ამ გამოშვების აღსანიშნავად, ჩვენ ვაწყობთ მასშტაბურ საზოგადოებრივ ღონისძიებას, რომელზეც გეპატიჟებით! პროგრამა მოიცავს ორდღიან მოხსენებებს, რასაც მოჰყვება გუნდური პროექტები, რომლებიც ფოკუსირებული იქნება ნებისმიერი ბუნებრივი ენის დამუშავების (NLP) ამოცანისთვის მოდელის „დაფაინთუნებაზე“ (fine-tuning) და დასრულდება ცოცხალი დემონსტრაციებით. ეს დემონსტრაციები შესანიშნავად წარმოჩინდება თქვენს პორტფოლიოში, თუკი მანქანური სწავლების სფეროში ახალ სამსახურს ეძებთ. ჩვენ ასევე გადავცემთ დასრულების სერტიფიკატს ყველა იმ მონაწილეს, რომელიც წარმატებით შექმნის მსგავს პროექტს. AWS აფინანსებს ამ ღონისძიებას მონაწილეებისთვის უფასო გამოთვლითი რესურსების შეთავაზებით Amazon SageMaker-ის მეშვეობით. რეგისტრაციისთვის, გთხოვთ, შეავსოთ ეს ფორმა. ქვემოთ იხილავთ დამატებით დეტალებს ორდღიანი მოხსენებების შესახებ. მოხსენებების პირველი დღე ფოკუსირებული იქნება Transformer მოდელების მაღალი დონის პრეზენტაციასა და იმ ინსტრუმენტებზე, რომელთა გამოყენებაც შეგვიძლია მათ მოსამზადებლად ან „დაფაინთუნებლად“. **თომას ვოლფი: ტრანსფერული სწავლება და Transformer-ის ბიბლიოთეკის დაბადება** თომას ვოლფი არის HuggingFace-ის თანადამფუძნებელი და მთავარი სამეცნიერო ოფიცერი. მის მიერ და Hugging Face-ის გუნდის მიერ შექმნილი ინსტრუმენტები გამოიყენება 5000-ზე მეტ კვლევით ორგანიზაციაში, მათ შორის Facebook Artificial Intelligence Research-ში, Google Research-ში, DeepMind-ში, Amazon Research-ში, Apple-ში, ხელოვნური ინტელექტის ალენის ინსტიტუტში, ასევე უნივერსიტეტების უმეტეს დეპარტამენტებში. თომას ვოლფი არის ყველაზე მასშტაბური კვლევითი კოლაბორაციის – „BigScience“-ის – ინიციატორი და უფროსი თავმჯდომარე, რომელიც ოდესმე არსებობდა ხელოვნურ ინტელექტში, ასევე ფართოდ გამოყენებული ბიბლიოთეკებისა და ინსტრუმენტების ნაკრების ავტორი. თომას ვოლფი ასევე არის ნაყოფიერი განმანათლებელი და აზრის ლიდერი ხელოვნური ინტელექტისა და ბუნებრივი ენის დამუშავების სფეროში, რეგულარულად იწვევენ მომხსენებლად კონფერენციებზე მთელი მსოფლიოს მასშტაბით (https://thomwolf.io). **მარგარეტ მიტჩელი: ფასეულობები მანქანური სწავლების განვითარებაში** მარგარეტ მიტჩელი არის მკვლევარი, რომელიც მუშაობს ეთიკურ ხელოვნურ ინტელექტზე (Ethical AI) და ამჟამად ფოკუსირებულია ტექნოლოგიებში ეთიკაზე დაფუძნებული ხელოვნური ინტელექტის განვითარების დეტალებზე. მას გამოქვეყნებული აქვს 50-ზე მეტი ნაშრომი ბუნებრივი ენის გენერაციის, დამხმარე ტექნოლოგიების, კომპიუტერული ხედვისა და ხელოვნური ინტელექტის ეთიკის შესახებ, ასევე ფლობს მრავალ პატენტს საუბრის გენერაციისა და განწყობის კლასიფიკაციის სფეროებში. მანამდე იგი მუშაობდა Google AI-ში, როგორც შტატგარეშე მკვლევარი-მეცნიერი, სადაც დააარსა და ხელმძღვანელობდა Google-ის ეთიკური ხელოვნური ინტელექტის ჯგუფს, რომელიც ფოკუსირებული იყო ხელოვნური ინტელექტის ეთიკის ფუნდამენტურ კვლევასა და Google-ის შიგნით მისი ოპერაციონალიზაციაზე. Google-ში გაწევრიანებამდე, ის იყო მკვლევარი Microsoft Research-ში, სადაც მუშაობდა კომპიუტერული ხედვიდან ენის გენერაციაზე; ასევე იყო პოსტდოკი ჯონს ჰოპკინსის უნივერსიტეტში, სადაც ფოკუსირებული იყო ბაიესურ მოდელირებასა და ინფორმაციის ექსტრაქციაზე. მას აქვს კომპიუტერულ მეცნიერებათა დოქტორის ხარისხი აბერდინის უნივერსიტეტიდან და სამაგისტრო ხარისხი გამოთვლით ლინგვისტიკაში ვაშინგტონის უნივერსიტეტიდან. ხარისხების მიღებისას, 2005-2012 წლებში ის ასევე მუშაობდა მანქანურ სწავლებაზე, ნევროლოგიურ დარღვევებზე და დამხმარე ტექნოლოგიებზე ორეგონის ჯანმრთელობისა და მეცნიერების უნივერსიტეტში. მან უხელმძღვანელა არაერთ ვორკშოფსა და ინიციატივას მრავალფეროვნების, ინკლუზიის, კომპიუტერული მეცნიერებისა და ეთიკის კვეთაზე. მისმა ნაშრომებმა მიიღო ჯილდოები თავდაცვის მდივან ეშ კარტერისგან და ამერიკული ფონდიდან უსინათლოთათვის, და განხორციელდა მრავალი ტექნოლოგიური კომპანიის მიერ. მას მოსწონს მებაღეობა, ძაღლები და კატები. **იაკობ უშკორეიტი: არ არის გაფუჭებული, ამიტომ ნუ შეაკეთებთ, მოდით გავაფუჭოთ** იაკობ უშკორეიტი არის Inceptive-ის თანადამფუძნებელი. Inceptive ქმნის რნმ-ის მოლეკულებს ვაქცინებისა და თერაპიული საშუალებებისთვის, მსხვილმასშტაბიანი ღრმა სწავლების გამოყენებით, მაღალი გამტარუნარიანობის ექსპერიმენტებთან მჭიდრო კავშირში, რათა რნმ-ზე დაფუძნებული მედიკამენტები გახდეს უფრო ხელმისაწვდომი, ეფექტური და ფართოდ გამოსაყენებელი. მანამდე, იაკობი ათ წელზე მეტი ხნის განმავლობაში მუშაობდა Google-ში, სადაც ხელმძღვანელობდა კვლევისა და განვითარების გუნდებს Google Brain-ში, Research-სა და Search-ში, მუშაობდა ღრმა სწავლების ფუნდამენტებზე, კომპიუტერულ ხედვაზე, ენის გაგებასა და მანქანურ თარგმნაზე. **ჯეი ალამარი: Transformer მოდელების ვიზუალური შესავალი** ჯეი ალამარი, Cohere. მისი პოპულარული მანქანური სწავლების (ML) ბლოგის მეშვეობით, ჯეიმ მილიონობით მკვლევარსა და ინჟინერს დაეხმარა ვიზუალურად გაეგოთ მანქანური სწავლების ინსტრუმენტები და კონცეფციები, ძირითადიდან (რომელიც მოიცავს numPy-სა და pandas-ის დოკუმენტაციას) უახლეს ტექნოლოგიებამდე (Transformers, BERT, GPT-3). **მეთიუ უოტსონი: NLP სამუშაო პროცესები Keras-ით** მეთიუ უოტსონი არის მანქანური სწავლების ინჟინერი Keras-ის გუნდში, რომელიც ფოკუსირებულია მაღალი დონის მოდელირების API-ებზე. მან შეისწავლა კომპიუტერული გრაფიკა ბაკალავრიატზე და მაგისტრატურა სტენფორდის უნივერსიტეტში. თითქმის ინგლისური ენის სპეციალისტი, რომელიც კომპიუტერული მეცნიერებებისკენ გადაერთო, გატაცებულია დისციპლინათა შორის მუშაობით და NLP-ის ფართო აუდიტორიისთვის ხელმისაწვდომობის გაზრდით. **ჩენ ციანი: NLP სამუშაო პროცესები Keras-ით** ჩენ ციანი არის პროგრამული უზრუნველყოფის ინჟინერი Keras-ის გუნდიდან, რომელიც ფოკუსირებულია მაღალი დონის მოდელირების API-ებზე. ჩენმა ელექტრო ინჟინერიის მაგისტრის ხარისხი მიიღო სტენფორდის უნივერსიტეტიდან და განსაკუთრებით დაინტერესებულია მანქანური სწავლების ამოცანების კოდის იმპლემენტაციისა და ფართომასშტაბიანი ML-ის გამარტივებით. **მარკ სარუფიმი: როგორ ვავარჯიშოთ მოდელი Pytorch-ით** მარკ სარუფიმი არის პარტნიორი ინჟინერი Pytorch-ში, რომელიც მუშაობს ღია კოდის (OSS) წარმოების ინსტრუმენტებზე, მათ შორის TorchServe-სა და Pytorch Enterprise-ზე. წარსულში მარკი იყო გამოყენებითი მეცნიერი და პროდუქტის მენეჯერი Graphcore-ში, yuri.ai-ში, Micros-ში.