AI for Ukraine

Благодійний проєкт, який ми запустили у 2022 році, щоб надавати українським AI-ентузіастам доступ до найактуальніших знань, об'єднуватися та ділитися експертизою з міжнародною спільнотою і збирати кошти на підтримку України. Другий сезон завершено, але всі лекції доступні у записі.

Зробити донат
324 000 грн

Зібрано завдяки першому сезону проєкту

 Зробити донат

AI for Ukraine — це серія воркшопів, лекцій та панельних дискусій від топових міжнародних AI-експертів/ок. Другий сезон ми запускали спільно з Roosh, однією з найпотужніших технологічних компаній у сфері AI/ML в Україні.

Серед спікерів/ок: Лукаш Кайзер [OpenAI], Гаель Вароко [INRIA], Вікторія Олійник [University of Oxford] та інші міжнародні фахівці. Усі донати підуть до благодійної організації «Реактивна пошта», а рекомендований донат за одне відео — від $10. Всі лекції будуть англійською та завжди доступні у запису після трансляції. Тож нумо отримувати найактуальніші знання та допомагати Україні.

Спікери

Лукаш Кайзер Member of Technical Staff у OpenAI
Йошуа Бенжіо Full Professor у Université de Montréal, Founder та Scientific Director у Mila
Алекс Смола Distinguished Scientist, VP у Amazon Web Services
Себастьян Бубек Головний менеджер із досліджень Microsoft
Гаель Вароко Співзасновник scikit-learn, Research director у INRIA
Саша Руш Assoc. Professor у Cornell, Researcher у Hugging Face
Ю-Шянг Ванг Assistant Professor of CS у UCSB, Director of Scalable Statistical ML Lab
Анна Рорбах Наукова співробітниця Каліфорнійського університету в Берклі
Хасіб Хан Senior AI ML Engineer в Google
Вікторія Олійник Data Scientist у University of Oxford
Софі Дейлі Staff Data Scientist в Stripe
Сергій Матусевич Науковий співробітник Microsoft IC3-AI
Марія Антоняк Кандидатка PhD в Корнелльському університеті
Міша Ласкін Старший науковий співробітник DeepMind
Мартін Шмід CEO та співзасновник EquiLibre Technologies
Франческо Локателло Старший прикладний науковий співробітник Amazon Web Services
Дат Дарил Нґо ML Solutions Architect в Arize AI
Ларс Коттхофф Assoc. Professor в University of Wyoming
Дмитро Фішман Доцент кафедри ШІ в Тартуському університеті, лектор з ML в УКУ та Chief Science Officer у Better Medicine
Стати спікером Приєднатися до проєкту з лекцією

Дивись лекції у записі

Season 2

Лекції, воркшопи та панельні дискусії від міжнародних AI-експертів/ок відтепер у записі. Всі донати підуть до благодійної організації «Реактивна пошта», а корисна інфа — у світле технологічне майбутнє України.

Дивитись лекції

Дивись лекції у записі

Season 1

У першому сезоні ми зібрали понад 320 000 грн для фонду «Повернись живим». Зараз усі лекції доступні у записі. Але донати — актуальні завжди. Зробити свій донат можна просто, натиснувши кнопку.

Зробити донат Дивитись лекції

Season 2 | Recordings

Season 1 | Recordings

Звіт

Як 324 000 гривень пройшли шлях від нас до фонду «Повернись живим», можна перевірити тут або у банківських чеках.

Перевірити

Питання & відповіді

  • Як отримати доступ до лекцій?

    Щоб отримати доступ до лекцій, воркшопів і панельних дискусій другого сезону — потрібно зареєструватися, і ми надішлемо вам на пошту лінк на трансляцію. А контент першого сезону можна подивитися у нас на сайті або на нашому YouTube.

    Зареєструватися
  • Якою мовою проходять лекції?

    Англійською. Автоматичні субтитри доступні теж лише англійською. 

  • Куди пішли донати з першого сезону?

    У фонд «Повернись живим», який надає компетентну допомогу військовим з 2014 року. Фонд закуповує обладнання, яке допомагає рятувати життя військовим, зокрема тепловізійну оптику, квадрокоптери, автомобілі, системи безпеки та розвідки. Також фонд «Повернись живим» має прозору фінансову звітність. Кожен донат можна відстежувати в режимі реального часу тут.

  • Куди підуть кошти з другого сезону?

    До «Реактивної пошти». Ця благодійна організація з 2014 року забезпечує артилерійські бригади запчастинами, спорядженням та іншим важливим обладнанням. Наразі вони передали понад 1.6 мільйонів доларів допомоги, а під їхньою опікою перебувають 14 підрозділів. Ваші донати будуть направлятися до організації на потреби українських артилеристів/ок.

    Зробити донат
  • Лекції другого сезону платні?

    Всі трансляції — безоплатні. Але допомагати Україні вкрай важливо, тому ми рекомендуємо донатити за перегляд одного відео — від $10.
    100% зібраних коштів підуть до благодійної організації «Реактивна пошта» на допомогу нашим артилерист(к)ам.

  • Чи будуть записи трансляцій?

    Так, записи першого та другого сезонів будуть у відкритому доступі. Їх можна подивитися на нашому сайті або YouTube.  

    Відкрити YouTube
Меню
Приєднатися
En

AI In Biomedical Imaging: How Computer Scientists Can Contribute To Medicine I Запис лекції

Біологи-експериментатори збирають величезну кількість інформації про організми <включаючи людей>. Більшість даних — це зображення, які потрібно аналізувати та інтерпретувати. Тут в нагоді стає ШІ. Мета цієї лекції — показати, що tech-спеціаліст(к)и можуть переключитися на охорону здоров’я та використовувати свої знання для розвитку сфери.

Зареєструватися
Дмитро Фішман

Доцент кафедри ШІ в Тартуському університеті; лектор з ML в УКУ та Chief Science Officer у Better Medicine

Arize LLM Observability, How To and Best Practices | Запис вебінару

Дат Нґо проведе технічний вебінар з фокусом на Arize LLM. Тут ви зможете посилити свої інженерні навички в роботі з LLM разом, отримайте уявлення про оцінки LLM, робочі процеси RAG, оперативне інженерне налагодження, аналіз першопричин і налагодження за допомогою потоків вбудовування, трасування та діапазонів.

Зареєструватися
Дат Дарил Нґо

ML Solutions Architect at Arize AI

A Hands-On Introduction to Automated Machine Learning | Запис вебінару

Часто необхідно оптимізувати підхід до машинного навчання для кращої продуктивності, зокрема за допомогою налаштування гіперпараметрів. Приєднуйтеся до вебінару, щоб зануритися в налаштування гіперпараметрів і AutoML. Ларс також проведе live-coding сесією, яка покаже вам, як використовувати інструменти AutoML для вашого ML-застосунку.

Зареєструватися
Ларс Коттхофф

Associate Professor в University of Wyoming

Lessons Learned Productionising LLMs for Stripe Support | Запис лекції

У цій доповіді Софі поділиться досвідом, отриманим під час створення першого застосування Stripe для моделювання великої мови, надаючи відповіді на запитання користувачів щодо підтримки Stripe.

Зареєструватися
Софі Дейлі

Staff Data Scientist у Stripe

The Ethical Implications of AI: How to Strike a Balance between Progress and Humanity | Запис лекції

Разом з Хасібом розглянете етичні міркування, пов’язані з розробкою та застосуванням ШІ, поговорите про пошук балансу між технологічним прогресом і людськими цінностями.

Зареєструватися
Хасіб Хан

Senior AI ML Engineer у Google

Balancing Ethics and Creativity: Leveraging LLMs for Responsible Content Generation I Запис лекції

How can you leverage LLMs to avoid any potential pitfalls related to reputation, responsibility, and regulations? To address these challenges, organizations must establish rigorous control measures guided by industry best practices. In this workshop, Viktoriia will share some of her experience in developing an engine for tailoring reliable and trustworthy marketing content that may be useful for you as well.

Зареєструватися
Viktoriia Oliinyk

Data Scientist in University of Oxford

Representation Learning on Relational Data to Automate Data Preparation | Запис лекції

Preparing data is a huge part of any statistical learning. In this lecture, Gael will present progress on learning representations with data tables, overcoming the lack of simple regularities. He will show how these representations decrease the need for data preparation: matching entities, aggregating the data across tables.

Зареєструватися на інші лекції
Gael Varoquaux

Research director at INRIA

Deep Learning Decade and GPT-4 | Запис лекції

How did ChatGPT happen and what preceded it? Lukasz stood at the origin of this revolution as a part of the OpenAI team, so he has some stories to tell. This lecture will help you understand the evolution of Transformers and the process of creation of GPT4. As a result, you’ll get a better idea of what to expect in the years to come.

Зареєструватися на інші лекції
Lukasz Kaiser

Deep Learning Researcher at OpenAI

Bridging the gap between current deep learning and human higher-level cognitive abilities

This talk raises many interesting research questions ranging from Bayesian inference and identifiability to causal discovery, representation learning and out-of-distribution generalization and adaptation, which will be discussed in the presentation

Йошуа Бенжіо

Професор Університету Монреаля, засновник і науковий керівник Mila

Data-driven Reinforcement Learning with Transformers

In this talk, Misha Laskin will give a tutorial on these methods that he will broadly refer to as Reinforcement Learning Transformers (RLTs). Misha will show how RL agents can be pre-trained to learn in-context like LLMs. He will then present new work showing that transformers can be pre-trained to reinforcement learn in-context.

Міша Ласкін

Старший науковий співробітник DeepMind

Evaluating machine learning models and their diagnostic value

Gaël will first discuss choosing metric informative for the application, stressing the importance of the class prevalence in classification settings. Then he will then discuss procedures to estimate the generalization performance, drawing a distinction between evaluating a learning procedure or a prediction rule, and how to give confidence intervals to the performance estimates.

Гаель Вароко

Співзасновник scikit-learn, директор INRIA

Model Compression for Deep Learning

In this presentation we will discuss why and when to compress ML models, survey major model compression techniques and best practices, and review state-of-the-art approaches to model compression. We will focus on pruning and quantization, but also cover other techniques, like knowledge distillation, deep mutual learning, and architecture search.

Лекція Сергія Матусевича доступна в закритому доступі, котрий можна отримати при реєстрації за цим посиланням.
Сергій Матусевич

Науковий співробітник Microsoft IC3-AI

Modeling Personal Experiences Shared in Online Communities

In this talk, Maria will share work that seeks to reliably represent individual experiences within their social contexts and model interpretive dimensions that illuminate both patterns and outliers, while addressing social and humanistic questions. She will share two case studies that highlight both the opportunities and the risks in reusing NLP models for context-specific research questions.

Марія Антоняк

Кандидатка PhD в Корнелльському університеті

Multimodal Grounded Learning with Vision and Language

Recently we increasingly see language being used to enhance visual models by enabling zero-shot capabilities, improving generalization, mitigating bias, etc. Anna is deeply interested in building models that can ingest language advice to improve their behavior.


In her talk Anna will cover work that tries to achieve the aforementioned capabilities and discuss challenges as well as exciting opportunities that lie ahead.

Анна Рорбах

Наукова співробітниця Каліфорнійського університету в Берклі

One and Done - Automatic Machine Learning with AutoGluon

In the past Machine Learners had to choose between simplicity, speed and accuracy when using AutoML tools. In this talk Alex Smola will show how AutoGluon provides all three of them, for a wide range of applications. This includes tabular data, text, images, and time series among the many options.

Алекс Смола

Головний науковий співробітник Microsoft

Prompting, Metadatasets, and Zero-Shot NLP

This talk focuses on T0, a large-scale language model trained on multi-task prompted data (Sanh et al 2022). Despite being an order of magnitude smaller than GPT-3 class models, T0 exhibits similar zero-shot accuracy on unseen task categories. In addition to the modeling elements, this talk highlights the community processes of collecting data, dataset, and prompts for models of this scale.

Лекція Саші Руша доступна в закритому доступі, котрий можна отримати при реєстрації за цим посиланням.
Саша Руш

Професор Корнелльського університету, дослідник у Hugging Face

Search in imperfect information games

The combination of decision-time search and value functions has been present in the remarkable milestones where computers bested their human counterparts in long-standing challenging games — DeepBlue for Chess and AlphaGo for Go. Until recently, this powerful framework of search aided with (learned) value functions has been limited to perfect information games.


We will talk about why search matters, and about generalizing search for imperfect information games.

Мартін Шмід

CEO та співзасновник EquiLibre Technologies

Towards Causal Representation Learning

Francesco will first review fundamental concepts of causal inference and present new approaches for causal discovery using machine learning.
Then, he will broadly discuss how causality can contribute to modern machine learning research. As well, Francesco will introduce causal representation learning as an open problem for both communities: the discovery of high-level causal variables from low-level observations.

Лекція Франческо доступна в закритому доступі, котрий можна отримати при реєстрації за цим посиланням.
Франческо Локателло

Старший прикладний науковий співробітник Amazon Web Services

Towards Practical Reinforcement Learning: Offline Data and Low-Adaptive Exploration"

In this talk, Yu-Xiang Wang will first share some recent theoretical advances on the offline RL algorithms. Then he will talk about the limitation of offline RL over its online counterpart, and describe a new model called RL with low-switching cost that could get the best of both world.

Ю-Шянг Ванг

Доцент комп'ютерних наук у Каліфорнійському університеті, директор Scalable Statistical ML Lab

Unveiling Transformers with LEGO

In this work we propose a synthetic task, called LEGO (Learning Equality and Group Operations), to probe the inner workings of transformers. We obtain some insights on multi-head attention, the effect of pretraining, as well as overfitting issues.


Joint work by the ML Foundations group at Microsoft Research with co-authors Yi Zhang, Arturs Backurs, Ronen Eldan, Suriya Gunasekar, and Tal Wagner.

Себастьян Бубек

Головний менеджер із досліджень Microsoft