Продовжуємо марафон інтерв’ю зі спікерами дводенної безкоштовної онлайн-конференції Data Science fwdays’20.
Знайомтесь, Іван Сагумбаєв — Middle Research Engineer в компанії Ciklum, який спеціалізується на задачах Computer Vision з використанням методів Deep Learning.
1. Розкажи, будь ласка, про себе. Як ти потрапив до світу Computer Vision?
Моє ім’я Іван і я займаюсь задачами комп’ютерного зору вже три роки. Насправді, все почалось з того, що з’явилося бажання побудувати справжній штучний інтелект, але як виявилось — це дуже складна і комплексна задача, і в основі всього лежить комп’ютерний зір.
2. Яка, особисто для тебе, найцікавіша область комп’ютерного зору і чому?
Дуже складно виділити щось одне. Але найбільш цікаве для мене є детектування об’єктів, трекінг та, як я нещодавно зрозумів, аналіз геометричних форм.
3. Якби тобі запропонували працювати в іншій країні, чи погодився б переїхати? Якщо так, то куди саме?
В цілому, напевно так, але це дуже залежить від колективу та задач, над якими я буду працювати. Дуже цікаво було б попрацювати в компанії Deep Mind.
4. Над якими цікавими проєктами працюєш ти та твоя команда в Ciklum?
Зараз працюємо над проєктом для Європейського Союзу — RoButcher, який є поєднанням штучного інтелекту та робототехніки.
5. Яка для тебе найбільша нагорода у твоїй роботі? Яка література чи виступи надихають на нові звершення у професійній сфері?
Найбільша нагорода — це коли все працює і я розумію чому. Найбільше натхнення я знаходжу під час конференцій, тому що все і всі довкола займаються тим самим і це надихає.
6. Яку книгу/книги рекомендуєш прочитати кожному, хто хоче займатись CV?
Насправді дуже важко рекомендувати книжки, оскільки область дуже швидко змінюється і книжки не встигають друкуватися. Проте, вважаю, що Deep Learning від Ian Goodfellow точно потрібно прочитати, а також “той самий” курс від Стенфорду CS231n.
7. Про що буде твоя доповідь на Data Science fwdays’20?
Свою доповідь я хочу присвятити не дуже широко відомому напрямку (на цей момент) — аналізу трьох вимірних даних, а саме: трикутні сітки та хмари точок. Аналіз “звичайних” двомірних зображень для задач сегментації, детектування об’єктів та класифікації досяг високого рівня, але використання даних з тривимірного простору потенційно додає можливостей для покращення якості аналізу для кожної задачі окремо. Перша частина доповіді буде присвячена саме цьому, як підходи для 2D задач можливо застосувати і для 3D даних. Друга частина доповіді буде присвячена пошуку відповідностей між хмарами точок та синтетичними моделями. У заключній частині я хочу розповісти про проєкт, над яким зараз працюю (RoButcher).
Дякуємо Івану за відповіді і запрошуємо вас послухати його та інших спікерів конференції Data Science fwdays’20 online 8 та 15 серпня. Участь безкоштовна за попередньою реєстрацією.
