CodeFest 2019. Роман Неволин (Revolut) — Machine Learning via .NET

— Что такое в целом ML — что изменилось за последние несколько лет и краткое объяснение общих терминов.
— Облачные и локальные варианты работы с ML — различия, преимущества и недостатки.
— Облачные решения — какие есть, в чем разница, демо простых задач решаемых с помощью cognitive services, обучаемые облачные сервисы (custom vision, etc).
— Простые задачи вне облака — краткий обзор Accord.NET, демо.
— Локальные решения — обзор CNTK, TensorFlow, ML.NET. В чём различия, что и для каких задач применять, краткое демо каждого из сервисов.
— Как устроен ML.NET — небольшой разбор исходников, пара слов о будущем проекта.
— Общий обзор — что мы в итоге имеем, какие решения лучше в конкретных ситуациях.

Transcript

1. Machine Learning via .NET Roman Nevolin, Revolut
9. Но сегодня немного не об этом
11. Суровая реальность • Задача программистов - решать проблемы бизнеса средствами программирования
12. Суровая реальность • Задача программистов - решать проблемы бизнеса средствами программирования • Временами проблемы бизнеса решает только ML
13. Суровая реальность • Задача программистов - решать проблемы бизнеса средствами программирования • Временами проблемы бизнеса решает только ML • Временами бизнесу угодно, чтобы это делал именно ты именно на .NET
14. Суровая реальность • … нам нужно распознавать речь
15. Суровая реальность • … нам нужно распознавать речь • … нам нужно понять, довольны ли пользователи
16. Суровая реальность • … нам нужно распознавать речь • … нам нужно понять, довольны ли пользователи • … нам нужно выделить из текста интересные факты
17. Суровая реальность • … нам нужно распознавать речь • … нам нужно понять, довольны ли пользователи • … нам нужно выделить из текста интересные факты • … нам нужно проверить, не забыл ли хирург инструмент в пациенте
23. И все это не для вас, господа .NET разработчики!
28. Промежуточные итоги • На дотнете есть кое-какие инструменты для решения задач ML
29. Промежуточные итоги • На дотнете есть кое-какие инструменты для решения задач ML • Временами бизнес подкидывает задачи, для которых требуется пообучать машины
30. Промежуточные итоги • На дотнете есть кое-какие инструменты для решения задач ML • Временами бизнес подкидывает задачи, для которых требуется пообучать машины • … представим, что у нас есть задача и нет ничего, кроме дотнета
32. Демо: быстро учим наш продукт узнавать картинки
34. Но… • … но облако хочет от нас денег, всегда и много
35. Но… • … но облако хочет от нас денег, всегда и много • … но облако - это не всегда надежно
36. Но… • … но облако хочет от нас денег, всегда и много • … но облако - это не всегда надежно • … но облако решает только некоторый набор популярных задач
37. Но… • … но облако хочет от нас денег, всегда и много • … но облако - это не всегда надежно • … но облако решает только некоторый набор популярных задач • … но облако не шибко-то пообучаешь
38. А хорошо бы так сделать, чтобы и не обучать ничего, и с нейросетями не разбираться, и машинлернинг поюзать…
41. https://github.com/migueldeicaza/TensorFlowSharp
42. https://github.com/tensorflow/models
43. Нас обманули! 
 Где кровь, кишки и нейросети?
46. https://github.com/SciSharp/TensorFlow.NET
47. А что это вообще такое, машинное обучение?
49. https://vas3k.ru/blog/machine_learning/
57. Демо: используем простые алгоритмы
63. Демо: CNTK во славу распознавания
64. https://github.com/dotnet/machinelearning/blob/master/ROADMAP.md
65. Итого: • На .NET можно делать машинное обучение. И вполне-таки прилично; • Решать проблемы ML можно с разным уровнем погружения, в зависимости от задач и возможностей; • ML - это сложно, но от этой сложности можно абстрагироваться.
66. @nevoroman Роман Неволин Software Engineer Revolut Вопросы? nevoroman nevoroman@gmail.com