Natural Language Processing (NLP) is a domain of research whose objective is to analyze and understand human languages and develop technologies to enable human machine interactions with natural languages. NLP is an interdisciplinary field involving linguistics, computer sciences and artificial intelligence. The goal of this course is to provide students with comprehensive knowledge of NLP. Students will be equiped with the principles and theories of NLP, as well as various NLP technologies, including rule-based, statistical and neural network ones. After this course, students will be able to conduct NLP research and develop state-of-the-art NLP systems.

Natural Language Processing course (stream 4, spring 2023)

Изучаются алгоритмы обучения с подкреплением, использующие нейронные сети.

Deep Reinforcement Learning

Лучшие из лучших в 2020 году

🎄ODS Awards 2020 ⭐

Graph Machine Learning is the science between graph theory and machine learning. It is now a very active area of research, with hundreds of publications each month, impactful applications in the industry, and new insights about our world. Intersection of graph theory and machine learning. Overview, SOTA, applications.

Graph ML

Хрестоматия разработчика компьютерного зрения: как без боли решить задачу компьютерного зрения и заставить это решение работать в проде. Вдохновляемся опытом коллег о том, как они прошли через тернистый путь разработки модели компьютерного зрения для своих задач.
Если вы хотите дополнить трек своим докладом, то пишите в Telegram @sigmoida или в ODS @Sonya.

Computer Vision in Industry

19-20 сентября Яндекс проводит секцию по краудсорсингу. Вас ждут доклады от команды Яндекс.Толоки про эффективные методы контроля качества в краудсорсинге, разметку данных на большом масштабе и ТОП-10 ошибок заказчика, из-за которых теряются время и деньги.

Яндекс. Effective data labeling with crowd

Разберемся с архитектурой и типами квантового компьютера, а также поговорим о нейронных сетях в квантовой физике.

Quantum Computing

Цель трека - создание causal inference guide для data scientist-ов. Классические и современные подходы причинно-следственного анализа в применении к задачам машинного обучения.

Causal Inference in ML

Hi! Welcome to the optimization track on Datafest! Here we will discuss both theory and practice of modern optimization. We say really modern because the results and methods explained in the section are used either to conduct bleeding-edge research or train neural networks faster and larger.

Math Optimization

Интерпретация моделей машинного обучения: как объяснить результаты статистических моделей заказчику.

Active