В третий раз прошла Осенняя школа по генеративным моделям, организованная совместно НИУ ВШЭ и Яндексом
Слушатели школы — студенты и аспиранты, которые планируют продолжать исследовательскую карьеру. В течение четырех дней прошло три мини-курса:
- Генеративные модели (Денис Деркач, LAMBDA),
- Генеративные диффузные модели (Дмитрий Ветров, DeepBayes),
- Техники эффективного сэмплирования (Алексей Наумов, HDI Lab).
Участники школы остались довольны: средний балл при ответе на вопрос «Готовы ли вы рекомендовать школу своим друзьям?» составил 4.8 из 5. Цитируем ниже несколько отзывов.
Максим Тингаев: «Больше всего мне понравилось, что школа проходила онлайн: общались как в чате zoom, так и telegram. Здорово, что все материалы лекций и семинаров доступны после школы: помогает вникнуть в материал детальнее. Что можно было бы улучшить? Не знаю, было очень много разных форматов и активностей. Разве что можно добавить для отработки теории онлайн-тесты или решения задач с проверкой или совместным разбором».
Лилия Курченко: «Очные пары были более эффективными, чем через zoom. Выступление от Samsung Research было одним из самых интересных моментов. Было бы интересно послушать еще несколько полных лекций от Дмитрия Ветрова. В целом после общения с таким количеством мотивированных людей появилось и укрепилось сильное желание все же поступить в ШАД. Иногда было сложно, например, не вся аудитория была знакома со стохастическими дифференциальными уравнениями. Понравилась идея с мерчем за активность, чуть-чуть мотивировало вникать. Огромное спасибо за снеки!»
Школа организована тремя подразделениями факультета компьютерных наук НИУ ВШЭ:
- научно-учебной лабораторией методов анализа больших данных (LAMBDA),
- Центром глубинного обучения и байесовских методов (DeepBayes),
- международной лабораторией стохастических алгоритмов и анализа многомерных данных (HDI Lab).
Индустриальным партнером школы выступает Яндекс.
Школа проводится при поддержке гранта РНФ №19-71-30020 «Использование вероятностных нейроморфных генеративных моделей для развития технологии цифровых двойников нелинейных стохастических систем»