TGTGInsightаналитика telegramLIVE / telegram public index
← DeepSchool
DeepSchool avatar

TGINSIGHT POST

Post #243

@deep_school

DeepSchool

Просмотры5,320Количество просмотров
Опубликован20 окт.20.10.2023, 12:52
Содержимое поста

Содержимое

​​Шамиль Мамедов Ранее мы рассказывали, как создаем наши посты: - над материалами работает целая команда инженеров и ресерчеров - мы ревьюим посты друг друга - а в конце редактор правит текст, чтобы его было легче читать Также мы познакомили вас с частью нашей команды: Ксюша, Саша, Марк и Илья. А в этот раз о себе расскажет Шамиль: "Я делал магистерскую по Automation and Control Engineering. Control Engineering — это что-то типа Reinforcement Learning, но работает 😅 Кроме шуток, так я познакомился с робототехникой и захотел заниматься исследованиями в данной области. В России это можно делать в Университете Иннополис. Там я и занимался ресерчем, а еще вел занятия по робототехнике для студентов. Мы работали с шагающими роботами и роборуками. Мои друзья в Иннополисе занимались DL и CV, и я тоже начал интересоваться этой движухой. После трех лет работы в университете я выбирал между PhD и началом новой карьеры в ML. В итоге выбрал PhD. Cначала получил несколько отказов, а потом пришел хороший оффер из Бельгии. Я решил поехать посмотреть, как там пытаются двигать робототехнику вперед. Параллельно с PhD я решил углубить свои знания по ML, взял курсы на Coursera по ML и DL от Andrew Ng и прошел ML от Тинькофф. После этого решил внедрять больше ML в свою работу. Моя научная работа связана с обучением роботов манипулировать деформируемыми объектами (например, складывать рубашку или сгибать кабель в нужную форму). Методы, с помощью которых я пытаюсь решить эту задачу, схожи с model-based RL. Для моделирования деформируемых объектов я использую комбинацию машинного обучения и механики. Применение только машинного обучения требует много данных, а собирать реальные данные очень затратно. Комбинация ML и физики делает модели более sample efficient, так как законы физики служат в качестве inductive bias. Еще одно требование к моделям — время инференса, ведь мы хотим очень быстрые модели для их использования внутри оптимизаторов. Почти все статьи, которые я написал в DeepSchool, так или иначе связаны с моим исследованием. В свободное время я занимаюсь спортом (недавно решил пробежать марафон и уже пару месяцев готовлюсь к нему), готовлю и иногда путешествую по Европе." У Шамиля есть свой блог: там можно больше узнать о Шамиле и посмотреть его публикации 🔥 В комментариях можно пообщаться с Шамилем и задать интересующие вопросы 🙂 Посты, над которыми Шамиль работал в нашем канале: - Нейронные дифференциальные уравнения - Базовые методы аугментации временных рядов - Как решать графовые задачи с помощью нейросетей - Гессиан - Иммитационное обучение - Обучение скрытых динамических моделей по частичным наблюдениям