{practical.magic}

В последните години различни интернет форуми като StackOverflow, Quora, BG-Mamma се открояват като ключов източник на информация по редица въпроси. Въпреки някои проблеми като дълъг списък от алтернативни отговори, слаба модерация и много излишно съдържание, както и отклонявания в дискусиите, те представляват ценна база знание, която може да се използва за автоматично отговаряне на въпроси. Лекцията разглежда три основни проблема с този контекст: (1) как да изберем добри отговори, (2) как да открием сходни въпроси, (3) как да намерим отговор за нов въпрос. Използват се дълбоки невронни мрежи и семантично-синтактични ядра, интегрирани в различни реални системи. Ще бъдат разгледани и някои други теми като междуезиково отговаряне на въпроси, проверка на факти, откриване на тролове във форуми, съпоставка на отговори, и др. Лекцията е базирана на работата по проекта Interactive sYstems for Answer Search (IYAS), разработван в Qatar Computing Research Institute, HBKU в сътрудничество с MIT.

Проектите, използващи изкуствен интелект, крият редица предизвикателства при организацията на работата по тях. В тази лекция ще разгледаме специфични особености при разработката с Machine Learning:

• Как планираме Machine Learning работа;
• Как тестваме Machine Learning компонент;
• Как следим версиите на моделите;
• Как дебъгваме проблеми с Machine Learning компонент.

При софтуерни проекти, чието разработване се осъществява от няколко различни екипа и огромен брой хора, дневните релийзи звучат страшно. Разбира се това не трябва да е така. Ще споделим нашия опит от работата си по платформата за електронна търговия на голям спортен бранд. Каква организация на целия процес по разработката е създадена, така че успешно всеки ден да доставяме работещ софтуер на милиони потребители? Ще разкажем също така как извършваме тестването и какви инструменти ни помагат, така че да не нарушаваме установения ритъм.

React, Angular и Vue са трите най-популярни front-end frameworks в момента. По време на презентацията ще разгледаме всъщност какви проблеми решават те и защо толкова ни улесняват. Ще разгледаме как всеки от тях имплементира конкретни концепции като Dom Rendering/Virtual Dom и Change Detection. Ще се опитаме да научим по нещо от всеки един framework без да се обременяваме от мисли за това кой е „най-добър“.

Гмуркане дълбоко в мочурището на въпроса какви хора правят нещата, които ползваме ежедневно, в софтуера и навън. В мочурището ще ни е водач дизайнът. А преди да потънем заедно, ще заделим тези последни мигове да разсъждаваме над ирационалността в изборите. Нека заедно да видим какво има в главата на дизайнера.

Оторизацията сама по себе си е проста задача - дай на едни потребители някакви права върху дадени обекти, нали така? Ние искаме да споделим поуките, които извлякохме за 7 години експерименти с различни похвати и постепенно достигайки ограниченията на няколко от тях. Ще ви разкажем и точно как и защо се върнахме към не толкова модерния вариант със сървърна сесия и защо ни се наложи да напишем собствена JS библиотека за оторизация.

Минимализмът в изкуството се заражда като протест срещу стремежа на творците да се самоизразяват чрез своеобразни неразбираеми и неконвенционални средства. Вместо това минималистите използват малко, но достатъчно магия. Доколко могат да се приложат тези идеи, за да се достигне баланс между теоретична елегантност и практическа използваемост при създаването на абстракции и реализацията им чрез програмен код? Как да намалим първоначалния шок, който нашият код предизвиква у другите? Тази презентация ще даде напътствия към отговорите на тези въпроси.

Презентацията ще прокара импровизирани мостове между няколко разнородни области на познание: литературата, философията и изкуствения интелект. Ще се опитаме да отговорим на въпроса какво представлява усещането за пребиваване в свят от гледната точка на изкуствения интелект. Ще разгледаме невронните мрежи от тип "автоенкодер" през призмата на това как те се учат да произвеждат копия на видяните от тях обекти и феномени, като в процеса на учене развиват свой собствен език на описание. Всеки посветен читател би се ориентирал правилно дали се намира в свят на Толкин, на Джордж Мартин, или на Джордж Лукас, но може ли изкуственият интелект да се справи с това? В тази лекция ще се опитаме да открием "магията на литературата" в практически смисъл чрез модели за машинно самообучение – в полза на всеки един писател, сценарист, дизайнер на светове, разработчик на компютърни игри.

Тази лекция представлява кратко въведение във виртуалната реалност (VR). В нея ще разгледаме:

• Как се разполага UI във виртуалните светове?
• Как взаимодействаме с UI и виртуалните обекти?
• Какви са специализираните контролери за взаимодействие?
• Как да включим гласово разпознаване?

Статистиката е много мощен инструмент. Тя е в основата на машинното самообучение, което може да постига впечатляващи резултати. Също така с нея може да се докаже връзка между раждаемостта и броя на щъркелите в дадена държава. Как злоупотребяваме със статистиката, когато искаме да докажем тезата си? Как машинното самообучение се учи на глупости, когато не отчитаме как работи статистиката?