科学家非常喜欢探索这个世界已经不是什么秘密了。 因此，大型会议总是在世界的历史文化首都举行。 这些城市非常适合世界各地的人们参观，并且从旅游者的角度来看很有趣。 但是有时探索新事物和未知事物的欲望接管了会议的召开，例如，会议的城市就变成了阿拉斯加的安克雷奇。 还没听说过他吗？ 今年，最大的会议之一KDD'19在这里举行 。
我们pla窃的人们不会错过这样的事件， 而是出发去碰碰地球另一端的冒险。 KDD 2019发生了什么-请阅读我们的评论！
我的旅程始于飞往洛杉矶的12个小时的航班，在那里我朋友的当地朋友已经在机场遇见了我。 最初，我计划独自一人在城市中漫步，但是这样的论点“令人信服”：“在洛杉矶，没有汽车就不会看到任何东西，没有人能幸运地把您送回机场”。 好吧，在天使之城没有汽车，您真的站不住脚-这里几乎没有公共交通工具，而且交通状况很恶劣。 洛杉矶本身看起来像清单上的：巨大的交通拥堵，整个城市的海滩，好莱坞丘陵，比佛利山庄，在经典的美国快餐中享用午餐以及在海滩上欣赏日落。 但是所有有趣的事情都会结束，下一班飞机正在等我。
由于我是从另一个半球飞来的，所以我的身体什么都没想，所以飞往阿拉斯加的5小时夜间飞行对我来说丝毫没有引起注意。 为了恢复原状，我和往常一样上床睡觉了四个小时。
时区的变化随后使我感到自己：我一直想睡觉。 为了不完全跌倒，我去报名了。 此外，从旅馆到会议场地的步行使人们感到高兴。
会议设备在任何情况下都不是不寻常的：几个会议分散在不同的房间中，在那里进行有关机器学习的新方法以及出色的解决方案和实现的演示和讨论。 需要注意的是：在KDD'19的情况下，整个会议占据了两座巨大的会议建筑，这些建筑有几层楼，每一层都有一群观众。 与往常一样，一些演示引起了人们的兴趣，甚至使人们无法通过人群进入听众。 一言以蔽之，每个会议参与者都可以找到自己特别感兴趣的东西。 KDD始终提供许多不同的格式来显示信息，因此有很多可供选择的方式。 这些是著名科学家向大型“流媒体”听众广播的报告，以及从新人到小型“研讨会”房间的科学演讲。 对于不仅要聆听而且还想练习的人，这里有“动手教程”，来自不同领域的代表可以进行实际练习。 例如，亚马逊关于如何使用其云计算服务的教程非常受欢迎。 但是，第一天很轻松：它仅供注册使用，这里没有认真的演讲，只有欢迎词和复习课。 所以我去了房间，为即将到来的表演做准备。
我们没有消失的地方
B-安全性，但为了科学起见，您不会做任何事情。 通常，PhysTech并没有白费。
第二天完全用于讲习班。 简而言之，讲习班是一次会议，参与者在此交流经验，以解决特定领域的问题。 由于我们在反-窃公司的部门从事寻找跨语言借贷的系统 ，因此我在会议上介绍的我们的工作立即适合两个研讨会的主题：“深度学习教育与真相发现与事实检查”。 在报告之前，我设法看到了一些有趣的演示。 值得注意的是Ruslan Salakhutdinov关于XLNet模型的故事。 当然，他们在KDD之前就曾写过关于该模型的文章，但是直接听一位作者的观点更有趣。 该报告的一部分致力于研究机器学习的新趋势：与其教授繁重的模型，不如使用繁重的模型，而只是根据您的需求对其进行自定义。 这是可以理解的：大多数以某种方式在活动中使用复杂体系结构的公司没有足够的计算能力来从头学习。 为您的任务重新训练现成的模型更加简单，快捷。 另外，这种模型的工作质量比简化的类似物要高得多。
午餐后剩下的所有时间都花在寻找听众，与研讨会负责人和其他组织细节进行沟通上。 我的第一份报告是在“ 深度学习教育”研讨会上。 他在喝咖啡休息后就对了，所以听众空了。 我概述了跨语言借用搜索模型和一些实现细节的工作方式。 在报告末尾，他们询问该系统是否已经在实践中工作，并惊讶地收到肯定的答复。 下一个研讨会“ 真相发现和事实检查 ”已经有很多听众。 演讲后，有几个问题。 例如，一位听众询问是否有此类借贷的具体示例。 我的回答是，不幸的是，这在俄罗斯和独联体国家的高等学府的学生中是一种相当普遍的做法，这使他陷入了一点误会。 总的来说，这份报告很受关注，听众显然对使用跨语言项目解决教育领域的实际问题很感兴趣。
甚至在一个讲习班内，主题范围也非常广泛。 例如，来自加州大学伯克利分校的一名学生在我面前讲话，并谈到了一种帮助美国学生选择替代课程的系统。 给定特定学生所修读的全部课程，该系统为他提供了最有可能对该学生感兴趣的新课程。 过去十年来，来自加利福尼亚大学的学生数据库被用作培训数据。 这是培训期间约16.5万名学生的信息！ 另一份报告专门介绍了在学生之间自动分配奖学金的系统 。 在美国的大学中，奖学金的发放通常比在俄罗斯要复杂得多，并且需要分析有关该学生的大量信息。 结果，奖学金委员会的决定由来已久。 建立一个分析和分配奖学金的系统将非常方便。 在其余时间徘徊在其余的工作室之后，我充满了成就感。
第二天，主要会议开始了。 同时，组织了一次会议，公司赞助商讨论了他们在交流方式上的最新发展。 到处走走，观看Nvidia的Titan RTX直播，聆听Facebook Research在图像识别领域的成就，并了解许多其他行业巨头，其中一些我以前从未听说过，这非常有趣。
第四天也主要包括报告。 例如，其中一个致力于机器学习模型的可解释性问题。 更确切地说，在许多情况下都没有它。 现代模型非常准确地解决了不同知识领域的问题，正如他们所说的“开箱即用”。 但是，在许多情况下，有必要了解该模型为何做出此决定或该决定。 在这些情况下，可解释性很重要。 一种比较流行的方法是模型的局部逼近，它使您可以通过特定的示例并以一定的准确性来考虑模型的行为，以了解是什么因素影响了决策。 该演示文稿仅致力于类似的方法及其改进。
在地球的背面
不仅在有海湾的地方有山。 因此，您不能仅仅逃离这座城市。
最终，一场献给KDD 25周年的宴会在等着大家。 我再次确信这是一次大型会议，但是在一个房间中一次为所有参与者举行宴会无疑是一个有争议的决定。
第二天是最后一天，这让人感觉到：听众人数大大减少（也许宴会上的酒吧为这提供了便利，但这还不确定）。 是的，报告大部分都在审查中。 许多讲座强调了当前需要解决的问题和任务。 数据处理以令人难以置信的速度增长，网络安全和医疗任务-简而言之，尽管会议是高度专业化的，但对于所讨论的主题却无法说。 但是，所有的乐趣迟早都会结束，现在是时候该回家了。
在离开之前，我决定休息一下，探索周围的环境。 从安克雷奇机场开车时，一位友善的出租车司机建议攀登Flattop山-这是一个风景秀丽的本地景点。 从攀登顶峰的人数来看，这确实是一个当地的传说，尽管我不会说攀登非常简单-在攀登过程中，需要用一堆碎石克服陡峭的岩石。 但是，付出的努力是值得的-从顶层俯瞰真是令人叹为观止！
回程没有什么特别的区别。 不再希望在洛杉矶走来走去，所以我花了一部分的转移时间躺在一个空荡荡的加利福尼亚海滩上（没有人早上8点会去那里）。 漫长的飞行前搜索，再飞行12个小时，我终于在多雨又寒冷的莫斯科。 总体而言，会议只留下了积极的印象。 在一个地方聚集具有不同兴趣，国籍和意见的人们确实值得付出巨大的努力。 而且这样做还可以使每个人都有可以听或说的东西，并且一切都在有利于此的气氛中发生。 我认为值得飞往几乎地球的另一侧。