Tinkoff Lab – это исследовательская лаборатория Тинькофф в МФТИ, воспитывающая исследователей в области искусственного интеллекта. При поддержке кураторов лаборанты разрабатывают новые подходы к решению сложных задач, системы распознавания речи, диалоговые системы и системы распознавания лица на видео или фото.
Гости представили 4 доклада о достижениях различных команд лаборатории:
Александр Никулин, Offline Rl
“Рассказали о наших последних Offline RL публикациях в лаборатории Тинькофф. После неформального введения в обучение с подкреплением, порассуждали на наглядных примерах о том почему наивное применение RL в реальных задачах встречает много трудностей. О том как подобласть оффлайн-обучения с подкреплением может в этом помочь, дав исследователям и инженерам больше контроля над процессом сбора данных и обучения. В основной части доклада на пальцах разобрали о чем были наши работы, как они двигали state-of-the-art и помогали решать прикладные задачи. Особое внимание уделили тому, как в этом участвовали студенты. После, всем желающим рассказали и показали как можно к нам попасть, чтобы заниматься интересными исследованиями вместе с нами!””
Олег Лашинин, Recommender Systems
“Мой доклад про то, как можно заниматься прикладными задачами и по полученным результатам писать научные статьи. Когда мы в Тинькофф читаем статьи по академическим исследованиям, то всегда не хватает практического уклона. Мы стремимся исправить этот момент и делать полезные исследования в области рекомендательных систем. В докладе 4 примера того, что получилось из этого”
Никита Балаганский, NLP
“В NLP за последние полтора года мы много работали над различными улучшениями существующих моделей трансформеров, которые де-факто стали классикой в области обработки естественного языка. В итоге мы написали четыре работы, одна из которых добралась до NeurIPS.”
Cейчас мы находимся в поисках чего-то нового и готовим новую статью про диффузионные модели в NLP. Надеемся в скором времени поделиться новыми статьями на топовых конференциях.
Станислав Дерека, Computer Vision
“В докладе computer vision рассказали про исследование робастности моделей metric learning к ошибкам в обучающих данных, а также наши подходы к оптимизации недифференцируемых метрик качества (accuracy). Обсудили задачу out-of-distribution detection и наш текущий проект по использованию диверсифицированных ансамблей моделей для OOD.”
Цель встречи – поделиться опытом, рассказать студентам о комьюнити исследователей в области современных IT технологий, дать им мотивацию искать идеи для своих научных работ и оформлять публикации.
Студентов, желающих заниматься исследованиями и задумывающихся о том, чтобы попасть в команду TinkoffLab, лаборанты пригласили следить за обновлениями в их группе в Telegram “Желтый AI” или предлагать свои исследовательские идеи на TinkoffLab Open Call.
По-окончании выступлений представители Tinkoff Lab пригласили студентов к обсуждению их вопросов в свободной обстановке на кофе-брейке.