L’apprentissage automatique d’analyse comparative avec mlcommons avec Peter Mattson

Aujourd’hui, nous sommes rejoints par Peter Mattson, président de MLCommons et ingénieur du personnel chez Google.

Dans notre conversation avec Peter, nous discutons MLCommons et MLPerf, le premier un groupe d’ingénierie ouverte dans le but d’accélérer l’innovation d’apprentissage automatique, et le second un ensemble de références de vitesse d’apprentissage automatique standardisées utilisées pour mesurer des choses comme la vitesse de formation du modèle, la vitesse de débit pour l’inférence.

Nous explorons l’utilisateur cible pour les repères MLPERF, la nécessité de repères dans les ensembles de données d’éthique, de biais, d’équité et de la façon dont ils s’approchent de cela à travers les ensembles de données « discours des gens ». Nous parcourons également les meilleures pratiques MLCommons pour mettre un modèle en production, pourquoi c’est si difficile et comment MLCUBE peut rendre le processus plus facile pour les chercheurs et les développeurs.