuvent utiliser l’IA pour améliorer l’efficacité
• Les sessions incontournables ont été annoncées pour le Sommet gratuit sur l’IA générative le 20 juillet

Étant donné les nombreux biais et inégalités présents dans les données d’entraînement, de nombreux travaux ont été réalisés pour tester les biais dans les systèmes d’apprentissage automatique et d’IA. Cette session aborde la compatibilité des métriques d’équité technique et des tests utilisés dans l’apprentissage automatique par rapport aux objectifs et au but de la loi européenne sur la non-discrimination, et propose des recommandations, notamment une liste de contrôle conviviale pour choisir la métrique d’équité la plus appropriée pour l’utilisation de l’apprentissage automatique dans le cadre de la loi européenne sur la non-discrimination.

Apprentissage automatique probabiliste pour la finance et l’investissement

Deepak Kanungo | Fondateur et PDG, Membre du conseil consultatif | Hedged Capital LLC, AIKON

Cette session vous présentera les raisons pour lesquelles l’apprentissage automatique probabiliste est la prochaine génération d’IA dans la finance et l’investissement. Vous aborderez

• Pourquoi les systèmes ML standards sont intrinsèquement peu fiables et dangereux dans la finance et l’investissement
• Les trois types d’erreurs dans tous les modèles financiers et pourquoi ils sont endémiques
• L’importance primordiale de quantifier l’incertitude des entrées et des sorties du modèle
• Les trois types d’incertitude et les différentes approches pour les quantifier
• Les défauts profonds des statistiques conventionnelles pour quantifier l’incertitude dans les modèles financiers
• Le cadre d’apprentissage automatique probabiliste et ses différentes composantes

Pourquoi les clusters GPU n’ont pas besoin de faire du bruit ? Exploiter la parcimonie composée pour obtenir les performances d’inférence les plus rapides sur les CPUs

Damian Bogunowicz | Neural Magic et Konstantin Gulin | Ingénieur en apprentissage automatique | Neural Magic

Cette présentation démontrera la puissance de la parcimonie composée pour la compression des modèles et l’accélération de l’inférence dans les domaines du NLP et du CV, en mettant l’accent sur les modèles de langage de grande taille récemment populaires. Les participants à la session apprendront la théorie sous-jacente à la parcimonie composée, les techniques de pointe et comment l’appliquer dans la pratique à l’aide de la plateforme Neural Magic.

Apache Kafka pour l’apprentissage automatique en temps réel sans lac de données

Kai Waehner | Global Field CTO, Auteur, Conférencier international

Cette présentation compare une architecture de streaming de données native du cloud à des alternatives traditionnelles de traitement par lots et de big data, et explique les avantages tels que l’architecture simplifiée, la possibilité de retraiter les événements dans le même ordre pour entraîner différents modèles, et la possibilité de construire une architecture d’apprentissage automatique évolutive et cruciale pour les prédictions en temps réel avec moins de problèmes et de maux de tête.

Prévision des séries temporelles pour les gestionnaires – Toutes les prévisions sont fausses, mais certaines sont utiles

Tanvir Ahmed Shaikh | Stratège des données (Directeur) | Genentech, Inc

La prévision des séries temporelles reste une technique sous-estimée dans l’enseignement des sciences des données, souvent éclipsée par des méthodes d’apprentissage automatique plus populaires. Cette présentation explorera diverses techniques de prévision des séries temporelles (ETS, ARIMA, SARIMA, modèles VAR, et modèles d’apprentissage automatique tels que XGBoost, Random Forest, et SVR) et leurs applications dans différents contextes commerciaux.

Se mettre à jour sur l’apprentissage automatique en temps réel

Dillon Bostwick | Architecte de solutions principal | Databricks et Avinash Sooriyarachchi | Architecte principal des solutions d’entreprise | Databricks

Avec l’introduction de plates-formes de streaming modernes, il est beaucoup plus facile pour quiconque de construire des pipelines de streaming fiables, quel que soit son niveau d’expérience en streaming. Cette session utilisera un scénario de détection de fraude pour enseigner :

• Trois motifs importants pour l’inférence de modèle en temps réel
• Comment hiérarchiser les cas d’utilisation de l’apprentissage automatique en temps réel les plus courants dans votre entreprise
• Comment évaluer les outils de streaming, et pourquoi le streaming est précieux à n’importe quelle latence
• Les préoccupations opérationnelles telles que la surveillance, la détection de dérive et les magasins de fonctionnalités

Apprentissage profond et comparaisons entre les modèles de langage de grande taille

Hossam Amer, PhD | Scientifique appliqué | Microsoft

Regardez cette présentation pour en savoir plus sur les fondements de l’apprentissage profond sous-tendant les modèles de langage de grande taille. Vous discuterez également des différents modèles de langage de grande taille populaires et comparerez les techniques et l’exactitude des résultats entre les différents modèles de langage de grande taille.

Qu’est-ce qui se passe ensuite ?

Vous pouvez consulter ces présentations et bien d’autres ici. Et ne manquez pas l’occasion de nous rejoindre pour notre prochain sommet virtuel gratuit sur l’IA générative le 20 juillet et ODSC West 2023 à San Francisco (du 31 octobre au 3 novembre).

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!