IA en boîte - PYTORCH IGNITE
Summary
TLDRL'association Porchignite a été créée autour d'un projet open source sur GitHub, visant à simplifier l'entraînement et l'évaluation des réseaux neuronaux. Les contributeurs offrent leur expertise en deep learning et en développement d'outils pour les entreprises. Ils proposent des prototypes pour tester des idées, améliorent et optimisent des outils existants de machine learning, et fournissent un support technique autour de frameworks comme PyTorch et PyTorch Ignite. Leur travail se concentre sur l'exploration des applications de la recherche à la production, en abordant des défis tels que la génération et le traitement de données, et en cherchant à démocratiser les avancées dans les modèles multimodales pour différents domaines industriels.
Takeaways
- 🌐 L'association Porchignite a été créée autour d'un projet open source sur GitHub, visant à simplifier l'entraînement et l'évaluation des modèles de réseau de neurones.
- 🤖 Les contributeurs à l'open source proposent leur expertise en deep learning et en entreprise, offrant plusieurs options de services.
- 🔧 Option 1 : Développement de prototypes de système pour tester la faisabilité d'une idée en entreprise, principalement dans le domaine du traitement d'image.
- 🛠️ Option 2 : Amélioration et optimisation des outils existants de machine learning pour les rendre plus efficaces et développer de nouvelles fonctionnalités.
- 💡 Option 3 : Support technique autour des frameworks PyTorch et PyTorch Ignite, pour aider les ingénieurs à mieux utiliser ces outils.
- 📈 Un client a souhaité développer un outil d'évaluation de modèle sur différents jeux de données, pour l'utilisation de son équipe de data scientists.
- 📦 Le développement a été réalisé en mode Agile, avec des pratiques de CI/CD (Continuous Integration / Continuous Delivery), packaging et documentation.
- 📈 L'association constate un grand progrès dans la génération et le traitement de données, offrant aux clients une meilleure compréhension de ce que les systèmes peuvent faire.
- 🔍 Les défis incluent parfois la demande de clients pour des solutions de recherche en production avec une bonne efficacité, ce qui peut être complexe à réaliser.
- 🚀 L'exploration des modèles multimodales, comme la vision et le texte, est un domaine émergent qui a le potentiel de transformer de nombreux secteurs industriels.
Q & A
Quel est le nom du projet open source au centre de l'association?
-Le nom du projet open source est 'Porchignite'.
Quel est l'objectif principal de l'association?
-L'objectif principal est de simplifier l'entraînement et l'évaluation des modèles de réseau de neurones en utilisant le framework open source.
Quelles sont les compétences principales de l'association?
-L'association possède des compétences en deep learning et en développement d'entreprises.
Quelle est la première option proposée par l'association pour les entreprises?
-La première option est de développer des prototypes de système pour tester la faisabilité d'une idée en utilisant des technologies de traitement d'image.
Quel est le délai de développement pour la première option?
-Le délai de développement pour la première option est d'environ 2 à 3 mois.
Quelle est la deuxième option de service proposée par l'association?
-La deuxième option consiste à améliorer et optimiser les outils existants de machine learning pour les rendre plus efficaces et à développer de nouvelles fonctionnalités.
Quelle est la troisième option de service de l'association?
-La troisième option est de fournir un support technique autour des frameworks PyTorch et PyTorch Ignite pour aider les ingénieurs à mieux utiliser ces outils.
Quels sont les frameworks et les projets open source utilisés par l'association?
-L'association utilise principalement PyTorch, PyTorch Ignite et d'autres projets open source avec des licences à utilisation commerciale.
Comment l'association a-t-elle aidé un client spécifique?
-L'association a aidé un client en développant un outil d'évaluation de modèle en mode Agile, avec des pratiques de CI/CD, de packaging et de documentation.
Quels sont les défis que l'association rencontre avec les clients?
-Les défis incluent la compréhension imprécise par les clients de ce que les technologies peuvent faire et la demande de mettre en production des solutions de recherche avec une efficacité élevée.
Quels sont les domaines d'exploration émergents mentionnés dans le script?
-Les domaines d'exploration émergents mentionnés sont l'utilisation de modèles multimodal pour la vision, le texte et l'exploitation de données dans des domaines industriels différents.
Outlines
😀 Création et objectifs de l'association Porchignite
L'association Porchignite a été créée autour d'un projet open source du même nom, disponible sur GitHub. Son objectif est de simplifier l'entraînement et l'évaluation des modèles de réseau de neurones. Les contributeurs à ce projet open source offrent leur expertise en deep learning et en entreprise. Ils proposent plusieurs services, notamment le développement de prototypes pour tester la faisabilité d'une idée dans un délai court et avec un investissement modeste, l'amélioration et l'optimisation des outils de machine learning existants, et le support technique pour mieux utiliser les frameworks PyTorch et PyTorch Ignite. Ils travaillent principalement avec des projets open source, y compris ceux avec des licences à usage commercial.
Mindmap
Keywords
💡Porchignite
💡Deep Learning
💡Prototype de système
💡Traitement d'image
💡Machine Learning
💡Frameworks
💡Support technique
💡Agile
💡CI/CD
💡Multimodal
Highlights
L'association a été créée autour d'un projet open source pour simplifier l'entraînement et l'évaluation des modèles de réseau de neurones.
Contribuables au projet open source, offrant leur expertise en deep learning et en entreprise.
Proposition de développer des prototypes de système pour tester la faisabilité d'une idée en entreprise.
Évaluation d'une idée et utilisation d'un système EA en un temps court et avec un investissement modeste.
Optimisation des outils machine learning existants pour améliorer leur efficacité et développer de nouvelles fonctionnalités.
Support technique autour des frameworks PyTorch et PyTorch Ignite pour aider les ingénieurs à mieux les utiliser.
Utilisation de PyTorch, PyTorch Ignite et d'autres projets open source avec licence commerciale.
Développement d'un outil d'évaluation de modèle pour les Data Scientists d'un client.
Développement en mode Agile d'un package Python avec les meilleures pratiques en CI/CD, packaging et documentation.
Difficulté à comprendre précisément ce que les systèmes peuvent faire et à gérer les attentes des clients.
Défi de transformer des travaux de recherche en applications pratiques avec une bonne efficacité.
Exploration des modèles multimodal pour les domaines industriels avec des applications émergentes.
Étude de l'application des modèles de traitement d'image satellite ou aérienne au texte et au problème de détection de segmentation.
Discussion sur l'apprentissage profond et la facilité d'adaptation des modèles pour différents types d'apprentissage.
Voilà ce qui va se démocratiser et simplifier les problèmes plus facilement qu'auparavant avec l'annotation manuelle et l'entraînement supervisé.
Transcripts
[Musique]
l'association
porchignite en fait été créée autour
d'un projet open source du même nom
porch sur le gitub et son but du coup
donc de simplifier l'entraînement
l'évaluation des des modèles
par réseau de neuron comm par neuron
utilisant le
frameworkch source et donc nous nous
sommes des contributeurs au projet il a
open source comme
por
etut nous proposons notre expertise en
deep learning
et notre expertise en px entreprises en
plusieurs
options par exemple option une c'est
nous proposons à développer des
prototype de système pour enfin de
tester la faisabilité d'une idée
i dans une entreprise donc du coup on on
travaille dans le domaine de traitement
d'image et l'avantage pour le client
c'est d'évaluer bah l'idée étud et
l'utilisation d'un système ea pour son
métier pour une durée assez courte entre
de et 3 mois et avec un investissement
pas trop important l'option 2 c'est
développer pardon on propose améliorer
optimiser les outils existants machine
learning afin de les rendre plus
efficaces et ainsi on peut également
développer de nouvelles fonctionnalités
et l'option 3 c'est nous proposons un
support technique autour des framework
pyorch et pyorch ignite ASI que
l'infrastructure avec le but de mieux
utiliser C framework et aider les
ingénieurs des entreprises en fait
utiliser les mieux ces framework et
avoir les meilleures
pratiques techniquement donc on
principalement on utilise spy Torch spy
Torch ite et d'autres projets open
source avec licens à utilisation
commerciale et par exemple pour l'option
2 donc Un client a souhaité développer
un outil d'évaluation de leur modèle ila
euh sur différentses jeux de test de
données euh je jeux de données de test
euh afin que son équipe de Data
scientist utilise cet outil là donc nous
avons développé en mode Agile cela comme
un package python avec les meilleurs
pratique en cicd donc continuous
integration continuous delivery euh
packaging la documentation et nous onons
passé la main au au clients avec C
[Musique]
tit au niveau de
difficulté comme depuis depuis un moment
en fait on voit vraiment un gros progrès
de système sur la génération de données
sur le traitement de
données et que au final le client des
fois il peut avoir une compréhension
imprécis euh de ce que a peut FA faire
et donc la difficulté une des
difficultés c'est que euh de temps en
temps le client peut demander vouloir
faire certaines choses qui sont au
niveau de encore de la dans le domaine
de la recherche mais il voudrait avoir
tout cela en production avec une bonne
efficacité bas cou et donc des fois
c'est compliqué à à voir tout ça tout ce
demande là mais pourtant c'est assez
excitant de pouvoir descendre ces
applications au niveau de plutôt
descendre la les les travaux de
recherche en en application distr
ce qui est plutôt émergent à mon avis
c'est plutôt exploration de ce que peut
faire les modèles multimodal par exemple
vision
Tex en exploration et datation plutôt
pour les domaines
industriels dans
lesquels qui sont bien différents de sur
de celui de la conception du
modèle par exemple prenant pas des des
modèles grounding quelque chose paring
Dino ou d'autres modèles par de Google
et que si on les applique par traitement
d'image satellite ou aérienne est-ce que
est-ce que le texte va vraiment bien
apporter sur les problèmes de détection
de segmentation est-ce que est-ce que
cela va fonctionner assez en Z learning
ou est-ce que est-ce qu'on pourra les
adapter assez facilement et quel cooup
ça ça va avoir en fait au niveau de
déploement donc je je pense que ça va ça
va se démocratiser et je voudrais voir
en fait que tout
cela simplifie des
problèmes plus facilement que come on
abordait avant ce sujets là avec
laannotation manuel et et entraînement
supervisé
[Musique]
Weitere ähnliche Videos ansehen
GPT-4, Bard, etc : quelles applications concrètes ?
4 Ways To Get Your First 10 Customers (41mins Full Class)
How to think differently about Search: Search Stories
Tout comprendre sur les modèles ARVALIS, au cœur des Outils d’Aide à la Décision - ARVALIS.fr
Introduction à l’intelligence artificielle - 5 - Apprentissage Automatique
Week 3 -- Capsule 1 -- Nearest Neighbor
5.0 / 5 (0 votes)