NVidia Deep Learning Institute: egész napos workshop (Fundamentals of Computer Vision)
2018. április 16-án sikeresen megrendeztük az első egész napos NVidia Deep Learning Institute (röviden DLI) workshopot. A workshop témája a deep learning alapú gépi látás volt. A nap végére a résztvevők nemcsak megismerték a kép- és objektumfelismerés technikáját deep learning alapokon, hanem a hálózatok futtatásának és a pontosság javításának is elsajátíthatták a legfőbb gondolatait. A workshopra öt magyarországi egyetemről jöttek résztvevők.
Az NVIDIA Deep Learning Institute célkitűzése, hogy segítséget nyújtson a mérnököknek, adattudósoknak és fejlesztőknek, hogy a szakterületük kihívásait AI és deep learning segítségével minden korábbinál nagyobb hatékonysággal tudják megoldani.
Az egész napos workshopot reggel 9-kor kezdtük. Először Dr. Magyar Gábor, a Távközlési és Médiainformatikai Tanszék vezetője köszöntötte a hallgatóságot, majd ezt követően a deep learning paradigma alapgondolatait ismertettük.
A deep learning paradigmán alapuló mély neurális hálózatok a mesterséges intelligencia és a gépi tanulás talán legnagyobb potenciállal kecsegtető ága. A deep learning rendszerekben az adatokból a jellemző tanulás és ezek modellezése egy lépésben, egymással összhangban történik bonyolult, akár több száz réteges struktúrákban. Ennek köszönhetően sok esetben minden korábbi módszernél nagyobb pontosságot, vagy akár teljesen új, jövőbemutató, rendkívül látványos eredményeket lehet elérni.
A mély tanulás legfőbb gondolatainak megismerése után rátértünk a deep learning alapú gépi látásra. A hallgatóság már 10:00-ra túl volt az első mély neurális hálózat betanításán! Ezután egyre inkább megismerve a részleteket az NVidia DIGITS eszközével klasszikus konvolúciós neurális hálózatot tanítottunk és teszteltünk képfelismerési célokra, majd rátértünk a mély neurális hálózatok futtatására (deployment). A betanított modellt fájlba exportáltuk és a Caffee mély tanuló keretrendszer segítségével futtattuk.
Délben fújtunk egy nagyot és pizzával pótoltuk az “elégetett energiát”, majd az egy órás ebédszünetet követően a mély hálók előrejelzési pontosságának javítását tűztük ki célul. A délután második felében a korábban képfelismerésre betanított hálókat először programozással, majd elméleti megfontolás alapján úgy módosítottuk, hogy objektum felismerésre is alkalmasak legyenek (az objektum felismerés annyit jelent, hogy az algoritmus megjelöli, hogy hol és milyen objektumok találhatóak a képen).
Az utolsó egy órában a hallgatók “vizsgázhattak” a nap során tanultakból, mely sikeres teljesítése esetén az NVidia egy PDF alapú névre szóló certifikátot generált on-line. Bár felmérést nem készítettünk, de benyomásunk alapján a csapat több mint 90% sikeresen teljesítette a megmérettetést!
A workshopot Dr. Gyires-Tóth Bálint vezette és Hajgató Gergely, deep learning-es PhD hallgató segítette a résztvevők munkáját.
A kezdő szintű workshopot előzetes deep learning ismeretek nélkül is sikeresen el lehetett végezni. A résztvevők saját laptopokon dolgoztak böngészőn keresztül az NVidia Cloud-ban.
A workshopnak az EIT Digital adott helyet a budapesti EIT Digital Co-Location Center-ben, illetve a kiváló helyszínen túl kávéval és sós/édes aprósüteményekkel segítették a résztvevők minél hatékonyabb munkáját. Ezúton is köszönjük az EIT Digital közreműködését és segítségét!
Az esemény az alábbi szervezetek támogatásával jött létre:
Nem tudtál eljönni? Lemaradtál?
A jövőben különböző témákkal (pl. Image classification, segmentation, object detection; Neural Network Deployment with DIGITS and TensorRT; Identifying Whale Sounds with Audio Classification; Modeling Time Series Data with Recurrent Neural Networks in Keras; Trading Strategy for Finance using LSTMs; Algorithmic Trading using Deep Autoencoder based Statistical Arbitrage; Radiomics — 1p19q Chromosome Status Classification; Word Generation with TensorFlow; Deep Reinforcement Learning Agents on Atari 2600 Games with TensorFlow) további 2 órás DLI Online Lab Meetup-okat és egész napos DLI Workshop-okat fogunk szervezni.
Minden közelgő eseményt az alábbi felületen hirdetünk meg:
