Хорошие новости из опен-сорсного направления нашей деятельности:

Доклад Николай Никитина "Как обеспечить воспроизводимость научных исследований в AI/ML с помощью Open Source?" принят на топовую отечественную ИТ-конференцию - Highload++.

Речь пойдет о кризисе воспроизводимости в науке и том, как культура открытого кода может хоть немного облегчить ситуацию.

По дате выступления сообщим позднее. А пока напомню, что поговорить о открытом коде можно не только на Хайлоаде, но и на нашем митапе)

Вряд ли кто-то не слышал про ИИ-конференции AI Journey. В этом году на ней выступят два докладчика от нашей лаборатории:

Научный зал 3, 22 ноября, 11:15 – 13:30
→ Николай Никитин, "Мета-автоматическое машинное обучение с помощью графовых моделей и эволюционной оптимизации"
→ Ирина Деева, "Байесовские сети в вероятностном ИИ - новое или хорошо забытое старое?"

Подробное расписание и онлайн-трансляция - на сайте AI Journey.

Также, Александр Хватов и Роман Титов приняли участие в треке AIJ "Научный журнал" со статьёй "О задаче устойчивого поиска дифференциальных уравнений // Доклады Российской академии наук. Математика, информатика, процессы управления. – 2023.". Публичной версии пока нет, но уже можно посмотреть репозиторий статьи и насладиться воспроизводимостью результатов.

Всем привет!

Уже завтра в 10:30 (Мск) наш сотрудник Андрей Гетманов выступит на семинаре Лаборатории прикладных цифровых технологий ММЦ ММФ НГУ.
Семинары проходят в стиле ИИшницы AIRI (докладчик и его оппонент разбирают статью), а слушатели, включая приглашённых экспертов из науки и индустрии, задают дополнительные вопросы и комментируют.
Он поучаствует в разборе статьи, а потом расскажет про open source в ИИ.

Подключиться к семинару можно по ссылке.

Программа выступлений уже сформирована, поэтому приходите посмотреть и пообщаться!

Самое время согреваться!🔥

Осталось всего 6 дней до Scientific Open Source Meetup!

💡 Scientific Open Source Meetup - это отличная возможность найти единомышленников, обменяться опытом работы с открытым кодом и научными исследованиями, послушать доклады коллег, а также получить порцию хорошего настроения в холодный декаборьский день.

✨В программе:
Презентации и обсуждения open source проектов, а также согревающие напитки и закуски.
Поговорим о Llama, Embox и Sparkling, а также многих других проектах.

📅 Встречаемся 6 декабря в 19:00 в баре Linza.

По сложившейся традиции будет организована трансляция, но вряд ли ей удастся стопроцентно передать теплую атмосферу бара и заменить живое общение. Поэтому рассчитываем на очную встречу!

☝️ Количество мест ограничено, так что не откладывайте регистрацию на завтра!
👉 Регистрируйтесь по ссылке

До встречи! 👋🏻

P.S. Обсудить предстоящий митап, поделиться впечатлениями о прошедших или внести предложения по формату можно в чате ITMO.OpenSource.
Анонсы, описания и записи предыдущих встреч можно посмотреть в нашем репозитории.

#мероприятия

Уже завтра (05.12) в 17:00 наш сотрудник Юрий Каминский выступит на главной конференции Яндекса для IT-сообщества – YaTalks.
На Open Source трибуне он расскажет про наш продукт – BAMT.
Подключайтесь к трансляции и наслаждайтесь!

Трясогузка, возле лужи,
Хвост тряся исподтишка,
Говорила: «Почему же
Всем стихи, — мне нет стишка?

К. Бальмонт

Помимо текущих дел и успехов, в нашей лаборатории созрели и более долгосрочные результаты. На защиту выходит Миша Масляев.

Как водится, если твой руководитель А. Хватов, то ничего кроме коммунизма диффуров у тебя не выйдет. Миша один из авторов фреймворка с открытым исходным кодом для обучения моделей в форме дифференциальных уравнений EPDE. Это, на минуточку, один из трёх самых сильных алгоритмов в этой области (даже статья на воркшопе А* имеется).

Идея простая: берёшь данные, а по ним не нейронку обучаешь, а диффур. При этом постановка не в подборе весов, а что-то вроде самого широкого понимания NAS - структура самого уравнения так же подбирается внутри алгоритма. Дьявол, как водится, в... езде в этой задаче, за пять лет постановка поменялась несколько раз, но успех достигнут, да ещё и потенциал для развития огромный. О развитии услышим в следующих диссертациях. =)

Рад, что удалось совместными усилиями убедить диссертационный совет, что это искусственный интеллект. А это он и есть, в кривых трендов это сейчас начинающая рост область first principles AI. Надеюсь, что в дальнейшем, подобных вопросов возникать не будет и ИТМО будет знаменит тем, что понимает и принимает и такой ИИ.

Что приятно, Миша - первый кандидат в кандидаты, который полностью воспитан в нашей лаборатории с малых лет. Пожелаем ему успешной защиты.

Прямой эфир с демо-дня Сбера в Москве: постер от аспиранта нашей лаборатории Глеба Соловьева про библиотеки GEFEST и GOLEM. На фото видно плохо, поэтому тут можно поразглядывать исходник.

Митап уже почти начался, ссылка на трансляцию - https://www.youtube.com/watch?v=vXn_spWteoY

Завтра днем есть возможность послушать внеочередной мастер-класс по некоторым из наших открытых библиотек от сотрудника нашей лаборатории и руководителя студенческого клуба ITMO.OpenSource Андрея Гетманова. Welcome!

Приглашаем на ITMO Open Source Workshop - мастер-класс по использованию открытого кода в ИИ от университета ИТМО!✨

Это уже стало традицией - собираться вместе, чтобы обсудить мир Open Source. И мы рады, что наши дружеские встречи в баре переросли в уютное пространство для обмена знаниями и опытом работы с открытыми научными решениями.

Мы гордимся тем, что вам интересно делиться своими изысканиями и знаниями о работе с Open Source продуктами.💪🏻

На последней встрече мы узнали много интересного о различных продуктах, и интерес к этой теме только растет.

Именно поэтому мы решили организовать дополнительный формат встречи - мастер-класс.🌐

📆Приходите 15 декабря, в 15:00, в коворкинг ИТМО (Биржевая линия, 16), на 5 этаж.

Мы познакомим вас с тремя ключевыми решениями: FEDOT, BAMT, и GOLEM.
За пару часов вы узнаете, как эти решения могут помочь вам в вашей работе и где они могут быть полезны.⚙️

Не упустите возможность узнать больше о мире Open Source и научиться использовать его преимущества для развития своих проектов!🤩

Обязательно регистрируйся по ссылке ❗️

Ждем вас на нашем ITMO Open Source Workshop!👋🏻

#события

Начало февраля встречаем в кругу единомышленников — обсуждаем open source и слушаем доклады коллег и однокурсников.🤩

✨1 февраля проведем 6-ой Scientific Open Source Meetup, который будет полезен и для студентов, ищущих опыт командной разработки, и для учёных, желающих повысить качество своего кода за счёт внедрения полезных практик. 

На мероприятие можно зарегистрироваться как в качестве слушателя, так и докладчика. 🧑🏼‍💻

Если вы хотите стать спикером и рассказать о своем open source проекте, напишите об этом в телеграм научному менеджеру NSS Lab Анастасии Ященко.

Приглашаем всех желающих! Всех докладчиков ждут подарки: промокоды на сервисы нашего партнёра Selectel. А автору лучшего доклада достанется мерч от организаторов и подарок от Selectel.🎁

Время и место проведения митапа, а также подробную программу, опубликуем чуть позднее. ❗️

А пока предлагаем присоединиться к чату об открытом ПО. Все вопросы о мероприятии можно задать там.

Регистрируйтесь, добавляйте в календарь и ждите новостей! ⚙️
 
P.S. Анонсы, описания и записи предыдущих встреч ищите в нашем репозитории.

До встречи! 👋🏻

#события

До оперсорс-митапа есть прекрасная возможность научно разогреться и послушать доклад Миши Масляева на семинаре лаборатории Методов анализа больших данных Московской Вышки о том, как машины изучают дифференциальные уравнения. Доклад будет на английском.

#OpenSeminar
Welcome to LAMBDA "Machine learning of differenital equations" seminar!

🗓 29.01 14:40
📍 Moscow, Pokrovsky boulevard, 11, S326

Speaker:
📣 Mikhail Masliaev, Junior researcher at the composite artificial intelligence laboratory, ITMO University

🖇 Registration

Annotation: Application of physically based machine learning methods, adapted to the specifics of the processed phenomena, allows the reduction of the complexity of the trained model and achieve its interpretability for  experts. In classical continuous processes modeling, one of the most commonly models are differential equations and systems of differential equations. Data-driven modeling can allow the combination of the advantages of tools based on analytically derived differential equations with the capabilities of a data-driven approach. The general learning approach is based on solving two subproblems: optimizing the structure of a differential equation, which corresponds to the discovery if its expression in symbolic form, and determining the parameters within these expressions. The report will consider both approaches aimed at solving subproblems separately, and approaches that allow joint determination of the structure and parameters of differential equations. Primary attention will be directed to methods based on the least shrinkage and selection operator (LASSO), neural networks (physics-based neural networks and ANNs, adapted for equation search tasks). The operating principles of the methods determine their advantages and disadvantages and, accordingly, their applicability to real-world problems. Also, methods for training models in the form of differential equations based on evolutionary optimization algorithms will be considered, using the examples of EPDE, SGA-PDE and DLGA-PDE frameworks. Such models allow equation optimization in an expanded search space, but can be characterized by increased computational costs of equation learning. This approach allows to limit a priori knowledge about the required equation and expand applicability to real problems of surrogate modeling and prediction of the dynamical systems state. The report will provide examples of employing the approach to several applied problems, in particular plasma arc modeling and determining the equations, governing thermal conductivity in the medium.