למידת מכונה מתקן עצמי + חיפוש מולטי-מודלי עם אלסטיק

הצטרפו לקבוצת המשתמשים של אלסטיק בוושינגטון די.סי. ביום רביעי, ה-16 בספטמבר למפגש מרגש. נציג מצגת מ-קריטיקה בורי ו-josh פייפר, ולאחר מכן רשתות, ממתקים ופיצה עם קהילת הטכנולוגיה של ד.ס. ואלסטיק. תאריך ושעה: יום רביעי, ה-16 בספטמבר, בין השעות 17:30-19:30 EDT מיקום: משרד אלסטיק - 4100 פירפקס דרייב, מיקום 500, ארלינגטון, VA 22203 חניה: ס agenda: התקצירים של השיחות: לוחות מחוונים להחלטות: לולאת ML מתקן עצמי עם התבוננות אלסטית - קריטיקה בורי (מהנדסת תוכנה) רוב צינורות ה-ML מתמודדים עם ירידה בדיוק או עלייה בזמן המתנה כפי שהם מתאמנים בהדרגה, מה שעובר unnoticed עד שמישהו למטה מתלונן. במצגת הזו אראה איך חיברתי את ההתבוננות האלסטית לזרימת העבודה של ה-ML שלי כך שהצינור צופה בעצמו: יומנים, מדדים ומעקבים מספקים למערכת את המידע כדי לתפוס עיוותים ושגיאות, ואז מפעילים פעולה מתקנת אוטומטית. המושב הזה מספק תבנית מעשית להפוך נתוני התבוננות ממשהו שאתה רק רואה למשהו שמתקן באמת את המודלים שלך. בנייה של חיפוש מולטי-מודלי עם אלסטיק וג'ינה ג'וש פייפר, ארכיטקט פתרונות ראשי באלסטיק נעבור על שני דemos באמצעות אלסטיק וג'ינה להניע חיפוש מולטי-מודלי. הראשון הוא חוויית חיפוש אמנות שבה משתמשים יכולים לחפש עם טקסט, תמונות, או שילוב של שניהם. מכאן, סוכן יכול לעזור לצמצם את התוצאות, להשוות בין חלקים ולחקור דמיון בין סגנון, נושא, צבע ופרטים ויזואליים אחרים. הדמו השני מציע את אותן קונספטים בווידאו. הוידיאו מחולק לחלקים ניתנים לחיפוש, מה שמאפשר למצוא סצנות ספציפיות, אובייקטים, פעולות או נושאים עם שאלה פשוטה. הסוכן יכול לחפש בכל קליפים, לעקוב אחרי תוצאות קשורות ולנחות את המשתמשים ישירות לרגעים שחשובים. נסיים בהצצה על איך נבנו שתי האפליקציות, מה עבד טוב, וכמה מהפרטים וההחלפות של כל גישה.