Talks #5: Stable-Diffusion, strategiczny projekt AI i dokumentacja w Diataxis

Miejsce: Fandom, Malta House, Baraniaka 6, 61-131 Poznań

Bartosz Ludwiczuk: Automatyczny projektant wnętrz z wykorzystaniem Stable-Diffusion

Abstract:

Czy nie byłoby pomocne narzędzie, które potrafi rearanżować dowolny pokój w inny styl wykorzystując tylko opisu? Podczas tej prezentacji przedstawię moje podejście do danego problemu, z wykorzystaniem modeli Stable-Diffusion, które pozwoliło mojemu zespołowi zajęcie 2 miejsca w konkursie Generative Interior Design 2024 (https://www.aicrowd.com/challenges/generative-interior-design-challenge-2024/leaderboards). Poruszę m. in. tematy dotyczące ControlNet, IP-Adapter czy InPainting. I opowiem o tym co było najtrudniejsze w tym zadaniu, czyli zebraniu danych i ocenie generowanych obrazów.

Bio:

Pasjonata wizji komputerowej z 12 letnim doświadczeniem komercyjnym, rozpoczynał od wykrywania krawędzi na obrazie, teraz tworzy produkty z wykorzystaniem Deep Learningu. Specjalizuje się w uczeniu reprezentacji obrazu. Okazjonalny prelegent i bloger. Fan Nintendo, Zeldy i Pokemon.

Willy Picard: 9 3/4 lessons learned from a data-driven strategic project

Abstract:

W ciągu ostatnich 2 lat, Fandom pracował nad strategicznym projektem opartym na danych, dotyczącym klasyfikacji 45 milionów stron rozmieszczonych na ponad 250 tysiącach Wiki. Z wieloma wzlotami i upadkami, projekt ten może nas wiele nauczyć:- dlaczego ważne jest, aby projekt był oznaczony jako strategiczny (poziom strategiczny),- jakie podejścia były kluczowe, aby doprowadzić taki strategiczny projekt do sukcesu (poziom operacyjny),- które decyzje dotyczące danych ułatwiły lub ułatwiłyby nam życie (poziom techniczny).Podczas prezentacji usłyszysz o 9 (i 3/4) lekcjach, których nauczyliśmy się podczas tego strategicznego projektu opartego na danych na tych trzech poziomach.

Bio:

Willy prowadzi zespół Data Engineering w Fandomie od prawie 3 lat, koncentrując się na wspieraniu rozwoju swoich członków. Z pasją pomaga innym zespołom w podejmowaniu lepszych decyzji opartych na danych. Ma za sobą karierę naukową na Uniwersytecie Ekonomicznym w Poznaniu, pracował również jako inżynier uczenia maszynowego i menedżer w Samsung R&D. Kierował zespołami Machine Learning i Mobile podczas pracy w Egnyte. Jego głównymi hobby są fotografia, latanie dronem, piwa rzemieślnicze i pasterstwo z swoim psem.

Sebastian Chwilczyński: Diataxis - Jak świetnie się bawić przy pisaniu dokumentacji

Abstract:

Pisanie dokumentacji nie należy do ulubionych zadań większości osób. Czas to zmienić! Dobra dokumentacja jest tym, co odróżnia dobre produkty od świetnych. Przykładem może być FastAPI, które wszyscy kochają. Ciekawe dlaczego? W trakcie prezentacji przedstawimy systematyczne podejście do pisania dokumentacji - Diátaxis. Składa się ono z trzech filarów każdej dokumentacji:

1. API reference

2. How-To guides

3. Tutorials

Po teoretycznym wstępie przejdziemy do przykładów z życia wziętych, aby na koniec trochę poćwiczyć refaktorowanie dokumentacji.

Bio:

Sebastian pracuje jako Machine Learning Engineer w deepsense.ai. Pracował nad projektami związanymi z wizją komputerową, przetwarzaniem języka naturalnego oraz danymi tabelarycznymi. Projekty są różne, ale mimo to, do każdego trzeba napisać dokumentację. Przez ostatnie kilka miesięcy pracował nad projektem db-ally - biblioteką do przetwarzania języka naturalnego na zapytania do baz danych, i nie tylko. Podczas tej pracy zaznajomił się z metodologią diataxis i polubił pisanie dokumentacji.