Jak dosáhnout dobrých výsledků s Deep Learning? I když neexistuje jednoduchý způsob ladění modelů hlubokého učení, tak experti ze společnosti H2O.ai se s vámi v rámci své přednášky z cyklu Informatické večery podělí o své praktické zkušenosti. Nejenže vysvětlí pojem Transfer Learning, ale projdou i nejdůležitější hyperparametry, které je třeba ladit, a pořadí tohoto ladění. Nebude chybět ani živá ukázka v no-code Deep Learning platformě s názvem H2O Hydrogen Torch. Přednáška bude v angličtině.
O přednášejících
Yauhen Babakhin
Yauhen Babakhin v současnosti pracuje ve společnosti H2O.ai na pozici Principal Data Scientist, kde se zaměřuje zejména na hluboké učení a počítačové vidění. V soutěžích komunity Kaggle je s celkem 12 zlatými medailemi z klasických soutěží z oblastí strojového učení, zpracování přirozeného jazyka a počítačového vidění na nejvyšší úrovni Grandmaster a v celosvětovém žebříčku Kaggle se v současnosti pohybuje v první patnáctce nejlepších.
Martin Barus
Martin Barus pracuje ve společnosti H2O.ai společně s Yauhenem, a to na pozici Senior Data Scientist. Na FIT absolvoval obor Znalostní inženýrství a v soutěžích komunity Kaggle je na úrovni Expert.
Adam Valenta
Adam Valenta pracuje ve společnosti H2O.ai jako softwarový inženýr. Díky fakultnímu programu spolupráce s průmyslem začal s touto společností spolupracovat již v posledním ročníku studia na FIT, a to při tvorbě své diplomové práce Detekce anomálií pomocí Extended Isolation Forest algoritmu, kterou vedla Veronika Maurerová rovněž z H2O.ai.