Continuum Analytics ведет к чему-то совершенно особенному, и мы подумали, что должны поделиться этой информацией.
В начале этой недели мой друг БалаКришна Коллуру, главный научный сотрудник Clarify, и я приняли участие в первой конференции Continuum Analytics, названной AnacondaCON17 в честь фирменного продукта. Не каждый день во время конференции участники пишут слова вдохновения, такие как: Ускорение и масштабирование; Insights & Integration и Freedom & Democracy под хэштегом организатора #OpenDataScienceMeans. Это интересное сотрудничество, поскольку мои идеи касаются рынка и возможностей, в то время как мировая перспектива Балы - это исследования и разработки.
Питер Ван, технический директор и основатель Continuum, начал день с нескольких вдохновляющих слайдов. Один сказал: «Поток энергии через систему действует, чтобы организовать ее». Другая цитата Пола-Хеннинга Кампа гласила: «История убедительно показала, что если вы хотите изменить мир к лучшему, вы должны предоставить хорошие инструменты, чтобы сделать его лучше, а не политику, чтобы сделать его лучше». Это подготовило почву для моего первого наблюдения.
Выравнивание экосистемы усиливается экономикой
Я ушел с Anacondacon17 с мыслями, похожими на те, что были у меня после конференции для клиентов Cognitive Scale прошлой осенью. Чтобы по-настоящему реализовать это потрясающее видение, многие части экосистемы, от поставщиков микросхем, таких как Intel и nVidia, до поставщиков облачных услуг и оборудования, таких как IBM, должны работать в согласованном графике поставки. Каждый компонент может улучшить другой и в конечном итоге сделать экосистему более быстрой, простой в использовании и более мощной, если будет достигнуто согласование. Экосистема может способствовать внедрению новых технологий, таких как GPU, для глубокого обучения, если экономика и спрос должным образом совпадают. На данный момент экосистема, похоже, движется к одному и тому же барабанщику.
Требования пользователей создают захватывающую напряженность, приводящую к дорожной карте
Anaconda с гордостью и преданностью использует открытый исходный код в академических кругах, правительстве, стартапах и Fortune 500. Учитывая эту разнообразную клиентскую базу, команда Continuum должна ощущать постоянное давление со стороны участников в отношении того, что запускать и когда на дорожной карте. . Я восхищаюсь командой за их способность расставлять приоритеты и сосредотачиваться, поскольку я представляю, как много требований сложно выполнить и в то же время интересно.
Машинное обучение представляет прогресс и возможности
Anaconda оказала огромное влияние на демократизацию машинного обучения. Например, такие библиотеки, как Scikit Learn, Intel’s MKL и Numba, глубоко продвинули эту демократизацию в различные аспекты этой экосистемы. Для э. g., предоставив доступ к мощным библиотекам MKL, Anaconda позволила стартапам использовать вычислительные преимущества, которые до сих пор были ограничены огромными учреждениями; аналогично, Numba обеспечивает выполнение встроенного кода на графическом процессоре для ускорения вычислений.
Тем не менее, доклады о машинном обучении, такие как Андреас Мюллер, автор SciKit Learn, все еще были довольно редкими и уникальными на конференции. Большинство сессий были посвящены тому, как они используют Anaconda, и, как и ожидалось, это было увлекательно. В следующем году Continuum может украсить конференцию, если они добавят специальную сессию машинного обучения для дальнейшего изучения достижений в этой области и их соответствующих реализаций в Anaconda. Одна из идей, возможно, заключалась бы в том, чтобы предоставить голос стороне экосистемы машинного обучения? Учитывая акцент на машинном обучении, мы видим стремительный рост Anaconda в сообществе машинного обучения.
Потрясающий прогресс в таких важных областях, как визуализация
AnacondaCON укрепил идею о доминировании Python. Однако на конференции также были показаны очень крутые новые комбинации, такие как Даск + Боке. Мы очень рады этой интеграции, поскольку она позволяет пользователям погрузиться в структуру больших данных, концентрируясь и копаясь в ценностях. Нам нравится визуализация для более глубокого понимания.
Puzzle по-прежнему не хватает нескольких ключевых элементов
Продукт Continuum продолжает развиваться быстрыми темпами. Учитывая преобладание проектов машинного обучения в облаке, было бы неплохо, если бы Anaconda предложила оптимальный облачный экземпляр для набора данных с учетом его размера, памяти, стоимости и т. д. Кроме того, с растущим спросом на графические процессоры не все хорошо знают, какие Графический процессор служит им лучше всего: GE Force GTX или K40? Если Anaconda сделает это, мы думаем, что количество пользователей может увеличиться. Возможно, дальнейшее сотрудничество с nVidia могло бы помочь? Мы также рады видеть, как IBM развивает Z-OS с помощью Anaconda. Нам интересно, смогут ли организации с массивными мэйнфреймами, такие как банки, страховые компании, авиакомпании и другие ИТ-компании, высвободить массивные идеи с помощью всего одной строки кода на этом мэйнфрейме? Если так, Вау! О, нет, чего не хватает?
#OpenDataScienceMeans бодрит
Нам с Балой понравилось участвовать в AnacondaCon17 как напоминание о том, что #OpenDataScienceMeans предназначен для сообщества. Ребята из Recursion Pharmaceuticals используют открытый исходный код и машинное обучение для разработки решений для редких генетических заболеваний, и это чертовски круто. Кроме того, для достижения этих целей требуется сложная система инструментов и данных, которые при работе в гармонической синхронизации дают потрясающие результаты. Мы ценим вклад тех, кто создает эту экосистему, как участников сообщества, так и корпоративных пастырей: Continuum, IBM, Intel и Nvidia. Лучшее, безусловно, еще впереди; мы не можем дождаться AnacondaCon18!
