MISANU

PROGRAM

Plan rada Seminara iz veštačke inteligencije za DECEMBAR 2023.

Registraciona forma za učesće, i link na predavanje ako ste već registrovani:
https://miteam.mi.sanu.ac.rs/asset/CW5nJWDSEZDj7p32p
Ukoliko želite samo da gledate predavanje bez mogućnosti aktivnog učešća, prenos će biti dostupan na:
https://miteam.mi.sanu.ac.rs/asset/4LNW8WtML7rLKojoz
Na ovom linku se mogu pronaci kratka uputstva na srpskom i engleskom:
https://miteam.mi.sanu.ac.rs/asset/Kc7qJtEvoMFx9MFnz

SREDA, 06.12.2023. u 19:00, Online
Nataša Pržulj, Barcelona Supercomputing Center, Life Sciences, Department, ICONBI Group, Barcelona, Spain
AI FOR MULTI-OMICS DATA FUSION ENABLES PRECISION MEDICINE
We are flooded by increasing quantities of heterogeneous, interconnected, systems-level, molecular (multi-omic) data. They provide complementary information about cells, tissues and diseases. We need to utilize them to better stratify patients into risk groups, discover new biomarkers, and re-purpose known and discover new drugs to personalize medical treatment. This is nontrivial, because of computational intractability of many underlying problems, necessitating the development of algorithms for finding approximate solutions (heuristics). We develop a versatile data fusion (integration) machine learning (ML) framework to address key challenges in precision medicine from these data: better stratification of patients, prediction of biomarkers, and re-purposing of approved drugs to particular patient groups, applied to cancer, Covid-19, rare thrombophilia and Parkinson's Disease. Our new methods stem from graph-regularized non-negative matrix tri-factorization (NMTF), a machine learning technique for dimensionality reduction, inference and co-clustering of heterogeneous datasets, coupled with novel network science algorithms. We utilize our new methodologies for improving our understanding of the molecular organization of life and diseases from the multi-omics data and omics network embedding spaces.

SREDA, 13.12.2023. u 19:00, Online
Ranka Stanković, Mihailo Škorić, Rudarsko-geološki fakultet, Univerzitet u Beogradu
PROMOCIJA PROJEKTA TESLA: TEXT EMBEDDINGS – SERBIAN LANGUAGE APPLICATIONS (TESLA: VEKTORIZACIJA TEKSTA - APLIKACIJE ZA SRPSKI JEZIK)
Кroz podršku Fonda za nauku i programa PRIZMA, radiće se na razvoju veštačke inteligencije u okviru projekta "TESLA Text Embeddings - Serbian Language Applications" kroz izgradnju jezičkih resursa i tehnologija za srpski jezik pod rukovodstvom prof. dr Ranke Stanković. Tim čine istraživači Univerziteta u Beogradu koji dolaze sa Rudarsko-geološkog i Filološkog fakulteta. Projektom se očekuje značajan napredak obrade srpskog jezika zasnovan na razvoju pretreniranih (unapred obučenih) jezičkih modela kao što su GPT, BERT i njihovi derivati zasnovani na dubokom učenju i kontekstualno-svesnoj vektorskoj reprezentaciji teksta. Projekat TESLA ima za cilj da razvije otvorene, predobučene jezičke modele za srpski, zasnovane na vektorskim reprezentacijama reči, rečenica, ili celih dokumenata, i da ih doobuči za specifične zadatke, među kojima su generisanje sažetaka teksta, parafraziranje, otkrivanje leksičkih odnosa, kreiranje četbotova itd. Glavni rezultat projekta biće skup unapred obučenih velikih jezičkih modela čije će performanse kroz razvijene alate biti prikazane na specifičnim zadacima obrade srpskog jezika, kao što su prepoznavanje imenovanih entiteta, ekstrakcija relacija, generisanje teksta i četbotovi. Alati će biti javno dostupni na novom veb portalu, upareni sa jednostavnim vizuelnim objašnjenjima koje će korisnicima olakšati razumevanje jezičkih obrazaca i fenomena otkrivenih u tekstovima.

SREDA, 20.12.2023. u 19:00, Online
Đorđe Jovanović, Matematički institut SANU Beograd
DETECTION OF BOTNET CnC PATTERNS USING TIME SERIES CHARACTERISTICS
Botnets are a class of viruses which use a network of infected computers, connected via internet, to execute a DDoS attack against a server. With the emergence of Mirai botnet, this class of viruses gained worldwide attention from both industry experts and academia. Since the entirety of botnet communication occurs via computer networks, header inspection and deep packet analysis are two most common methods of botnet detection. In this lecture a third method of botnet detection, which focuses on time series characteristics, will be used to extract features of botnet CnC communication, in an attempt to properly detect this type of malware, and, ultimately, mitigate the damage it might make. The dataset for this research used captured network traces of RaspberryPi devices, which have been infected with newest samples of Mirai and Gafgyt viruses. Also, special attention shall be directed towards various particularities of such a problem, such as handling class imbalance, machine learning pipeline, hyperparameter optimization.

ČETVRTAK, 28.12.2023. u 19:00, Online
SASTANAK AI SEMINARA POSVEĆEN RAZGOVORU O UPRAVO ODRŽANOJ KONFERENCIJI VEŠTAČKA INTELIGENCIJA I DALJEM RAZVOJU OVOG SEMINARA I AKTIVNOSTI UNUTAR AI INICIJATIVE
...

Ovaj onlajn seminar nastao je kao nastavak sastanka “Serbian AI Meeting” i zamišljen je da na njemu istraživači iz Srbije i iz dijaspore, kao i istraživači sa univerzteta, naučnih instituta i iz prakse predstavljaju naučne teme i rezultate iz oblasti veštačke inteligencije.
Link za svako pojedinačno predavanje biće dostavljen dan pre održavanja predavanja.

Andreja Tepavčević
Rukovodilac seminara