Как автоматически определять пользовательские намерения, о существовании которых мы узнали 5 минут назад
Тезисы
Расскажем, как решают задачу классификации пользовательских интентов в чатах поддержки, и о том, что нужно делать, когда у нас не хватает времени и данных, чтобы переобучать тяжёлые классификационные модели.

В частности, поговорим про metric learning модели: о том, как их правильно обучать и валидировать и как в дальнейшем внедрять эти модели в production сервисы.

Доклад рассчитан на людей, которые понимают базовые концепции и область применения машинного обучения.

Слушатели узнают:
  • как можно решать задачу классификации интентов;
  • как решать эту задачу при малом количестве размеченных данных;
  • как обучать и валидировать metric learning модели.
Расскажем, как решают задачу классификации пользовательских интентов в чатах поддержки, и о том, что нужно делать, когда у нас не хватает времени и данных, чтобы переобучать тяжёлые классификационные модели.

В частности, поговорим про metric learning модели: о том, как их правильно обучать и валидировать и как в дальнейшем внедрять эти модели в production сервисы.

Доклад рассчитан на людей, которые понимают базовые концепции и область применения машинного обучения.

Слушатели узнают:
  • как можно решать задачу классификации интентов;
  • как решать эту задачу при малом количестве размеченных данных;
  • как обучать и валидировать metric learning модели.
Видеозапись доклада
Информация о спикере
Даниил Цимерман
NLP R&D Engineer, Тинькофф
Занимаюсь разработкой диалоговых NLP моделей ассистента Олега и обучением тяжёлых seq2seq моделей различного применения.

Многократный победитель и призёр соревнований по машинному обучению.

Личный сайт: Daniil Zimerman
  • Даниил Цимерман
    NLP R&D Engineer, Тинькофф
    Занимаюсь разработкой диалоговых NLP моделей ассистента Олега и обучением тяжёлых seq2seq моделей различного применения.

    Многократный победитель и призёр соревнований по машинному обучению.

    Личный сайт:Daniil Zimerman
Все доклады секции