РЕАКТОР FIT-M 2021

План мастер-класса 

• рассмотрим применение serverless вычислений на практике

• построим serverless архитектуру

• рассмотрим преимущества и недостатки

• в режиме лайв-кодинга создадим приложение

• задеплоим в облако и получим работающий прототип

Требования: никаких особых требований.

План мастер-класса: 
1. что нужно для применения Data Science? 
2. Что такое Data Governance: оценка уровня зрелости 
3. Подводные камни построения культуры управления данными 
4. Практические кейсы Data Science в FMCG 
 

Единый подход к ведению проектов и управлению CI\CD в крупном enterprise

План мастер-класса:

• Как мы жили до того, как появились единые подходы

• Какие были проблемы

• Выделение подходов к управлению проектов

• Создание базовых требование на вход проектов

• Встраивание в процесс базовых требования на вход проектов

• Выстраивание единообразного CI\CD ландшафта

• Контроль над CI\CD ландшафтом

• Создание описания вариантов покрытия CI\CD на вход проектов

• Возможное будущее

• Подведение итогов

Требования: никаких особых требований.

Что такое технологии cloud computing и как их правильно использовать

План мастер-класса:

• Обзор изменений в ИТ индустрии связанных с появлением облаков

• Эволюция подходов к управлению конфигурацией инфраструктуры

• Cloud native подход

• Возможности публичных облаков для реализации cloud native подхода

• Сильные и слабые стороны cloud native подхода

Требования: никаких особых требований.

План мастер-класса:

• Сравнительная харктеристика внешних облачных решений (aws, gcp, azure, Я.Облако)

• Сравнение инструментов для внешних и внутренних облачных решений

• определение разницы между инструментами и подходами в работе к облачными решениями

Требования: никаких особых требований.

Аннотация семинара

Полномасштабная цифровизация ЖКХ сегодня имеет определённые ограничения. Основная часть усилий ресурсоснабжающих организаций по модернизации коммунальной инфраструктуры, в первую очередь, направлена на операционную деятельность, обновление и строительство сетей и оборудования. «Цифра» – история непростая, но для ЖКХ других альтернатив просто нет. Устойчивое развитие отрасли возможно лишь тогда, когда мы достигнем ее полной управляемости и прозрачности, в том числе и за счет цифровизации

Избавляемся от офисной рутины с помощью программных роботов

План мастер-класса:

• Что такое роботизация

• При чём тут ИИ

• Блеск и нищета Computer Vision

• Демонстрация использования Computer Vision для решения практических задач

• Демонстрация использования НС для классификации текстов при роботизированной обработке обращений

• Демонтсрация роботизированной работы с онлайн ресурсом

Требования: никаких особых требований.

План мастер-класса:

• Узнаем, зачем это нужно

• Займёмся сбором данных госконтрактов

• Какие данные помогают распознать контекст нужной информации и соберём их

• Разработаем NER для извлечения нужной информации

• Приведём всё в структурированный вид

Требования: ноутбуки с установленным Anaconda Navigator, доступ в интернет, владение Python на уверенном уровне

План мастер-класса:

• лог менеджмент, зачем он нужен

• elk-стэк, схема работы, масштабирование

• работа с логами как с данными, статистика

Требования: уверенное использование OS Linux

План мастер-класса:

• Вводная презентация: основные сервисы AWS для запуска машинного обучения

• Подготовка данных

• Тренировка модели

• Разворачивание модели в Production

• Использование модели

• Завершение и следующие шаги: свои модели, AutoML, Explainability, MLOps

Требования: базовые знания алгоритмов машинного обучения, ноутбуки с доступом в интернет и браузером (желательно Google Chrome)

Мастер-класс будет состоять из двух частей.

Первая - презентация. Что такое JupyterHub, что такое Kubernetes, почему стоит запускать JupyterHub в Kubernetes, какие особенности учитывать.

Вторая часть - практическое демо на рабочем кластере Kubernetes. 

Также будет доступен публичный репозиторий со всеми командами, инструкциями и кодом для самостоятельной практики, воспроизведения всех шагов показанных в практическом демо мастер-класса.

Требования: базовое знакомство с linux или базовые навыки программирования, или знакомство с темой data science/data engineering. Подойдут любые базовые навыки в IT, либо просто интерес к этой теме.

Инструкция рассчитана на базового пользователя. Практически любой кто работает с компьютером сможет воспроизвести все шаги и получить ценный опыт работы с Kubernetes, облаками и JupyterHub.

План мастер-класса:

в рамках мастер-класса мы поговорим о возможностях нейросетевых моделей по обработке естественного языка и о применении облачных сервисов для извлечения сущностей и связей из корпуса научных статей о COVID-19. Такой подход позволит нам не только осуществлять семантические запросы к корпусу, но и извлекать и визуализировать изменение тактик лечения со временем, обнаруживать ключевые закономерности в тактиках лечения. Мастер-класс пройдёт в режиме демонстрации, но всем участникам будут доступны материалы для последующей самостоятельной практики.

Требования: базовые навыки программирования на Python

План мастер-класса:

• Тенденции в применении ИИ

• Применение ИИ в кибербезопасности

• Киберугрозы и риски, связанные с ИИ

• Киберугрозы и риски в отношении, атаки на ИИ

• Как совмещаются модели обучения ИИ и безопасность

• Защита ИИ от кибератак

Требования: никаких особых требований.

План мастер-класса:

• Что такое кибердвойники

• Как концепция кибердвойников может быть использована для защиты от кибератак

• Моделирование векторов атак и системы защиты с помощью кибердвойников

• Отслеживание атакующих с помощью кибердвойников

• Управление киберрисками с помощью кибердвойников

Требования: никаких особых требований.

План мастер-класса:

расскажу, какие возможности дают современные облачные платформы, которые можно использовать в исследованиях. Сделаем обзор популярных облачных провайдеров, сравнение их возможностей и наиболее интересные в контексте науки продукты. Разберем несколько конкретных примеров. Посмотрим на то, какие условия (гранты, скидки) предоставляются ученым.

Требования: никаких особых требований.

План мастер-класса:

• Рассмотрим доставку секретов через Bank-vaults

• Задеплоим приложение со статичными и динамическими секретами

• Рассмотрим как разграничить доступ и обойти ограничения

• Рассмотрим как доставить секреты через Vault Agent

  Нам понадобятся:

• Репозиторий с воркшопом

• K8S кластер (minikube или любой другой доступный вам кластер, где у вас есть админский доступ)

• kubectl

• helm

• jq

• curl

•  

  Что сделаем:

• Запустим инстанс волта в кубе

• Настроим его

• Задеплоим Banzaicloud Vault Secrets Webhook

• Задеплоим приложение несколько раз, в том числе несколько приложений с разными доступами в одном неймспейсе, и рассмотрим как передавать статичные секреты (KeyValue), а так же динамические (DB Secrets Engine)

• Рассмотрим как можно передавать секреты приложению с помощью Vault Agent

•  

  вводная презентация https://docs.google.com/presentation/d/1o8Xn1594GnvgxjgCGf3NWmnIk_w-dCx7JADnrk5amaw/edit?usp=sharing"

• GNU sed (по умолчанию в Linux, в mac os надо ставить отдельно, можно через brew)

• GNU make (опционально)

• Docker (опционально)

План мастер-класса:

• Архитектура Cloud-Native

• Объекты Защиты

• Угрозы

• Поверхность атаки

• Архитектура DevSecOps

• Процесс безопасной разработки как основа снижения поверхности атаки

• Защита Run-Time

Требования: понимание архитектур клауднативных приложений

План мастер-класса:

1) Вводная часть:

• Текущее состояние AI в страховании;

• Для каких задач модели AI сейчас востребованы

• Наиболее популярные модели AI, описание принципов их работы

2) Практическая часть

• использование Random Forest для отбора наиболее значимых параметров влияющих на целевую переменную (на примере данных из открытых источников, скорее всего Росстата)

Требования: Ноутбуки/ПК с предустановленным пакетом Anaconda Python 3.8, для слушателей достаточно будет знания основ статистики и программирования на Python

План мастер-класса:

• Знакомство с Unreal Engine

• Особенности разработки VR

• Разработка простой игры

• Демонстрация результата желающим

Требования: базовые навыки программирования на любом языке

План мастер-класса

• будет взят пример решения задачи синтеза модели управления self driving car с применением обучениям с подкреплением и эволюцией моделей

• этот скетч будет рассказан, результаты проанализированы

• будет небольшой обзор подобных подходов из академической среды

• исходники будут даны участникам для творчества и доработки

• каждый сможет запустить и попробовать изменить проект так, чтобы его конечная модель обогнала другие на валидационном прогоне

Требования: для инженеров-программистов, data scientists, ML инженеров, просто технарей

План мастер-класса:

• Постановка задачи

• Знакомство с Jetson Nano

• Знакомство с Google Colab

• Знакомство с фреймворком Nvidia TAO Toolkit

• Работа с датасетом

• Обучение модели в Google Colab

• Трансфер и запуск модели на Jetson Nano

• Алгоритм самообучения на Jetson Nano

• Итоговая статистика

• Итоги проекта, его ограничения и развитие

Требования: ноутбук, владение базовым Python, аккаунт Google, знание основ Computer Vision, знание основ ML, если есть Jetson nano, любой версии, можем запустить на принесенном sbc итоговый код

Аннотация мастер-класса:

так уж сложилось, что в последние десятилетия термин ИИ ассоциирован по большей части с технологиями. Воплощением такого подхода является “гонка мощностей” современных глубоких нейросетевых алгоритмов, таких GPT-3, WuDao etc. При этом научные достижения в разных областях знаний от лингвистики до медицины используются данными технологиями частично в качестве отправных пунктов для построения моделей. Могут ли современные модели машинного обучения, в частности глубокие нейронные сети, качественно обогатить научные знания при этом сами являясь слабо-теоретизированной научной областью?

Требования: никаких особых требований.

План мастер-класса:

Разберемся в сути неких сервисов as service. Это включает в погружение в теорию вопросу с фокусом на практические примеры, который автор имел честь делать.

Сессия делить на три части:

• Разберем все основные инфраструктурные элементы, которые крайне необходимы для as service -- от APA GateWay, через инфраструктуру, код, до Баз Данных

• Рассмотрим ряд решение с точки зрения OpenSource и того что это дает, а что отнимает

• Для тех кто останется на практическую часть, я готов предложить вместе решить относительно практическую задачу: не трогая кодирование (т.е. логически) реализовать несколько бизнес функций, которые не позволяет решить весьма популярный proxy NGINX, но которые можно решить благодаря использованию не только этого решения и конечно воспользоваться свойствами OpenSource.

Требования:

• Ознакомиться с тем, что называется инфраструктурные компоненты (пример: Базы Данных, Операционная система, Proxy)

• Ознакомиться с термином OpenSource

• Ознакомиться с термином Cloud, IaaS, SaaS и концепцией as service в целом

План мастер-класса:

• Обзор платформы kubernetes и сложностей её эксплуатации

• Облегчённые решения kubernetes для локальных эксплуатации

• Установка локальной платформы

• Конфигурация локальных узлов и запуск приложений

Требования:

• Компьютеры с linux или маки, 4+ оперативной памяти, установленный virtual box, интернет (это на случай если участники тоже будут выполнять работу). 

• Желателен опыт работы с linux и консолью"

План мастер-класса:

• Вводная часть, проблематика

• обзор нескольких моделей ветвления\сильные и слабые стороны

• обзор TBD: как работает, кому подходит, какой выхлоп

• фича-флаги

• типы флагов

• особенности разных средах

• АБ-флаги

• Выводы

Требования: мастер-класс будет интересен ребятам, работающим в командах вне зависимости от грейда. Основная ценность - рассказать детали подхода, и то, как снизить проблемы на взаимодействии внутри команд.

Аннотация мастер-класса:

У вас есть небольшая команда, который вы делаете The Проект. Который изменит мир.

В рамках этого проекта вам нужно сделать внутренний сервис на Django: показывать статистику, управлять внутренними пользователями и ещё что-нибудь предметное.

Сначала это выглядит классной идеей, но через полгода превращается в проблему: что-то постоянно не работает, код непонятный, меняешь тут – ломается там. Через год этот сервис превращается в конкретную катастрофу: он иногда работает, никто не знает как, никто не понимает, как починить. Спасение мира на волоске.

На мастер-классе поговорим о том, как этого избежать без отдельной команды разработчиков для поддержки сервиса и посмотрим на некоторые аспекты этого на практике.

Требования: быть знакомыми с Django, желательно на практике

План мастер-класса:

• Сначала обсудим общие концепты NLP задач и способы их решения. Поговорим про особенности применения NLU в реальных продуктах

• Реализуем простой семантический поиск, используя связку BERT+Nearest neighbor search и обсудим для каких продуктов можно завести бейзлайн на его основе

• Завернем наш пайплайн в сервис, которым сможет воспользоваться любой желающий. В конце расскажу, как можно улучшить полученные результаты и оптимизировать инференс, поделюсь полезными ссылками

Требования: знание python, базовое понимание NLP и языковых моделей на основе трансформеров

План мастер-класса:

• Как правильно использовать bootstrap

• Как распараллелить вычисления

• При чём тут пуассоновское распределение

- установить библиотеки: pm4py, collections, pandas, numpy, IPython, dateutil, sklearn, plotly, ipywidgets

Как в PropellerAds мы стали решать MLOps задачи, когда готовых инструментов еще не было.
Какие задачи мы решали и каким способами.
Какие инструменты можно и нужно было бы использовать если бы мы начали это делать сейчас.

Требования: никаких особых требований