Cognitive Computing and BSC: Strategic Positioning View

2017-08-08T22:49:08+00:00 March 13th, 2016|

  from: BSC -CNS Newsletter Issue 12: March 2016 (PDF version, 2.8Mb) We are entering into an extremely exciting period for interdisciplinary research, where ecosystems like the ones found at BSC, will evolve to cope with new challenges. Cognitive Computing, the next big thing in Big Data, represents a great opportunity for each and every one of us at the Barcelona Supercomputing Center. We are now at a turning point in the history of computing. Throughout its short history, computing has undergone a number of profound changes which can be thought of as waves. In its first wave, computing made numbers computable. The second wave made text and rich media computable and digitally accessible. We are now experiencing a third wave that will also make context computable. This will [...]

Distributed TensorFlow Has Arrived

2017-08-08T22:49:19+00:00 March 13th, 2016|

The landscape of Deep Learning was impacted in November, 2015, with the release of Google's TensorFlow, what is now the most popular open source machine learning library on Github by a wide margin. Some researchers showed their dissatisfaction with the project because the lack of distributed training capabilities (because such capabilities were directly alluded to in the accompanying whitepaper's title). However, the distributed TensorFlow has arrived, few week ago [*] Google announced an update to its deep learning library and TensorFlow now supports distributed training. The distributed version of TensorFlow is supported by gRPC, which is a high performance, open source RPC framework for inter-process communication (the same protocol used by TensorFlow Serving). Remember that the second most-starred machine learning project of Github is Scikit-learn, the de [...]

Google launched TensorFlow Serving

2017-08-09T12:13:22+00:00 February 18th, 2016|

Google launched TensorFlow Serving, that helps developers to take their TensorFlow machine learning models (and, even so, can be extended to serve other types of models) into production.  TensorFlow Serving is an open source serving system (written in C++) now available on GitHub under the Apache 2.0 license. What is the difference between TensorFlow and TensorFlow Serving?  While in TensorFlow is easier for the developers to build machine learning algorithms and train them for certain types of data inputs, TensorFlow Serving specializes in making these models usable in production environments.  The idea is that developers train their models using TensorFlow and then they use TensorFlow Serving’s APIs to react to input from a client. This allows developers to experiment with different models in a large scale that change over time based on real-world data, and maintain a [...]

INTERVIEW ABOUT MY NEW BOOK: Q & A (UPDATED)

2017-08-09T12:13:57+00:00 February 8th, 2016|

You recently published a book called “First Contact with TensorFlow”. First of all, why this book is freely available on-line? I hope this book adds some value to this world of education that I love so much. I think that knowledge is liberation and should be accessible to all. For this reason, the content of this book will be available on this website completely free.  Of course, if the reader prefers to opt for a paper copy, you can purchase the book through Amazon or Lulu portals. What is your book about? As the title indicates, it is a first contact with TensorFlow , to get started with Deep Learning programming.  A few months ago, Google offered to the community, as an open source, its  Machine Learning engine (with name TensorFlow) that can be used [...]

Deep Learning a l’abast de tothom

2017-08-09T12:14:20+00:00 January 22nd, 2016|

Fotos del evento en este link A l’edició anual del World Economic Forum s’acaba de parlar de la quarta revolució industrial, marcada per avenços tecnològics com el Deep Learning, que ens canviarà la manera de viure, treballar, i fins i tot pensar. Però, què és el Deep Learning? El grup d'estudi de Machine Learning de Barcelona organitza un meetup el proper dilluns, 1 de febrer a les 19.00 h a la sala d’actes de la FIB  A5001 de l'edifici A5 del Campus Nord de la UPC. Sarà una jornada amb la presentació de la sessió per Aleix Ruiz de Villa, director de Data Science de La Vanguardia i expert en Machine Learning. A continuació tindrem la conferència “Life after Deep”, sobre com ha canviat l'escena de l'aprenentatge automàtic des [...]

Nuevo libro de TensorFlow

2017-08-09T12:14:24+00:00 January 20th, 2016|

Se acaba de publicar el libro “HELLO WORLD EN TENSORFLOW para iniciarse en la programación del Deep Learning" (link al libro)  ya disponible a través del portal  Amazon.es (link) y próximamente también estará disponible en el de amazon.com.   También estará abierto y disponible su contenido en esta web  para ser consultado, a partir de su presentación el próximo lunes 1 de febrero (link a la presentación).   ¡Están todos invitados a la presentación! en la presentación habrá algunos ejemplares en papel para aquellos que estén interesados y una copa de cava al final para todos los que nos acompañen.   Además se ha programado una sesión práctica en el curso Big Data Analytics dentro del PRACE Advanced Training Centre el próximo dia 10/febrero (hace falta inscripción para la asistencia).        

Breve introducción práctica al Deep Learning con Tensorflow

2017-08-09T12:14:39+00:00 December 8th, 2015|

ACTUALIDAD: Nuevo libro sobre TensorFlow con el título  “HELLO WORLD EN TENSORFLOW para iniciarse en la programación del Deep Learning”, estará disponible para consultar en esta web a partir de su presentación el próximo lunes 1 de febrero. ¡Están todos invitados a la presentación! Versión en papel ya disponible en el portal lulu.com (y próximamente en el de amazon.com) y algunos ejemplares se podrán adquirir en la presentación. NOTA: La información contenida en esta  recopilación de les 8 post sobre TensorFlow  se ha actualizado y ampliado completamente en este nuevo libro.  A continuación tienen la recopilación de los 8 posts en este blog en el que he presentado una breve introducción práctica al paquete para programar Deep Learning llamado TensorFlow para aportar mi granito de arena en construir un punto de encuentro entre los Data Scientist, Data Engineers [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 8 ( y última)

2017-08-09T12:15:13+00:00 December 6th, 2015|

  Hoy, en esta octava entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera,  segunda , tercera, cuarta, quinta, sexta, séptima) finalizo con esta serie de posts. Hoy, para acabar, añadiré una breve reflexión sobre la necesidad que al lado de cualquier científico de datos (Data Scientist) se requiere un buen ingeniero de computadores (Computer Engineer) y otro ingeniero de datos (Data Enginyeer), en todo este proceso de extracción de valor del Big Data mediante analíticas avanzadas. 18. Frameworks Big Data Hasta aquí hemos hablado de las herramientas de analítica avanzada, poniendo un ejemplo de código en TensorFlow. Sin duda son herramientas fundamentales y la clave de la nueva era de computación que se avecina: Computación Cognitiva (o Cognitive Computing). Pero como ya hemos dejado claro, sin unos sistemas de computación de altas prestaciones que permitan [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 7

2017-08-09T12:15:15+00:00 December 3rd, 2015|

  Hoy, en esta séptima entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega, cuarta entrega, quinta entrega, sexta entrega) vamos a presentar como puede implementar el modelo softmax en TensorFlow. Nuestro objetivo en esta entrega no es crear un modelo muy elaborado con un alto grado de acierto, sino uno simple que nos permita entender conceptualmente el uso de TensorFlow. 14- Implementación del modelo softmax en TensorFlow Después de esta visión rápida de la teoría estamos ya en disposición de ponernos a avanzar con la creación del modelo de detección de dígitos usando TensorFlow desde Python. Para ello lo primero es importar la librería: import tensorflow tf A partir de este momento podemos empezar a especificar como será nuestro modelo. En realidad Tensorflow nos permite en lenguaje Python describir las operaciones que queremos [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 5

2017-08-09T12:15:23+00:00 November 26th, 2015|

  Hoy, en esta quinta entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega, cuarta entrega) vamos una nociones mínimas sobre redes neuronales y introducir el modelo sencillo que vamos a usar en este tutorial. Recordemos un poco el propósito de este tutorial: ser capaces de comprender un ejemplo concreto y sencillo para learn by doing de manera gradual e incremental. 9- Mi primera red neuronal Como ya avanzamos al principio, en este tutorial  consideraremos como modelo una red neuronal (neural network) sencilla que dados unos valores de entrada  retorna una salida, en nuestro caso la clasificación de las imágenes de los dígitos. Como veremos esta red neuronal tiene otros parámetros, conocidos como pesos (weights) and sesgos (biases). Aprender un modelo de red neuronal conlleva el ajuste [...]

Introducción práctica al Deep Learning con TensorFlow de Google – parte 4

2017-08-09T12:15:23+00:00 November 25th, 2015|

  Hoy, en esta cuarta entrega de la introducción práctica al Deep Learning con TensorFlow de Google (primera entrega,  segunda entrega, tercera entrega) presentaremos en detalle uno de los datasets que presentamos en la tercera entrega y que usaremos en este primera parte del tutorial para crear nuestra primera red neuronal.   7- Dataset MNIST Una de las aplicaciones habituales de Deep Learning incluyen reconocimiento de patrones. Por ello, de la misma manera que cuando uno empieza a programar existe la tradición de empezar por un print "Hello World", en Deep Learning se crea un modelo de reconocimiento de números escritos a mano. Se usa habitualmente el conjunto de imágenes de dígitos hechos a mano contenidos en el dataset MNIST  comentado en la anterior entrega. Recordemos que cada imagen es del siguiente estilo: Además para cada imagen se incluye una [...]