🦒∵ girafe.ai

🚀 Как учиться эффективно? Научный подход.

Мы применяем научный метод для изучения физики, химии, общества и даже истории. Этот подход развивался рационалистами с XVI–XVII веков, например, известным всем Рене Декартом. Такой взгляд на эти сферы дал колоссальные результаты. Например, приверженность доказательной медицине уже является частым запросом со стороны пациентов, и целые клиники строят свой имидж на её использовании. К сожалению, научный метод нечасто находит применение в образовательной деятельности.

Трудности большинства студентов и даже преподавателей связаны не с недостатком способностей и не со сложностью технической сферы. Чаще всего дело в подходе к обучению. Повторение школьной программы, механическое заучивание формул и бесконечное решение однотипных задач редко приводят к настоящему пониманию. В результате многие умеют применять алгоритмы, но не понимают, почему они работают.

Тем временем учёные (педагоги, психологи и нейрофизиологи) уже давно сформулировали целый ряд простых, понятных и объективно подтверждённых техник обучения, которые может практиковать каждый студент и преподаватель (см. тут и тут).

На предстоящем вебинаре мы расскажем об этих техниках, причинах и истории их появления, а также дадим чек-лист по использованию лучших подходов к обучению. Рассмотрим всё это на примере изучения математики, однако сама методология универсальна и подходит для освоения любой дисциплины.

Разберём:
• подходы к пониманию и обучению
• сигма-обучение Бенджамина Баттона Блума и Mastery Learning
• технику Active Recall и многие другие
• современные истории успеха в образовании
• как снизить когнитивную нагрузку при изучении сложных тем
• как использовать ИИ как инструмент обучения, а не замену собственному мышлению

Мы в girafe-ai внедряем подтверждённые методики обучения, чтобы материал лучше воспринимался и усваивался слушателями. В частности, в нашей онлайн-магистратуре MSAI мы имеем возможность полностью синхронизировать программу, методику подачи материала и систему проверки знаний. Благодаря этому наши студенты за два года становятся всесторонне подготовленными специалистами в области машинного обучения и искусственного интеллекта: girafe.ai/msai-program

Приглашаем всех желающих на вебинар «Как учиться эффективно? Научный подход».

📅 Когда: 31 июля (пятница)
🕖 Время: 19:00 (МСК)
🎙 Спикер: Даниил Григорьев — преподаватель онлайн-магистратуры MSAI (girafe.ai × МФТИ)

Вебинар пройдёт на русском языке.

👉 Участие бесплатное. Необходима предварительная регистрация.

🚀 Биометрическая идентификация человека: виды, методы и проблемы.

Каждый из нас пользуется такими системами ежедневно в самых разных сферах: в банковских терминалах, на пограничном контроле, в смартфонах. Желание сократить время и усилия для доступа к чему-либо при сохранении уровня безопасности и массовости привело к качественному скачку как физической, так и алгоритмической составляющей таких систем. Сложности разработки алгоритмов идентификации не ограничиваются только получением высоких метрик на датасетах, но включают сбор данных, работу на edge-девайсах, борьбу со злоумышленниками.

Иван Соломатин – к.т.н., ведущий инженер Samsung Electronics, автор курсов программы MSAI, преподаватель МФТИ и Harbour.Space в Бангкоке и Барселоне, в течение 10 лет занимается решением этой задачи в реальных условиях и внедрял свои алгоритмы на устройства миллионов пользователей.

На семинаре мы обсудим историю, теорию и практику биометрического распознавания человека, а также различные виды биометрических признаков, актуальные задачи этой сферы и подходы к построению таких алгоритмов.

📅 Когда: 28 июля (вторник)
🕖 Время: 19:00 (МСК)
🎙 Спикер: Иван Соломатин

Вебинар будет полезен для ML-инженеров, новичков в компьютерном зрении и для уже состоявшихся CV-инженеров, которые хотят систематизировать знания в области биометрии.

👉 Вебинар бесплатный, необходима предварительная регистрация

Если захотите глубже разобраться в Computer Vision, ML Engineering и других направлениях современного AI, посмотреть программу онлайн-магистратуры MSAI можно на сайте girafe.ai/msai-program

🚀 Как обучить модель на тысяче GPU?

Обыкновенно в курсах по машинному обучению рассматриваются модели, для обучения которых требуются ресурсы одного сервера (1 или несколько графических карт). Но современные LLM, foundational модели требуют колоссальное количество вычислений на огромных кластерах.

По словам Ильи Суцкевера совсем недавно закончилась “эпоха масштабирования”, ознаменовавшаяся экспоненциальным ростом числа параметров моделей. В этот период были разработаны ключевые концепции для масштабирования вычислений на GPU, которые мы рассмотрим на грядущем вебинаре “Параллелизация обучения модели на сотни GPU”. Интересно, что на сегодняшний день данные методы применяются не только для обучения, но и для применения больших моделей.

🎙 Спикер: Владислав Гончаренко – автор курса MLOps программы MSAI и основатель girafe-ai
📅 Когда: 20 июля (понедельник)
🕖 Время: 19:00 (МСК)

На вебинаре обсудим:
• три базовых способа масштабирования
• соединим их в 3D scaling для получения максимальных возможностей
• в каких системах они реализованы
• как вы можете использовать их сегодня
• спикер ответит на вопросы участников

Вебинар будет полезен ML-инженерам, исследователям, студентам и всем, кто хочет глубже разобраться в инфраструктуре обучения современных AI-моделей.

👉 Вебинар бесплатный, необходима предварительная регистрация

Открытый вебинар «Малоресурсные языки и эффективные методы дообучения языковых моделей» от основателя girafe-ai, к.ф.-м.н., преподавателя ведущих российских вузов Радослава Нейчева.

На вебинаре разберем, почему далеко не всегда нужны большие модели, почему токенизация может существенно повысить эффективность и как работать с языками, текстов на которых очень мало.

⬇️ Подробности и регистрация — в посте ниже. ⬇️
Приглашаем к участию.