TEKNOLOJİ ŞİRKETLERİ
YÖNETİM DANIŞMANLIĞI VE EĞİTİM
HİZMETLERİ
TEKNOLOJİ TABANLI
GİRİŞİMCİLER İÇİN İŞ GELİŞTİRME
MENTORLÜĞÜ
SATIŞ EKİBİ
KURULUM & SAHA
YÖNETİMİ
SANAYİDE
YAZILIM & TEKNOLOJİ
SEÇİMİ
TEKNOLOJİ TRANSFER
OFİSLERİ & TEKNOPARKLAR İÇİN
İŞ GELİŞTİRME
YATIRIMCI
BULMA & DEVLET
DESTEKLERİ
YAZILIM-BİLİŞİM
SEKTÖRÜNDE SATIŞ PAZARLAMA
& İŞ GELİŞTİRME
KARİYER
PLANLAMA &
İÇ GİRİŞİMCİLİK
KEY OF CHANGE

Amazon ve Microsoft yeni işbirliği

Amazon ve Microsoft yeni işbirliği, Gluon tanıtıldı. Amazon Web Services ve Microsoft, geliştiricilerin performanstan ödün vermeden daha kolay ve hızlı bir şekilde machine learning öğrenim modelleri oluşturmalarını sağlayan yeni, açık kaynaklı deep learning arabirimi Gluon’u tanıttı.

Amazon ve Microsoft işbirliği!

Gluon, machine learning (makine öğrenimi) modellerini tanımlamak için önceden oluşturulmuş bir dizi optimize bileşenini kullanarak kısa ve anlaşılır bir API sağlıyor. Makine öğrenimi modelleri diğer tüm veri yapıları gibi tanımlanıp manipüle edilebildiğinden, geleneksel koda benzeyen bu arayüz makine öğrenimine yeni başlayan geliştiricilere daha tanıdık gelecek. Daha deneyimli veri bilimcileri ve araştırmacılar içinse, hızdan ödün vermeden hızlı prototip oluşturma ve en son model mimariler için dinamik grafiklerinden yararlanma becerileri büyük kolaylık sağlayacak.

Gluon dört önemli yeniliği beraberinde getiriyor;

Kolay API: Gluon ağları basit, kısa ve anlaşılır bir kod kullanılarak tanımlanabiliyor. Geliştiricilerin bunu öğrenmesi daha kolay ve bu işlem ağ tanımlamanın bazı daha geleneksel yollarından ve bunların ağırlıklı puanlama işlevlerinden çok daha kolay anlaşılıyor.

Dinamik ağlar: Gluon’daki ağ tanımı dinamiktir. Diğer herhangi bir veri yapısında olduğu gibi esnetilebiliyor. Eğitim sırasında bilgi işleme gücünü optimize etmek için derin öğrenme framework’ünün değiştirilemeyecek şekilde oluşturduğu daha bilindik, eski ve sembolik ağlara göre Gluon’un dinamik ağları daha işlevsel. Dinamik ağların yönetilmesi daha kolay. Gluon ile geliştiriciler, bu hızlı sembolik gösterimler ile daha basit ve tamamen dinamik ağ ve algoritma tanımları arasından seçim yaparak kolayca bir karışım oluşturabiliyorlar.

Algoritma, ağı tanımlayabiliyor: Model ve eğitim algoritması birbirine daha çok yakınlaşıyor. Ayrı tanımlar yerine algoritma, tanım ve eğitim sırasında ağın dinamik bir şekilde ayarlanmasını sağlıyor.

Eğitim için yüksek performanslı işlemciler: Eğitim hızından ödün vermeden basit, anlaşılır API ve dinamik grafikler oluşturmayı mümkün kılıyor. Bu, makine öğrenimi yolunda atılmış dev bir adım olarak tanımlanıyor.



site design & technology
SLC Web Mühendisliği
www.slc.com.tr