Continuum Analytics води до нещо много специално и решихме, че трябва да споделим тези прозрения.

В началото на тази седмица моят приятел BalaKrishna Kolluru, главен научен сътрудник в Clarify, и аз участвахме в първата конференция Continuum Analytics, обявена като AnacondaCON17 след характерния продукт. Не е всеки ден по време на конференцията присъстващите да туитват думи на вдъхновение като: „Ускорение и мащаб“; „Прозрения и интеграция“ и „Свобода и демокрация“ под хаштага на организатора #OpenDataScienceMeans. Това е забавно сътрудничество, тъй като моите прозрения са за пазара и възможностите, докато световната перспектива на Bala е научноизследователска и развойна дейност.

Питър Уанг, технически директор и основател на Continuum, започна деня с няколко вдъхновяващи слайда. Един каза, че „потокът от енергия през системата действа, за да я организира“. Другият цитат от Пол-Хенинг Камп гласи: „Историята е показала в голяма степен, че ако искате да промените света към по-добро, трябва да предоставите добри инструменти, за да го направите по-добър, а не политики, за да го подобрите.“ Това постави началото на първото ми наблюдение.

Изравняването на екосистемите се подобрява от икономиката

Тръгнах си от Anacondacon17 с мисли, подобни на тези, които имах след клиентската конференция на Cognitive Scale миналата есен. За да осъществят наистина тази невероятна визия, много части от екосистемата от доставчици на чипове като Intel и nVidia до облачни и хардуерни доставчици като IBM трябва да работят в оркестриран график за доставка. Всеки компонент има силата да подобрява другия и в крайна сметка да направи екосистемата по-бърза, по-лесна за използване и по-мощна, ако се постигне съответствие. Екосистемата има силата да насърчава приемането на по-нови технологии като GPU за задълбочено обучение, ако икономиката и търсенето се съгласуват правилно. В този момент екосистемата изглежда върви към същия барабанист.

Потребителските изисквания създават вълнуващо напрежение, движеща пътна карта

Тъй като гордо и всеотдайно с отворен код, Anaconda се използва в академичните среди, правителството, стартиращите фирми и Fortune 500. Като се има предвид тази разнообразна клиентска база, екипът на Continuum трябва да усеща постоянно привличане от съставните части какво да стартира и кога е на пътната карта . Възхищавам се на екипа за способността им да приоритизират и да се фокусират, тъй като си представям, че толкова много изисквания са трудни за управление и вълнуващи в същото време.

Машинното обучение представя напредък и възможност

Anaconda оказа огромно влияние върху демократизацията на машинното обучение. Например библиотеки като Scikit learn, Intel’s MKL и Numba прокараха тази демократизация дълбоко в различните аспекти на тази екосистема. За д. например, чрез предоставяне на достъп до мощни MKL библиотеки, Anaconda даде възможност на стартиращи фирми да се възползват от изчислителното предимство, което досега беше ограничено до огромни предприятия; по подобен начин Numba осигурява вградено изпълнение на код на GPU за бързо изчисление.

Въпреки това, разговори за машинно обучение като този на Андреас Мюлер, автор на SciKit Learn, все още бяха доста редки и уникални на конференцията. Повечето от сесиите бяха фокусирани върху това как те използват Anaconda и, както се очакваше, беше завладяващо. Следващата година Continuum може да украси конференцията, ако добави сесия за машинно обучение по поръчка, за да проучи допълнително напредъка в областта и съответните им реализации в Anaconda. Една идея може би е да се даде глас на ML страна на екосистемата? Като се има предвид акцентът върху машинното обучение, виждаме бърз растеж за Anaconda в общността за машинно обучение.

Страхотен напредък в ценни области като визуализацията

AnacondaCON затвърди идеята, че Python е доминиращ. Конференцията обаче показа и много готини нови комбинации като Dask + Bokeh. Ние сме изключително развълнувани от тази интеграция, тъй като позволява на потребителите да се потопят в рамката на големите данни, като се концентрират и копаят в ценностите. Обичаме визуализацията, предоставена за по-задълбочено вникване.

В пъзела все още липсват няколко ключови елемента

Продуктът на Continuum продължава да се развива с бързи темпове. Като се има предвид превесът на проектите за машинно обучение в облака, би било хубаво Anaconda да предложи оптималния облачен екземпляр за набор от данни въз основа на неговия размер, памет, цена и т.н. Освен това, с нарастващия апетит за графични процесори, не всеки е добре наясно кои GPU им служи най-добре: GE Force GTX или K40? Ако Anaconda направи това, смятаме, че е вероятно броят на потребителите да нарасне. Може би по-нататъшното сътрудничество с nVidia би могло да помогне? Ние също сме развълнувани да видим как IBM развива Z-OS с Anaconda. Чудим се дали организациите с масивни мейнфрейми като банки, застрахователни компании, авиокомпании и други ИТ компании наистина ще могат да отприщят масивни прозрения само с един ред код на този мейнфрейм? Ако е така, Уау! От, не, какво липсва?

#OpenDataScienceMeans ободрява

Бала и аз се радвахме да участваме в AnacondaCon17 като напомняне, че #OpenDataScienceMeans е за общност. Хората от Recursion Pharmaceuticals използват отворен код и машинно обучение, за да управляват решения за редки генетични заболявания и това по същество е адски готино. Освен това постигането на тези цели включва сложна система от инструменти и данни, които при работа в хармоничен синхрон дават зашеметяващи резултати. Оценяваме приноса на тези, които създават тази екосистема, както на сътрудниците на общността, така и на корпоративните пастири: Continuum, IBM, Intel и Nvidia. Най-доброто със сигурност тепърва предстои; нямаме търпение за AnacondaCon18!