Die Machine Learning Prague 2023 fand am Wochenende des 3. und 4. Juni in der O2 Arena in Prag statt und zog eine große Gruppe von Experten und Enthusiasten aus der ganzen Welt an. Die dreitägige Veranstaltung, der am Freitag, dem 2. Juni, aufschlussreiche Workshops vorausgingen, bot spannende Vorträge von Branchenführern, Forschern und Praktikern, die ihr Wissen und ihre Erkenntnisse über die neuesten Entwicklungen im Bereich des maschinellen Lernens (ML) und der künstlichen Intelligenz (KI) weitergaben. In diesem Blogbeitrag fassen wir einige der interessantesten und zum Nachdenken anregenden Vorträge und Workshops der Konferenz zusammen.
Die Machine Learning Prague Conference 2023 zeichnete sich nicht nur durch die Zusammenführung von Experten und faszinierenden Inhalten aus, sondern auch durch ihre hervorragende Organisation. Die Teilnehmer wurden während der gesamten Veranstaltung mit ausgezeichneten Speisen und Getränken verwöhnt. Die einladende Atmosphäre schuf einen perfekten Rahmen für das Networking, da die Teilnehmer reichlich Gelegenheit hatten, mit anderen Fachleuten, Forschern und Enthusiasten Diskussionen über ML und KI zu führen. Die gut organisierte Veranstaltung und das positive Umfeld trugen zum Gesamterfolg der Konferenz bei und ließen die Teilnehmer inspiriert und begierig darauf zurück, ihr neu erworbenes Wissen in ihren jeweiligen Bereichen anzuwenden.
Aisling O'Sullivan und Michal Kubišta von Dataclair leiteten einen interaktiven Workshop über die Entdeckung von Arzneimitteln mithilfe von Natural Language Processing (NLP). Die Teilnehmer erkundeten verschiedene NLP-Methoden und erfuhren, wie diese bei der Identifizierung potenzieller Arzneimittelkandidaten helfen und den Prozess der Arzneimittelentwicklung beschleunigen können. Das Hauptaugenmerk lag dabei auf der Verwendung verschiedener Sprachmodelle, die von Huggingface zur Verfügung gestellt werden, und auf Anwenden der Huggingface Pipelines.
Martin Plajner und Theodor Petřík von Logio veranstalteten einen Workshop über die Anwendung von Bayes'schen Netzen in der Unternehmensplanung und im Risikomanagement. Die Teilnehmer lernten, wie Bayes'sche Netze eingesetzt werden können, um komplexe Businessszenarien zu modellieren, Abhängigkeiten zu verstehen und fundierte Entscheidungen unter Unsicherheit zu treffen.
Martin Schmid von DeepMind untersuchte in seinem Vortrag "Player of Games - Search in Imperfect Information Games" Suchalgorithmen in Spielen mit unvollständiger Information. Michal Dufek von Analytical Platform präsentierte in seinem Vortrag "Boosting Investment Decisions with Graph Attention Reinforcement Learning", wie Graph Attention Reinforcement Learning genutzt werden kann, um bessere Investitionsentscheidungen im Finanzbereich zu treffen. Fabian Kovac von der Fachhochschule St. Pölten sprach über den Bedarf an alternativen Baselines in der KI-Sicherheitsforschung und stellte in "Standing Still Is Not An Option" neue Methoden zur Erhaltung des erreichbaren Nutzens vor: Alternative Baselines for Attainable Utility Preservation" vor.
Aimira Baitieva von Valeo zeigte in ihrem Vortrag "Multi-Model Machine Learning based Industrial Vision Tool for Assembly Part Quality Control", wie ML-gestützte industrielle Bildverarbeitungssysteme die Qualitätskontrolle in Montagelinien verbessern können. Piotr Skalski von Roboflow erörterte in seinem Vortrag "3D Pose Estimation in Sport" Fortschritte bei 3D-Positionsschätzungsverfahren und deren Anwendungen in der Sportanalyse und Leistungsverfolgung.
Alexander Del Toro Barba von Google gab in seinem Vortrag "State and Future of Quantum Computing & Quantum Machine Learning" Einblicke in die neuesten Entwicklungen im Bereich Quantencomputing und deren mögliche Auswirkungen auf ML. Matej Murín von Meteopress präsentierte in "Probabilistic Precipitation Nowcasting with Deep Physics-Constrained Neural Networks", wie tiefe neuronale Netze zur Verbesserung der Genauigkeit von Wettervorhersagen eingesetzt werden können.
Olivier Koch von Onfido erörterte, wie Deep Learning den Prozess der Identitätsüberprüfung revolutioniert und Fairness sicherstellt in "Bringing automation and fairness to identity verification on the internet with deep learning". Alex Athorne von Seldon stellte in seinem Vortrag "Open Source Explainability - Understanding Model Decisions using Alibi" die Alibi-Bibliothek vor, mit der Entwickler ihre ML-Modellentscheidungen besser verstehen und erklären können. Uri Rosenberg von Amazon gab in seinem Vortrag "Explainable AI for Computer Vision and NLP models" einen Überblick über erklärbare KI-Techniken und ihre Anwendungen in der Computer Vision und der Verarbeitung natürlicher Sprache.
Die Machine Learning Prague 2023 bot den Teilnehmern eine Fülle von Einblicken und präsentierte die neuesten Fortschritte im Bereich ML und KI. Die Vielfalt der Themen, die während der Veranstaltung behandelt wurden, sowie die praktischen Workshops verdeutlichen die wachsende Bedeutung dieser Technologien für verschiedene Branchen. Dank der gut organisierten Veranstaltung und der einladenden Atmosphäre hatten die Teilnehmer die Möglichkeit, Kontakte zu knüpfen und eingehend über ML und KI zu diskutieren. Da sich ML und KI ständig weiterentwickeln, bieten Veranstaltungen wie diese den Fachleuten unschätzbare Möglichkeiten, sich zu informieren und zu inspirieren. Wir freuen uns auf die Konferenz im nächsten Jahr und die spannenden Entwicklungen, die sie mit Sicherheit bringen wird.
