Towards Knowledge as Code AI/ML и визуализация данных
Доклад принят в программу конференции
Тезисы
Кажется, большинство причастных к программированию людей пришло в профессию для того, чтобы писать код, а вот писать к этому коду документацию это большинство терпеть не может. Я принадлежу к этому множеству людей: написание документации — это скучная, нудная, утомительная и обычно ручная работа, слабо облегчаемая автоматическими инструментами.
В докладе я предложу несколько положений и принципов, которым, как мне кажется, должна следовать идеальная система документирования кода, а также вынесу на суд коллег некоторые решения описанных проблем.
Анатолий Щербаков
Recall Masters
Пишет на Python около десяти лет, занимается корпоративными системами и любит красоту в коде. Мечтает о Semantic Web.
https://yeti.sh
http://github.com/anatoly-scherbakov/
http://github.com/anatoly-scherbakov/
Другие доклады секции AI/ML и визуализация данных
Разработка своего хранилища моделей машинного обучения и почему нам не подошли стандартные решения
Юрий Букаткин
Программный регион
Мастер-класс "ML Space как платформа для быстрого прототипирования моделей машинного обучения"
Алексей Климов
Cloud
Ускорение инференса Tensorflow и PyTorch-моделей на процессорах Intel с помощью NNCF и OpenVINO
Василий Шампоров
Intel Corporation
О хороших практиках построения инфраструктуры ML-моделей
Дмитрий Аникин
Лаборатория Касперского