Мероприятие бесплатное. Зарегистрируйтесь, пожалуйста, чтобы ничего не пропустить. Обращаем ваше внимание, что количество мест в офлайне ограничено пространством зала, поэтому мы вынуждены делать отбор офлайн-участников. Мы пришлём приглашения за 2 дня до мероприятия. Важно отметить, что офлайн-мероприятие 18+.
ML Party — вечерний митап для ML-инженеров в офисах Яндекса и не только. Встречаемся сообществом экспертов в области машинного обучения, чтобы обсудить тренды, новые подходы, решения и вызовы индустрии в неформальной обстановке.
Ведущий
Пётр Ермаков
Яндекс
ML Brand Director
Спикеры
Кирилл Хрыльченко
Яндекс
Руководитель группы исследования перспективных рекомендательных технологий
Воронцов Александр
Яндекс Маркет
Руководитель группы машинного обучения рекламной платформы
Никита Рыжиков
Яндекс
Руководитель Службы технологий голосового ввода
Алексей Голиков
Яндекс
Руководитель команды качественных вызовов
Программа
Воронцов Александр
Яндекс Маркет
Руководитель группы машинного обучения рекламной платформы
Кирилл Хрыльченко
Яндекс
Руководитель группы исследования перспективных рекомендательных технологий
18:00 - 18:30
18:30
18:35 - 19:00
19:25 - 19:40
19:00 - 19:25
19:40 - 20:15
20:15 - 20:40
Сбор и регистрация гостей
Старт ML Party
Перерыв
Я вас (не) слышу!
Блендер — механизм оптимизации подмешивания дополнительных элементов в результаты WEB-поиска
Как мы запускали автогенерацию рекламных баннеров на Яндекс Маркете.
Нейросетевое ранжирование для рекомендательных систем
Расскажу про проект автогенерации рекламных баннеров: от MVP на хакатоне до работающего решения в продакшене. Разберем все текущие итерации и планы проекта — как с помощью YandexGPT и нескольких часов работы дизайнера делать рекламные креативы, которые не уступают в CTR ручным, а также как мы подняли в два раза количество рекламодателей в баннерной рекламе.
Расскажу о том, как градиентный бустинг для ранжирования проигрывает нейросетевым моделям. Объясню, почему это так, а также покажем собственные наработки и результаты.
Расскажу, как Алиса переезжала с телефона на колонку и какие новые задачи это перед нами поставило. Как мы первый раз столкнулись с задачей AEC и направленного шумоподавления, и как в результате нам удалось научиться во всём этом жить и делать хорошие решения. Объясню, зачем колонке несколько микрофонов и почему голосовые помощники требуют своего подхода.
Поиск давно перестал быть набором 10 синих ссылок. Около половины пользовательских задач успешно и быстро решаются с помощью изображений, видео, фактовых ответов и других элементов выдачи.
Мы создали Блендер — инструмент на базе ML для смешивания документов разной модальности и источников, с целью оптимизации пользовательского опыта. О том, как мы выбирали метрики и реализовывали Блендер, а также с какими особенностями столкнулись, я расскажу в этом докладе.
Алексей Голиков
Яндекс
Руководитель команды качественных вызовов
Никита Рыжиков
Яндекс
Руководитель Службы технологий голосового ввода
Если у вас остались вопросы — напишите Маше (ML Devrel Yandex) или задавайте вопросы в чате Yandex for ML.
Место
Москва/ Льва Толстого, 16, подъезд 4;
Fri Apr 05 2024 18:57:23 GMT+0300 (Moscow Standard Time)