Meetup #23: Sparse models for denoising and genetic algorithms in ML


Details
[Note: Damian Melniczuk will not be able to present his talk today due to an illness. We will still have a talk by Jakub and the unofficial part—and maybe a short surprise talk. If you have an idea for a short talk, want to discuss a topic with our community, or want to present today something you have shown elsewhere already (it's fine!), please contact me! Below the original announcement.]
Hello! We will soon have our next meetup. There will be two presentations: Jakub Bartczuk will talk about "Sparse linear models for image denoising". Damian Melniczuk is going to show a presentation titled "TPOT - czyli jak zaprząc Pythona i algorytmy genetyczne do zbudowania procesu uczenia maszynowego" (in Polish). After the talks we plan an unofficial part involving talking and pizza sponsored by QuantUp.
If you also want to make presentation, we will have another meetup soon. Please leave a comment or contact me, we'll talk about details.
Jakub Bartczuk: Data scientist/ML engineer for last 2 years. Previously math student and software developer. Solved problems in image processing, sound processing, information retrieval and NLP. Used deep learning, both supervised, unsupervised, transfer and few/zero-shot learning. Mostly machine learning in low quality/small/noisy data regimes. You can find him at @lambdaofgod at twitter and github.
Damian Melniczuk jest geekiem, który zdecydował, że jego misją będzie
wyszkolenie jak największej liczby osób w uczeniu maszynowym. W tym celu założył bloga jakbadacdane.pl, przygotował szkolenie online i prowadzi szkolenia stacjonarne dedykowane uczeniu maszynowemu.
W 2018 roku rozpoczął swoją przygodę ze szkoleniami data science i
machine learning przy współpracy z firmą infoShare Academy. Od roku 2019 przeniósł się do Wrocławia, gdzie kontynuuje swoją misję przy współpracy z firmą QuantUp. Damian programuje w Pythonie i jest fanem Scikit-Learn.
O wystąpieniu: Czasami nie mamy czasu na uruchomienie bardzo złożonego grid search. A czasem nie mamy pomysłu od czego w ogóle zacząć. W tych sytuacjach bardzo pomocny może okazać się TPOT, który weźmie najpopularniejsze funkcje modelujące z modułu Scikit-Learn i zbuduje proces uczenia maszynowego. Żeby nie marnować czasu, nie będzie on sprawdzał wszystkich kombinacji, ale weźmie te które są najbardziej obiecujące i będzie je ewoluował, w celu stworzenia jak najlepszego procesu. Z prezentacji dowiesz się, jak w kilku prostych krokach uruchomić taki proces i jak go skonfigurować zgodnie z naszymi potrzebami.

Meetup #23: Sparse models for denoising and genetic algorithms in ML