Как обеспечить воспроизводимость научных исследований в AI/ML с помощью Open Source?

Нейронные сети, искусственный интеллект

Разработка библиотек, включая open source библиотеки
Митапы
Управление разработкой

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Open Source — один из мощных драйверов развития ИИ. Но как правильно выстроить процесс с Open Source и данными, каковы технологические и технические особенности, работа с сообществом? Об этом и многом другом в этом докладе.

Целевая аудитория

Разработчики открытого ПО, научные сотрудники, аспиранты и студенты, заинтересованные как в сторонних Open Source-разработках, так и в развитии собственных проектов, связанных с открытым кодом.

Тезисы

Кризис воспроизводимости исследований особенно остро проявляется в сфере AI и ML. Одним из путей решения этой проблемы является внедрение культуры открытого кода, данных и моделей в научную сферу.

Я расскажу о том, как на протяжении нескольких лет помогаю превращать результаты научных исследований Университета ИТМО в открытые библиотеки и фреймворки (разберем фреймворк автоматического обучения FEDOT в качестве примера такого проекта). Обсудим как технические аспекты вывода ИИ-решений в Open Source, так и нюансы развития сообщества открытого кода в академической среде.

Руководитель фронтирной лаборатории автоматического машинного обучения, а также нескольких проектов в области AI/ML. Руководитель разработки ряда открытых библиотек и фреймворков. Энтузиаст открытого кода, возглавляет сообщество ITMO.Opensource в исследовательском центре «Сильный искусственный интеллект в промышленности».

ИТМО

ИТМО — университет, который занимается как образовательной деятельностью, так и передовыми научными разработками, в том числе в области ИИ.

Видео