Тема доклада
«Чему нас могут научить машины» или как принципы Машинного Обучения определяют наше сознание

Тезисы доклада
Годами занимаясь Машинным Обучением, начинаешь замечать похожие механизмы в нашей повседневности. Раньше исследователи подсматривали у природы и переносили ее идеи в Анализ Данных, сейчас же я хочу поступить наоборот и поразмышлять, как основные концепции Машинного Обучения встроены в нашу психологию и реальность.

* «Чтобы учиться - нужно верить» или главная мысль Машинного обучения
* Как опыт определяет наше представление о нормальной картине мира и при чем здесь Batch Normalization
* Почему нам так нравится сплетничать: человеческий ответ обучению по отложенному опыту
* Почему нереализованные желания и травмирующий опыт родителей так сильно отражаются на воспитании детей и что нам скажет бустинг на этот счет
* Как усложнив, сделать только проще. Ответ регуляризации
* Секрет сильной команды, подсмотренный у бэггинга
* Не складывайте все яйца в одного человека - откровения DropOut
* и другие поинты известных алгоритмов под новым ракурсом

О себе
Руковожу небольшой научной группой по квантованию нейронных сетей в Huawei. Делаем так, чтобы передовые технологии быстро работали на смартфонах, в умных часах и прочих гаджетах. Даю в руки медикам и биологам Физтеха мощный инструмент Машинного Обучения: веду курс по Продвинутому Программированию и Анализу Данных для студентов МФТИ. Являюсь автором и ведущим курса по Словесной Импровизации: учу людей замечать интересности в своей жизни и рассказывать об этом истории.