Всем привет.

В рамках организованной НЦКР школы молодых учёных в области ИИ планируется несколько докладов от представителей нашей лаборатории. Они пройдут вечером 23 ноября.

- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная, ИТМО.

- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов, ИТМО.

- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов, ИТМО.


Полная программа школы доступна тут. Её участниками могут стать студенты старших курсов, магистранты, аспиранты, молодые ученые и специалисты. Заявки на участие принимаются до 20 ноября 2021 г.

Всем привет.

Для тех, кто пропустил выступления сотрудников лаборатории на конференции AI Journey - выкладываем видео:

Мечтает ли ИИ об эволюции? - Анна Калюжная
https://www.youtube.com/watch?v=Jt098BMy-fQ

FEDOT - открытый фреймворк автоматического машинного обучения для композитных моделей - Николай Никитин
https://www.youtube.com/watch?v=qiVRZvJCio0

Also, we have versions in English:

Does AI dream of evolution? - Anna Kalyuzhnaya
https://www.youtube.com/watch?v=Mo-wn5T5vCo

FEDOT - open-source AutoML for composite pipelines - Nikolay Nikitin
https://www.youtube.com/watch?v=JblS7AmnkXA

Всем привет.

Продолжаем серию постов о новых конференционных докладах, описывающий результаты нашей группы.

Сегодня речь пойдет о выступлении директора национального центра когнитивных разработок Александра Бухановского под заголовком ""Автоматизированный ИИ".

Видео доклада доступно по ссылке:
https://youtu.be/5hmb-oqA2e8

В нём рассказывается о уже знакомом вам фреймворке для автоматизированного построения моделей композитного ИИ FEDOT, основных проблемах, с которыми сталкиваются заказчики технологий ИИ, а также полном цикле разработки ИИ – от подготовки данных до внедрения моделей в реальные задачи.

Лекция состоялась в рамках Школы ведущих инженеров НОЦ ТулаТЕХ.

Дорогие друзья, всем привет!

Сегодня вышла наша новая статья в Q1-журнале Water: "Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River".

Статья написана по мотивам выигранного нашей командой "NSS_lab team" Хакатона Emergency datahack 2021, где нам лучше других команд удалось спрогнозировать подъемы уровня воды в период половодья на реке Лена. В этом нам помогла наша разработка - AutoML-фреймворк FEDOT, на основе которого мы построили большую часть моделей.

В статье обсуждается подход к прогнозированию уровня воды на основе композитного пайплайна на семь дней вперёд c помощью автоматического машинного обучения. Мы показали, что можно эффективно объединять классические физические модели и модели машинного обучения в единую прогнозную систему. Подтверждением этих слов служит высокое значение коэффициента Нэша – Сатклиффа, показанное нашей моделью на валидационной выборке: 0.8 (коэффициент изменяется от минус бесконечности до 1, чем больше значение - тем лучше модель). В соответствии с данной классификацией, модель попала в "лучшую категорию" по значению данного популярного в гидрологии коэффициента.

Ссылка на статью (open access) - https://www.mdpi.com/2073-4441/13/24/3482

@Article{w13243482,
AUTHOR = {Sarafanov, Mikhail and Borisova, Yulia and Maslyaev, Mikhail and Revin, Ilia and Maximov, Gleb and Nikitin, Nikolay O.},
TITLE = {Short-Term River Flood Forecasting Using Composite Models and Automated Machine Learning: The Case Study of Lena River},
JOURNAL = {Water},
VOLUME = {13},
YEAR = {2021},
NUMBER = {24},
ARTICLE-NUMBER = {3482},
URL = {https://www.mdpi.com/2073-4441/13/24/3482},
ISSN = {2073-4441},
DOI = {10.3390/w13243482}
}

И бонус - заглавная картинка в сообщении ниже

Концепт предлагаемого в статье подхода: просим любить и жаловать

Всем привет.

Сегодня у нас анонс серии открытых лекций по прикладному геомоделированию от наших коллег из Научно-Технического Центра «Газпром нефти».

Первая лекция уже началась - успейте подключиться! Ссылка вот.

Подробности:

📆 Даты: 22 и 24 декабря, начало в 17:00 (МСК)
📗 Ссылка на регистрацию: https://dx.timepad.ru/event/1880864/
Мероприятие проходит онлайн
22.12.2021: Введение в геологическое моделирование
Спикер: Штырляева Анастасия Андреевна, руководитель направления Блока интегрированных решений Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о типах данных и их подготовке для геологического моделирования, рассмотрите его основные этапы, а также поговорите о концептуальном и трехмерном геологическом моделировании.
24.12.2021: Использование методов машинного обучения при построении геологических моделей
Спикер: Суханов Роман Александрович, руководитель программ проектов Центра компетенций по когнитивным технологиям Научно-Технического Центра «Газпром нефти»
В рамках лекции вы узнаете о специфике ML проектов в нефтяной сфере, об основных типах задач, которые можно встретить в нефтянке и путях их решения, а также рассмотрите несколько примеров подобных проектов.

Лекции проходят в рамках курса магистратуры "Цифровые геотехнологии" Университета ИТМО.

Всем привет.

Сегодня в нашем YouTube-канале стало доступно несколько выступлений сотрудников нашей лаборатории на недавних мероприятиях.

Первые три были сделаны в рамках "Школы молодых ученых" НЦКР ИТМО:

- Эволюционные подходы в задачах генеративного дизайна физических объектов и математических моделей, Анна Калюжная.

- Автоматическое решение дифференциальных уравнений с помощью методов оптимизации и нейронных сетей, Александр Хватов.

- Методы композитного ИИ для моделирования многомасштабных временных рядов, Михаил Сарафанов.

————————-————————————————————

Четвертое же более экзотично - это доклад о возможностях фреймворка FEDOT, сделанный Ильёй Ревиным в рамках конференции русско-китайской секции конференции Open innovations 2.0.

Доклад, переведенный на китайский язык доступен в нашем канале по ссылке 生成式自动机器学习系统.

Всем привет.

Несмотря на праздничный день, у нас есть о чем рассказать.

Только что произошел релиз новой версии фреймворка FEDOT - 0.5.0, в которую вошло много важных изменений - от новых функций, расширяющего его функциональность, до исправления больших и малых ошибок.

Мы доработали препроцессинг табличных данных, улучшили пользовательский API, добавили zerocode-режим работы через консоль, реализовали интерпретацию моделей с помощью объясняющих деревьев, улучшили оптимизатор, повысили эффективность работы с временными рядами - и многое, многое другое.
Более подробные release notes можно почитать тут.

Будем очень рады как звездочкам на github-е, так и любому фидбеку от пользователей.

На этом наука 2021 заканчивается - но впереди уже ждет новая.

От лица NSS Lab поздравляю всех читателей канала с наступающим Новым Годом! 🎄

Всем привет.

Сегодняшнее душеспасительное чтение - интервью с нашим сотрудником-аспирантом Михаилом Масляевым:

https://news.itmo.ru/ru/science/it/news/12367/

Из него вы можете узнать, какие задачи можно решать, работая и учась у нас (напомню, что у нас есть ряд открытых вакансий, как full-time, так и стажерских - 1, 2, 3).

Также, для тех кто пропустил - небольшое интервью Александра Хватова о Лаборатории Композитного ИИ.

#про_нас_пишут
#nss_interview

Всем привет.

Многие из вас слышали слышали о Highload++ - топовой ИТ-конференции, которая скоро пройдет в Москве.

Наш automl-фреймворк FEDOT, о котором мы часто пишем, был отобран среди 16 других open-source продуктов для финального голосования:

https://opensource.highload.ru/vote

Поэтому, если вам будет интересно послушать свежие подробности про реализацию FEDOT - будем рады поддержке голосами)

Всем привет.

Завтра в рамках "Научной и учебно-методической
конференция Университета ИТМО" планируется несколько докладов от представителей нашей лаборатории.

Мероприятие начинается онлайн в 11-00. Речь пойдет о наших наработках в области генеративного дизайна физических объектов (библиотека GEFEST) и обучения байесовских сетей (библиотека BAMT).

Также будет затронут опыт наших open-source разработок в целом - поэтому всем, кто создает или поддерживает открытое ПО, отдельно рекомендую послушать посвященный этому доклад Михаила Сарафанова.

Ссылка для подключения:

https://itmo.zoom.us/j/84678284516

Перечень докладов:

11:05-11:15
1. Стародубцев Н.О. Суррогатная оптимизация волнозащитных сооружений с использованием сверточных нейронных сетей.

11:15-11:25
2. Стебеньков А.С. Методы обучения с подкреплением для генеративного дизайна цифровых и физических объектов.

11:25-11:35
3. Борисова Ю.И. Автоматическое моделирование природных процессов в задачах генеративного дизайна.

11:35-11:45
4. Сарафанов М.И. Особенности разработки программных решений с открытым исходным кодом.

11:55-12:05
6. Деева И.Ю. Библиотека вероятностного моделирования на основе байесовских сетей BAMT.

12:05-12:15
7. Бубнова А.В. Блочное обучение больших байесовских сетей на основе экспертно подобранных локальных структур.

12:15-12:25
8. Каминский Ю.К. Разработка алгоритма обучения байесовских сетей с большим количеством узлов на основе мер близости между узлами.

Будем рады всем желающим принять участие в обсуждениях.

Небольшой спойлер из завтрашнего материала.

Для всех, кто не смог послушать доклады во время конференции - выложили их на наш YouTube-канал в виде двух мини-семинаров:

Семинар по генеративному дизайну физических объектов

Семинар по моделированию с помощью байесовских сетей

Приятного просмотра!

Всем привет.

У нас наконец вышла финальная версия статьи "Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea" - в Q1-журнале Computers & Geosciences.

Она посвящена применению ML и AutoML для различных задач из области моделирования нефтяного месторождения
1) прогнозирование добычи нефти с помощью гибридной модели, созданной с помощь фреймворке FEDOT;
2) классификация и сегментация сейсмических срезов для локализации расположения нефтяного резервуара.

Почитать её можно тут.

Ссылка для цитирования:

@article{NIKITIN2022105061,
title = {Hybrid and automated machine learning approaches for oil fields development: The case study of Volve field, North Sea},
journal = {Computers & Geosciences},
pages = {105061},
year = {2022},
issn = {0098-3004},
doi = {https://doi.org/10.1016/j.cageo.2022.105061},
url = {https://www.sciencedirect.com/science/article/pii/S0098300422000267},
author = {Nikolay O. Nikitin and Ilia Revin and Alexander Hvatov and Pavel Vychuzhanin and Anna V. Kalyuzhnaya}
}

Всем привет!

Хотим поздравить всех защитников с праздником!

И в этот праздничный день вышел первый релиз
нашей библиотеки для моделирования с помощью байесовских сетей BAMT v0.1.0.

Функционал библиотеки широк, вы можете:
- строить многомерные распределения на ваших данных
- исследовать зависимости в данных
- генерировать синтетические данные
- заполнять пропуски и искать выбросы в данных

Приглашаем всех к тестированию библиотеки (звёздочки приветствуются)!

Всем привет.

Сегодня у нас вышла немного "непрофильная" статья, написанная в рамках международной коллаборации - "Single Red Blood Cell Hydrodynamic Traps via the Generative Design" в журнале Micromachines.

Она посвящена генеративному дизайну структуры микроустройств - "селезенок-на-чипе", состоящих из ловушек для клеток крови различного размера.

Часть работ, посвященную применению эволюционной оптимизации и её реализации в рамках библиотеки GEFEST выполняли мы, а изготовление прототипов микро-устройств "в железе" и их экспериментальную валидацию - ученые из Tsinghua Berkeley Shenzhen Institute и их коллеги.

Полученные результаты позволяют утверждать, что эволюционный генеративный дизайн позволяет получать human-competitive решения для данной задачи.

Бонус - картинка из статьи.

Всем привет!

Сегодня мы выпустили ещё одну статью на хабр. В этот раз, в блоге Open Data Science (ODS) увидел свет наш пост "Чистый AutoML для “грязных” данных: как и зачем автоматизировать предобработку таблиц в машинном обучении".

О чем это?
- Мы обсуждаем подходы к вычистке табличных данных при подготовке к подаче в ML модели. Всё это, естественно, через призму разработки AutoML фреймворка FEDOT. Показываем, какими на самом деле страшными могут быть такие знакомые любому Data Scientist'у таблицы. Также к статье мы подготовили репозиторий automl-crash-test, в котором была сгенерирована таблица с очень большим количеством внутренних нерешенных проблем. Мы попробовали разрешить все эти проблемы при помощи фреймворков FEDOT, TPOT, AutoGluon, LAMA. Что из этого вышло читайте в статье и смотрите в репозитории :D

Зачем это?
- В предыдущие несколько месяцев мы хотели попробовать сделать наш фреймворк как можно более "всеядным". Хотя бы для табличных данных. В результате всех улучшений мы подумали, что нашими подходами и техническими изысканиями стоит поделиться с коллегами. Ведь зачем писать свою предобработку неинтересностей в таблицах, если можно поручить это занятие AutoML. А чтобы быть уверенным в том, что AutoML с данными сделает, хорошо бы знать как построена система изнутри.

Ссылка: https://habr.com/ru/company/ods/blog/657525/
Читайте, пишите комментарии! И до новых встреч :)

Всем привет.

Завтра в 10:45 11:15 руководитель нашей лаборатории Анна Калюжная в рамках OpenScienceFest выступит с докладом "Мечтает ли ИИ об эволюции".

Послушать трансляцию можно будет тут: https://www.youtube.com/watch?v=_l_VN5YmoGw

Для англоязычной части сообщества выпустили на TowardsDataScience переводную версию этой публикации под названием:

Clean AutoML for “Dirty” Data: How and why to automate preprocessing of tables in machine learning

https://towardsdatascience.com/clean-automl-for-dirty-data-how-and-why-to-automate-preprocessing-of-tables-in-machine-learning-d79ac87780d3