Czym się zajmujemy
Grupa która powstała aby stymulować wymianę wiedzy między członkami społeczności skupionej wokół przetwarzania danych. Dotyczy to całości spektrum tej dziedziny, począwszy od AI i uczenia maszynowego i analizy statystycznej, poprzez aspekty biznesowe, aż do inżynierii danych i kwestii MLOpsowych.
Jeżeli chcesz przekazać nam feedback, albo inne przemyślenia odnośnie meetupów, to skorzystaj proszę z tego formularza.
Jeżeli chcesz wystąpić na meetupie, ten formularz pozwoli Ci to zgłosić.
Nadchodzące wydarzenia (2)
Zobacz wszystkie- Data on Campus #3Faculty of Mathematics and Computer Science Adam Mickiewicz University, Poznań
3. edycja Data on Campus – już 7 czerwca na Wydziale Matematyki i Informatyki UAM!
W ramach tej odsłony będziemy kontynuować temat dużych modeli językowych (LLM), kładąc nacisk na ich zaawansowane funkcje – takie jak multimodalność, reasoning, function calling czy structured output – oraz na realne zastosowania biznesowe. Podczas konferencji poruszymy zarówno aspekty techniczne (m.in. zastosowania agentów i zaawansowany RAG), jak i wdrożeniowe (ciekawe case studies i zagadnienia etyczne).
Dołącz do tego wydarzenia, żeby otrzymywać na bieżąco wszystkie aktualizacje.
❗UWAGA: Rejestracja na meetup/FB/LI zapewnia dostęp do najświeższych informacji, ale nie gwarantuje udziału w konferencji. Ze względu na ograniczoną liczbę miejsc, obowiązująca rejestracja odbywa się wyłącznie poprzez formularz: https://forms.office.com/e/djF5FfGBpg. Prosimy o wypełnienie go, aby zapewnić sobie miejsce.
Zapraszamy do śledzenia nas i do zobaczenia na Data on Campus!
- Talks #10: Vector searchCentrum Wykładowe PP Sala: CW6, Poznan
Agenda
📌 Marcin Antas: A deep dive into Vector DBs, LLMs, AI models and quantization techniques 🇵🇱
📌 Krzysztof Hasiński: Image Vector Search - finding unlabeled images at scale 🇵🇱
🎲 Quiz z nagrodami
📬 Ogłoszenia uczestników (w trakcie zapisów do quizu)
🍕 Pizza i networking🌍 Gdzie: Poznań, CW6, Centrum Wykładowe PP, Piotrowo 2
🤝 Sponsor: Pearson
🤝 Partner: Politechnika Poznańska—————————————————————————————
Marcin Antas: A deep dive into Vector DBs, LLMs, AI models and quantization techniques 🇵🇱
Abstract:
Jak techniki kwantyzacji mogą usprawnić twoje wyszukiwanie wektorowe? Czy zastanawiałeś się kiedyś, dlaczego niektóre technologie mają tak skomplikowane nazwy, jak ColBERT, GLiNER czy ColPali? Co kryje się za tymi nazwami? Podczas tego wystąpienia poznasz odpowiedzi na te pytania i dowiesz się, jak wspomniane techniki mogą ulepszyć twoje wyszukiwanie wektorowe. Przejdziemy przez najciekawsze publikacje dotyczące kwantyzacji i przedstawimy praktyczne zastosowania. Dołącz do nas, jeśli chcesz dowiedzieć się więcej o RoFormerze, GLiNERze, ColPali, late interaction oraz late chunking.Bio:
Weaviate Core Engineer. Full stack developer z ponad 10-letnim doświadczeniem w tworzeniu komercyjnych produktów i systemów z wykorzystaniem szerokiego zakresu technologii webowych opartych na Javie. Specjalizuje się w Liferay Portal, Hibernate, projektowaniu baz danych oraz frameworku Spring. Skupia się na dostarczaniu wysokiej jakości, łatwego w utrzymaniu kodu. Cechuje go doskonałe myślenie analityczne oraz umiejętność rozwiązywania złożonych problemów. Ma również doświadczenie w konfiguracji środowisk, automatyzacji wdrożeń, tworzeniu klastrów oraz diagnozowaniu i rozwiązywaniu problemów związanych z konfiguracją.—————————————————————————————
Krzysztof Hasiński: Image Vector Search - finding unlabeled images at scale 🇵🇱
Abstract:
Nie każde wyszukiwanie wektorowe wymaga użycia LLMa. Wykorzystywanie embeddingów do znajdowania i filtrowania nieolabelowanych danych ma wiele zastosowań. Ten wykład skupi się na szczegółach implementacji wyszukiwania wektorowego multimediów na całkiem dużą skalę (dziesiątki milionów elementów).Bio:
Programista od siódmego roku życia i były badacz na Uniwersytecie Kalifornijskim w Davis. Głównie zainteresowany optymalizacją wydajności aplikacji, choć ostatnio zajmuję się bazami danych wektorowych oraz pipeline’ami AI/ML.—————————————————————————————
(The event will be held in Polish)
