こんにちは、Habr！ 私の名前はグリゴリー・クゾフニコフです。 FunCorpのシニアバックエンドエンジニアで働いています。 私は最近機械学習を始めました。 直接質問する人はいません。インターネット上のすべてを検索する必要があります。 したがって、私はいくつかの専門会議に行き、一般的な戦闘で機械学習を使用する方法を聞きたかったのです。 特別なものは一度も見つかりませんでしたが、 GOTO Berlinには多くの機械学習トピックがありましたので、訪問することにしました。 カットの下で、この会議の短いレビューと多くの写真
会議について
GOTOは、ベルリンだけでなく、初年度も開催されません。 たとえば、次の会議は今年11月にコペンハーゲンで開催されます。 会議には狭い方向性はありません。ここでは、サーバーとモバイルの両方の開発に関するレポートと、自発性に関する奇妙であるが現在人気のあるスピーチを聞くことができます。
会議は、ベルリンの中心部、アレクサンダー広場の近代的な2階建ての建物で開催されました。 合計で3つの小さな観客と1つの大きなホールがあります。 入り口の前に美しいブランドの旗が立てられていました。
組織
参加者の登録は、キューなしで非常に迅速に行われました。 彼らはすぐにバックパックにロゴを提示し、バッジにテクノロジーバッジを貼り付けることを提案しました。これについては、他のリスナーやスピーカーと話したいと思います。 1階と2階のホールには、Amazon Web Services、eBay Techなどの会議スポンサーのスタンドがありました。ここでは、ペン、ステッカー、ソックス、Tシャツなどの標準的なプロモーションキットが提供されていました。 多くのスタンドで、ラップトップカメラ用の小さなカーテンを用意することができました。 さらに、登録して賞品を獲得することもできます。 ヘッドフォン、レゴセット、およびGoogle Homeスピーカーが再生されました。 確かに、賞金の抽選は金曜日に行われ、木曜日までそこにとどまったため、当選したかどうかはわかりませんでした。
GOTOには、Google PlayとAppStoreに独自のアプリケーションがあり、すべてのパフォーマンスのスケジュールがあります。 それを通して、スピーカーに質問をすることができます（彼らはスピーチの後に読まれます）、そこであなたはレポートのレビューを残すことができます。 聴衆からの質問は実際には聞かれません。
サイトには常に食べ物があります：いくつかの小さなスナック、アイスクリーム、すべての種類のスイーツ、飲み物。 いつでも噛むことができます。 ランチには、肉入りご飯やサラダなどの完全な食事が提供されます。
一般的な印象
ロシアでは、Highloadを除いて、私はどこにもいませんでした。 私の意見では、もちろん、Highloadはより大きく、プログラムはレベルよりも高くなっています。 オンティコの人たち-尊敬！
報告書
実用的な知識を得るために会議に行きましたが、残念ながら、実際に得ることができませんでした（ 私が見つけた最も有用で興味深いものは、次の段落で論文を説明します ）。 機械学習に関するレポートのほとんどは非常に単純であることがわかりました（基本レベルで少し高い）が、学生も専門家ではありません。 Javaでのチャットボットについての講演で、スピーカーは、本番環境で機械学習を使用している人に手を挙げてもらい、私と他の人だけが手を挙げました。
しかし、ベルリンのフンボルト大学のコンピューターサイエンスの教授からの多くのグラフと図を含む非常に複雑なレポートが1つありました。 彼は、機械学習を使用したテストの自動生成、および逆問題-テストを満たすコードの自動生成についても話しました。
OLX GroupのテクニカルディレクターであるOlaf Zschiedrichが興味深い発表を行いました。これは、 ビッグデータの混乱からデータへのイノベーションイネーブラーと呼ばれていました。 彼は、OLXでデータを収集する方法と、MLで後で使用するためにデータにアクセスする方法について説明しました。
さまざまなソースからのデータが1つの共通ストレージに流れ込み、それへのアクセスが許可されるだけでなく、現在のタスクに応じて、さまざまな詳細度のさまざまなソースから取得したデータで特別なリポジトリが収集されます。 これは、セキュリティを確保するとともに、あらゆる種類の欧州法を順守するために行われます。
私の意見では、最も有用なレポートは、 人工知能Reloadedの Christoph Windheuserのレポートです。 私が理解しているように、彼の会社は請負業者として多くの応用ML開発を行っています。 レポートでは、MLアプリケーションの開発と展開に対するアプローチのいくつかの例を示しました。
興味深いことに、モデルとアプリケーション自体の開発にはさまざまな人々が関与しているため、実際のアプリケーションにモデルを適合させることは最も簡単な作業ではありません。 また、完成したMLアプリケーションをテストするために、トレーニングで使用されるのと同じ検証セットのデータを彼に提供することにも興味があります。 アプリケーションが必要な割合のタスクを正しく処理した場合、テストに合格したと見なされます。
MLに関する5つの興味深い事実：
- JavaのMLの場合、Deeplearning4jを使用する必要がありますが、TensorFlowほど強力ではありません。
- Googleには、Cloud Dataflow、BigQuery、Cloud AutoMLなどの興味深いツールがあり、これらを使用してMLを試すことができます。
- モノのインターネット用の長距離無線プロトコルであるLoRaテクノロジーがあります。 The Things Network（thethingsnetwork.org）のプロバイダーもあり、LoRaアクセスポイントを組み合わせて、デバイスに既製のインフラストラクチャを使用できるようにします。
- MLでの使用を目的としたデータは、集中的に収集および保存する必要があります。 このデータがどのように抽出されるかを事前に検討する価値があります。
- MLアプリケーションをテストするには、単に検証セットをフィードするだけです。
ネットワークについて
外国の会議は、ロシアにほとんど来ない大規模な国際企業の開発者と個人的にコミュニケーションを取り、経験を交換できるという点で良いと思われました。 しかし、GOTOでは、主催者自身がこれに十分な注意を払わなかったなど、一部の高級ネットワークは機能しませんでした。 したがって、スタンドでのみ通信し、アプリケーションを通じて、またマイクを通じて一度でも、関心のある記者に質問することができました。 ちなみに、満席の聴衆の前で英語を話すことはめったにないので、私はこのために緊張していました。
要約する
一般的に、一部のテクノロジーについて一般的な用語で学習したい場合、レポートは悪くありません。 詳細が必要な場合は、何かを見つけることもできますが、私たちが望むほどではありません。
