Мнение Программного комитета о докладе
Обзорный доклад о существующих подходах в AutoML, возможностях языковых моделей, подкреплённый авторским опытом с помощью фреймворка FEDOT. Доклад будет полезен специалистам в области рекомендательных систем.
Обеспечат ли LLM прорыв в эффективности AutoML?
Доклад принят в программу конференции
Целевая аудитория
Исследователи в области ML, пользователи и разработчики AutoML, LLM-энтузиасты.
Тезисы
Несмотря на множество интересных исследований и реализующих их open source-проектов в области автоматического машинного обучения (AutoML), их практическое внедрение в бизнес-процессы всё ещё далеко от массового. Тому есть множество причин — от сложности использования не-специалистами до высоких вычислительных затрат.
Изменит ли ситуацию внедрение больших языковых моделей? Что они смогут взять на себя, а что нет? И нужны ли, вообще, будут специализированные AutoML-фреймворки через пару лет?
Эти и другие вопросы обсудим в докладе, затронув как обзор state-of-the-art-решений, так и наш собственный опыт в рамках open source-фреймворка FEDOT.
Исследователь в области AI/ML, руководитель научной группы в NSS Lab Института ИИ ИТМО. Руководитель разработки ряда открытых библиотек и фреймворков. Энтузиаст открытого кода, возглавляю сообщество ITMO OpenSource.
Видео
Другие доклады секции
Академические исследования
