9 Sessioni da ODSC West di cui non riusciamo a smettere di parlare

9 Sessioni all'ODSC West di cui non possiamo fare a meno di parlare

Abbiamo concluso ODSC West 2023 due settimane fa, e stiamo ancora parlando delle nostre sessioni preferite e degli speaker che ci hanno fatto ridere o ci hanno fatto andare “ah-ha!”. C’erano troppe sessioni del genere per includerle tutte qui di seguito. Ma per favore godetevi questo piccolo assaggio dei momenti salienti di ODSC West:

Intelligenza Artificiale Centrata sull’Uomo

Peter Norvig | Direttore ingegneria presso Google | Education Fellow presso Stanford Institute for (HAI)

Ci sono stati incredibili progressi tecnici nelle applicazioni di intelligenza artificiale negli ultimi anni. In questa Keynote talk di Peter Norvig, esplorerai il lato umano di questo progresso. In particolare, Peter si concentra su come possiamo ottenere fiducia che le nostre applicazioni saranno equilibrate, giuste, veritiere, vantaggiose e bene mescolate per gli utenti, gli altri stakeholder e la società nel suo complesso.

Ottimizzazione delle richieste con GPT-4 e Langchain

Mike Taylor | Proprietario | Saxifrage

In questa sessione, Mike Taylor discute di come si possa utilizzare l’ingegneria delle richieste su larga scala – come parte di un modello, di un flusso di lavoro o di un prodotto. Suggerire su larga scala richiede di eseguire quella richiesta 20-30 volte tramite l’API GPT-4 per vedere con quale frequenza fallisce, oltre a testare rigorosamente A/B la tua richiesta rispetto ad approcci alternativi per trovare ciò che fa davvero la differenza nei risultati. Imparerai come Langchain può aiutarti a costruire un sistema coerente per eseguire, monitorare e misurare le prestazioni delle tue richieste, in modo da poterle ottimizzare in base al tuo obiettivo di successo.

Apprendimento di rappresentazioni su grafi e reti

Dr. Petar Veličković | Ricercatore scientifico presso DeepMind

Questa sessione cerca di darti diverse visioni “a volo d’uccello” sugli GNN (Graph Neural Networks). Imparerai l’utilità dell’apprendimento delle rappresentazioni dei grafi e otterrai GNN derivati dai primi principi di invarianza e equivarianza permutazionale. Discuteremo come possiamo costruire GNN che non dipendono strettamente dalla struttura del grafo di input.

Colmare il divario interpretativo nella segmentazione dei clienti

Evie Fowler | Data Scientist Senior | Fulcrum Analytics

In questa presentazione, esplorerai un nuovo approccio ibrido che combina i migliori aspetti degli approcci basati su regole e degli approcci basati sull’apprendimento automatico per la segmentazione dei clienti. Colmare il divario tra accuratezza e semplicità, questo metodo ibrido offre l’identificazione precisa dei gruppi di clienti creati dai metodi di raggruppamento basati sull’apprendimento automatico e i profili aziendali semplici ottenuti dai metodi di segmentazione basati su regole. Ciò consente ai datascientist di svolgere il loro ruolo di identificare relazioni tra elementi di dati precedentemente non scoperte, pur soddisfacendo gli obiettivi degli stakeholder aziendali.

Allineamento di LLM open-source utilizzando l’apprendimento per rinforzo dai feedback

Sinan Ozdemir | Esperto in AI & LLM | Autore | Fondatore + CTO presso LoopGenius

Con LLM come ChatGPT e Llama-2 che rivoluzionano il campo dell’IA, padroneggiare l’arte del fine-tuning di questi modelli per un’interazione umana ottimale è diventato cruciale.

In questa sessione, ti concentrerai sui concetti principali del fine-tuning di LLM, con un particolare accento sui meccanismi di apprendimento per rinforzo. Il workshop fornirà una comprensione completa delle sfide e delle complessità coinvolte nell’allineamento di LLM. Alla conclusione del workshop, i partecipanti saranno ben preparati per sfruttare efficacemente il potere dei LLM open-source, adattando i loro modelli per soddisfare le specifiche esigenze delle rispettive industrie o settori.

La rivoluzione dei modelli di grande linguaggio: All’interno di una Large Language Models

Valentina Alto | Specialist Azure – Dati e Intelligenza Artificiale | Microsoft

Questo workshop ti aiuterà a sviluppare una comprensione dell’IA Generativa e dei Large Language Models, compresa l’architettura che li sostiene, il loro funzionamento e come sfruttare le loro uniche capacità di conversazione. Diventerai anche familiare con il concetto di LLM come motore di ragionamento che può potenziare le tue applicazioni, aprendo la strada a un nuovo scenario di sviluppo software nell’era dell’IA Generativa. Infine, copriremo alcuni esempi di applicazioni alimentate da LLM in Python utilizzando orchestratori AI popolari, come Langchain.

Diffusione stabile: una nuova frontiera per il paradigma testo-immagine

Sandeep Singh | Responsabile AI applicata / Visione artificiale | Beans.ai

Questa sessione ti introdurrà alla Stable Diffusion, che è in grado di generare immagini di alta qualità da descrizioni di testo ed è adatta per una varietà di applicazioni, come la generazione di contenuti creativi, il design di prodotti e il marketing.

Alla fine di questa sessione, sarai in grado di:

 – Comprendere le basi della Stable Diffusion e come funziona.

 – Conoscere tutto il panorama degli strumenti e delle librerie per il dominio della Stable Diffusion.

 – Generare immagini da descrizioni di testo utilizzando la Stable Diffusion.

 – Applicare la Stable Diffusion ai propri progetti e flussi di lavoro.

 – Comprendere il processo di ottimizzazione dei modelli open source per raggiungere gli obiettivi desiderati.

Costruire applicazioni generative di Intelligenza Artificiale: uno studio di caso LLM

Michelle Yi | Membro del Consiglio | Women in Data

Questa presentazione approfondirà il processo end-to-end e la struttura per la costruzione di un’applicazione di Intelligenza Artificiale generativa, sfruttando uno studio di caso divertente e coinvolgente con strumenti open source (ad esempio, modelli HuggingFace, Python, PyTorch, Jupyter Notebooks). Sarai guidato attraverso le fasi chiave, dalla selezione e addestramento del modello al deployment, affrontando anche l’ottimizzazione rispetto all’ingegnerizzazione della prompt per compiti specifici, garantendo la qualità dell’output e mitigando i rischi. Esplorerai le sfide incontrate e le soluzioni emergenti e le architetture sviluppate.

Intelligenza Artificiale causale: dai dati all’azione

Dr. Andre Franca | CTO | connectedFlow

Esplora e svela il mondo dell’Intelligenza Artificiale causale per i professionisti della scienza dei dati in questa sessione, con un focus sull’analisi delle relazioni di causa-effetto all’interno dei dati per guidare decisioni ottimali. Affronterai argomenti come:

  •  Da Shapley ai DAG: i pericoli dell’utilizzo di metodi di spiegazione post-hoc come strumenti per la presa di decisioni e perché l’apprendimento automatico tradizionale non è adatto quando si desidera intervenire sul sistema.
  •  Scoprire la causalità: come possiamo capire cosa è causale e cosa non lo è, con una breve introduzione ai metodi di apprendimento della struttura e scoperta causale.
  • Presa di decisioni ottimali: comprendendo la causalità, ora possiamo stimare accuratamente l’impatto che possiamo avere sul nostro sistema. Come utilizzare questa conoscenza per ottenere le azioni migliori possibili?

Non sei stato in grado di unirti a noi al ODSC West? Nessun problema! ODSC East 2024 è dietro l’angolo (beh, tra più di 5 mesi, ma chi sta contando). Acquista ora il tuo pass in presenza o virtuale e risparmia il 75%!