社区对机器学习很重要

说实话。机器学习是一个复杂的空间!在谷歌上花两分钟研究这个话题肯定会让你比刚开始时更加困惑。那么,您在哪里可以从在这个领域工作的其他人那里获得帮助呢?

如果您曾经认为“AI 听起来很酷;我们可能应该这样做,”你无疑也问自己:

  • 从哪里开始
  • 选择哪个框架(可能有数百万)
  • 是否使用云或物理基础设施
  • 在哪里部署模型
  • 如何整理或建模您的数据

在你开始进行机器学习之前,有很多问题要问和设计选择要做出,而且大多数都没有一个正确的答案。但也有许多在线资源可以帮助您做出决定。

在全球的每一个角落,人们都在研究新的机器学习技术、新的数据建模方法、获得更好的洞察力或寻找新的市场途径。在我写这篇博文的时间里,有人会写一篇关于定义神经网络的新的、更好的方法的文章。

乍看之下,这些丰富的信息可能令人望而生畏,但也没什么好害怕的;它是人工智能/机器学习领域皇冠上的一颗明珠。有这么多人在构建教程、创建演示以及撰写文章和博客,这真是太棒了。

这个合作者社区,他们通常甚至没有意识到他们正在合作,这就是机器学习和人工智能被如此迅速地采用并且技术正在以它的速度改进的原因。如果没有这个社区,我们就不会成为今天的样子。

开源框架和 OpenPOWER 基金会

以 TensorFlow 为例。谷歌决定将其机器学习框架和工具开源,因为与更广泛的社区分享这些令人惊叹的技术有助于他们成长并帮助平台成熟,从而为其他组织解决问题。

parsons1-768x226.png

TensorFlow 项目有 1,325 名贡献者共同努力,为机器学习构建最佳软件工具。如果没有这个社区,我们就不会尽可能容易地使用机器学习,而且我们当然不会有让这个空间可以访问的教程和文章。

而且不仅仅是 TensorFlow。有数百个框架致力于通过更好的工具和更好的文档来实现机器学习。

事实上,它不仅仅是软件!

机器学习带来了一系列独特的基础设施挑战。这是一项极其复杂的技术计算挑战,会给物理系统带来巨大压力。OpenPOWER 基金会正在为硬件做“开源”——将开放协作和创新的原则应用于服务器本身。

我们现在正在设计和构建专门用于尽快处理这些工作负载的系统,这意味着我们可以更快地训练我们的模型并构建更大的东西!

聚会和真实的人

到目前为止,我所提到的一切都涉及合作者之间的数字交互,但围绕机器学习寻找社区并不一定要以数字方式进行。你可以离开互联网(当然,一旦你完成了阅读和分享我的博客文章),去见你所在地区的人,他们聚在一起分享他们对人工智能和机器学习的热情、知识和挑战。

IBM Systems Lab Services有多个PowerAI 聚会,专门针对加速框架和IBM Power Systems,供您在世界各地参与。

还有大量的机器学习 Meetup 社区。通过这些活动,您可以与人们会面,讨论该技术以及如何在您的业务中使用它。根据我的经验,这些群体中的每个人都具有同样的开放、利他的心态,这种心态也融入了数字社区。这是关于分享想法和相互学习。这是关于面对面会面,结识愿意互相帮助和分享专业知识的人。

那么你怎么能参与到这个不可思议的运动中呢?

  • 访问meetup.com并找到您当地的 PowerAI/TensorFlow/机器学习聚会。
  • 分享您的想法、专业知识和热情。
  • 评论博客文章(比如这个)。
  • 在 Twitter 上与人们联系并提出问题。

就是这样——真的就是这么简单!

Tags: none

我有个想法