![](https://squidex.jugru.team/api/assets/srm/d32407bf-dfe0-4b03-8843-4cfd4b9ad5cb/agafonov-3.jpg?cache=3600&width=50&height=50&mode=CropUpsize)
Артём Агафонов
VK Predict
Конференция о технологиях
VK Predict
Развитие искусственного интеллекта и технологий вокруг него невозможно без данных. Однако источников внутри одной компании может быть недостаточно, а к обмену данными не готовы ни бизнес, ни клиенты. Решением и драйвером развития предиктивных моделей может стать федеративное обучение. Горизонтальный метод, при котором у всех участников один и тот же домен признаков, уже применяется в разных областях, но у него есть ряд ограничений. Перспективный метод повышения качества моделей — вертикальное обучение, когда участники обладают различными признаками для одних и тех же объектов и дополняют их без прямого обмена данными.
Наша команда разрабатывает и развивает новый фреймворк вертикального машинного обучения, который может применяться в медицине, финтехе, ритейле, электронной коммерции и в промышленности.
В докладе разберу:
Продукт UX&UI
Архитектура & Highload
Machine Intelligence
Безопасность