Подготовлено: ХеДжунг Ли, менеджер сообщества DevRel / Сунсон Квон, менеджер программы DevRel

Давайте рассмотрим основные моменты и достижения обширных сообществ машинного обучения Google по регионам за последний квартал. Здесь представлена ​​деятельность экспертов (GDE, профессиональные личности), сообществ (TFUG, группы пользователей TensorFlow), студентов (GDSC, студенческие клубы) и групп разработчиков (GDG).

Основные моменты

30 дней машинного обучения с Kaggle призваны помочь новичкам в изучении машинного обучения с помощью курсов Kaggle Learn, а также конкурса специально для участников этой программы. Сотрудничал с командой Kaggle, так что +30 организаторов ML GDE и TFUG приняли участие в качестве добровольцев в качестве онлайн-наставников, а также докладчиков для этой инициативы.

Всего 16 GDE/GDSC/TFUG проводят программы, организованные сообществом, используя общее Руководство по организации сообщества. Houston TensorFlow & Applied AI/ML заняла 6-е место из 7573 команд — единственные американцы в Топ-10 соревнований. Участвовали и организаторы TFUG Santiago (Чили), которые занимают 17-е место в публичном лидерборде.

Азиатско-Тихоокеанский регион

Проект GDE Minori MATSUDA (Япония) Coca-Cola Bottlers Japan был опубликован в блоге Google Cloud Japan, посвященный созданию конвейера ML для развертывания в реальном бизнесе в течение 2 месяцев с использованием Vertex AI. Это также опубликовано в блоге GCP на английском языке.

GDE Chansung Park (Корея) и Sayak Paul (Индия) опубликовали множество статей в блоге GCP. Во-первых, Поиск изображений с запросами на естественном языке объясняет, как создать простой анализатор изображений из входных данных на естественном языке с использованием модели CLIP OpenAI. Из этого второго поста Обучение модели как системы CI/CD: («Часть I, Часть II)» вы можете узнать больше о том, почему наличие отказоустойчивой системы CI/CD для вашего приложения машинного обучения имеет решающее значение для успеха. Наконец, Двойное развертывание на Vertex AI рассказывает о сквозном рабочем процессе с использованием Vertex AI, TFX и Kubeflow.

В Китае GDE Junpeng Ye использовала TensorFlow 2.x для значительного сокращения кодовой базы (15k → 2k) в WeChat Finder, который является альтернативой TikTok в WeChat. GDE Dan lee написал статью о серии Understanding TensorFlow: Часть 1, Часть 2, Часть 3–1, Часть 3–2, Часть 4.

GDE Ngoc Ba из Вьетнама внесла свой вклад в серию AI Papers Reading and Coding, реализующую документы ML / DL в TensorFlow, и создает слайды / видео каждые две недели. (видео: Вит Трансформер, МЛП-Миксер и Трансформер)

Удобные для начинающих кодлабы (Начните с классификации аудио, Дальше с классификацией аудио) от GDSC Sookmyung (Корея), обучающие настраивать предварительно обученные модели классификации аудио в соответствии с вашими потребностями и развертывать их в своих приложениях с помощью TFlite. Создатель моделей.

GDE Matthew Kelcey из Австралии выступил с докладом JAX на мероприятии PyConAU. Мэт сделал обзор основ JAX и рассказал о некоторых разрабатываемых библиотеках.

В Сингапуре TFUG Singapore погрузился в некоторые из последних работ, методов и областей исследований, которые дают самые современные результаты в ряде областей. GDE Мартин Эндрюс включил краткое пошаговое руководство по выпущенному коду PerceiverIO в разделе perceiver — подчеркнув, как выглядит JAX, как Haiku соотносится с Sonnet, а также загрузку данных, которая выполняется через tf.data.

GDE Imran us Salam Mian из Пакистана опубликовал книгу Эксперименты по машинному обучению с TensorBoard.

Индия

GDE Aakash Nain опубликовала серию учебных пособий по TF-JAX с части 4 по часть 8. Часть 4 дает краткое введение в JAX (что/почему) и DeviceArray. Часть 5 рассказывает, почему чистые функции хороши и почему JAX предпочитает их. Часть 6 посвящена генерации псевдослучайных чисел (PRNG) в Numpy и JAX. Часть 7 посвящена компиляции точно в срок (JIT) в JAX. А Часть 8 посвящена vmap и pmap.

GDE Bhavesh Bhatt опубликовал видео о своем опыте сдачи сертификационного экзамена Google Cloud Professional Data Engineer.

Проект изменения климата с использованием Vertex AI от ML GDE Sayak Paul и Siddha Ganju (NVIDIA). Они опубликовали бумагу (Сегментация наводнений на изображениях SAR Sentinel-1 с полууправляемым обучением) и открыли проект в отношении конкурса ETCI NASA Impact. В рамках этого проекта было проведено четыре семинара NeurIPS ИИ для науки: не упускайте из виду пробелы, Решение проблемы изменения климата с помощью машинного обучения, Женщины в машинном обучении и Машинное обучение и физические науки. И они финишировали первыми, занявшими второе место (см. Тестовую фазу 2).

Учебник по распознаванию рукописного ввода был предоставлен на примере Keras GDE Sayak Paul и Aakash Kumar Nain.

К официальным примерам в Neural Structured Learning in TensorFlow добавлена ​​регуляризация графов для классификации изображений с использованием синтезированных графов от GDE Sayak Pau.

GDE Sayak Paul и Soumik Rakshit поделились новым набором данных NLP для классификации текстов с несколькими метками. Набор данных состоит из названий статей, рефератов и категорий терминов, взятых из arXiv.

Северная Америка

Во время GSoC (Google Summer of Code) некоторые GDE были наставниками или со-наставниками для студентов. GDE Margaret Maynard-Reid (США) курировала продукты TF-GAN, Model Garden, TF Hub и TFLite. Вы можете получить часть ее опыта и советов в Блоге GDE. И вы можете найти GDE Sayak Paul (Индия) и Googler Morgan Roff опыт GSoC в (совместном) наставничестве TensorFlow и TF Hub.

Дружественный семинар для начинающих на тему TensorFlow с ML GDE Henry Ruiz (США) был организован для студентов GDSC Texas A&M University (США).

Видео на Youtube Объяснение самовнимания: как работают трансформеры? by GDE Tanmay Bakshi из Канады объяснил, как можно построить нейронную сеть на основе кодировщика Transformer для классификации кода на 8 различных языках программирования с использованием TPU, Colab и Keras.

Европа

GDG / GDSC Турция провела Летний лагерь ИИ в сотрудничестве с Global AI Hub. 7100 участников узнали об ML, TensorFlow, CV и NLP.

TechTalk Обработка речи с помощью глубокого обучения и JAX/Trax от GDE Сергей Хоменко (Германия) и М. Юсуф Сарыгёз (Турция). Они рассмотрели такие технологии, как Jax, TensorFlow, Trax и другие, которые могут помочь в наших исследованиях в области обработки речи.

Южная/Центральная Америка

На другом конце света, в Бразилии, GDE Hugo Zanini Gomes написал статью Обнаружение пользовательских объектов в браузере с помощью TensorFlow.js с использованием TensorFlow 2 Object Detection API и Colab был размещен в блоге TensorFlow .

А Хьюго выступил с докладом о Семантической сегментации в реальном времени в браузере — сделано с помощью TensorFlow.js, в которой эффективно использовалось SavedModels в JavaScript, что напрямую позволило вам получить охват и масштаб сети для ваших новых исследований.

GDE рассказала о Конвейерах данных для машинного обучения. Натали Аларкон Торрико из Боливии объяснила все этапы создания продуктов машинного обучения и науки о данных, начиная со сбора данных, преобразования, хранения и создания продуктов моделей машинного обучения.

TechTalk «Machine Learning Competitivo: Top 1% en Kaggle (Видео)» был организован TFUG Santiago (Чили). В этом выступлении спикер рассказал о шагах, которые необходимо выполнить, чтобы создать модель, способную войти в 1% лучших в таблице лидеров Kaggle. Основное внимание было уделено показу библиотек и трюков, которые используются, чтобы иметь возможность быстро тестировать многие идеи как в реализации, так и в исполнении, и как их использовать в продуктивных средах.

БВСА

GDE Ruqiya Bin Safi (Саудовская Аравия) провела мастер-класс на тему Рекуррентные нейронные сети: часть 1 (Github/Slide) в GDG Mena. А Рукия выступил с докладом Рекуррентные нейронные сети: часть 2 на GDG Cloud Saudi (Саудовская Аравия).

Обучение ИИ с Kaggle от GDSC Исламский университет Газы из Палестины. Это двухмесячный тренинг, посвященный обработке данных, обработке изображений и НЛП с помощью Kaggle.

К югу от Сахары

В TFUG Ибадан было два мероприятия TensorFlow: Базовый анализ настроений с помощью Tensorflow и Введение в рекомендательные системы с TensorFlow.

Статья посвящена некоторым советам по изучению, подготовке и сдаче экзамена разработчика TensorFlow на французском языке от ML GDE Yannick Serge Obam Akou (Камерун).