Cloud Summer Cutting Edge 2017
Open Source & ML
Лето в этом году было облачным Первая новость, которую я хочу сообщить с особой гордостью за российских разработчиков в частности и за страну в общем –
Яндекс выложила свою библиотеку машинного обучения CatBoost в открытый доступ. Высокая точность предсказания и
способность работать как с категориальными, так и числовыми предикторами заявляются killer-фичами ML-фреймоворка от Яндекс. Тем самым Яндекс
присоединилась к таким гигантам как Microsoft, Google, Amazon, в деле открытия исходных кодов своих AI-алгоритмов для Data Science (DS) сообщества.
Исходники и документация CatBoost доступны всем желающим.
Вторая новость – это то, что библиотеке LightGBM уже год. И она не только за это время достигла 2-ой стабильно версии, но и демонстрирует хорошие результаты в сравнение с лидером xgboost. О LightGBM уже всерьез заговорили в DS-коммьюнити, что с продуктами MS, честно говоря, случается редко.
Azure & ML
Azure Function
Да, да. Теперь те, чье сердце неравнодушно к R, могут запускать R-скрипты в Serverless-fashion манере, используя сервис Azure Function.
Ну и не лишним будет напомнить, что в Azure Function уже есть поддержка запуска скриптов на Python, JavaScript, PHP, Bash, Batch, и, конечно же, F# и C#.
Azure Batch
Стала доступна возможность запуска R-задач в сервисе Azure Batch.
Deep Learning
В закрытом тестирование (private preview) находится сервис, анонсированный на конференции Build 2017 и не дающий многим беспокойным умам спокойно спать. Это Azure Batch AI Training – облачный сервис, предоставляющим GPU-кластер по требованию для решения задач глубокого обучения (deep learning).
Кстати, про конференции:
1. На chanell 9 появилось видео с прошедшей этим летом конференции userR! 2017.
2. Уже завтра я с коллегой Михаилом Комаровым проведем 3-х часовой мастер-класс по Azure Machine Learning. Все интересующейся этой темой – Welcome!
Слайды выступления ниже (без демо-части):
Комментариев нет:
Отправить комментарий