Отчет со встречи GDG Kharkiv-Center

Отчет со встречи GDG Kharkiv-Center
В DataArt Kharkiv провели очередную встречу GDG Kharkiv-Center, говорили про GDD Extended, All around Machine Learning, Android Architecture Components.

Константин Марс из DataArt Dnipro на GDG Kharkiv-Center Meetup рассказал о принципах построения архитектуры мобильных приложений и новой библиотеке от Google — Architecture Components, призванной стандартизовать и ускорить реализацию «правильной архитектуры».

Он затронул SOLID, Clean Architecture, применение Dependency Injection / Dagger, Functional Reactive Programming / RxJava, альтернативные инструменты построения архитектуры (Moxy, Mosby и Android MVP Helper).

В Architecture Components недавно добавились компоненты автоматизированного управления списками Paging, что делает работу с большими источниками данных еще быстрее и проще.
Особо отметим, что Architecture Components совсем недавно (в конце сентября) перешагнули из Alpha в Beta release, и теперь их применение возможно из обновленной Support Library, а архитекторы Google обещают меньше радикальных перемен в библиотеке.

Презентация: www.slideshare.net.

Доклад Оксаны Савенко (студентка ХНУ имени В.Н. Каразина) был посвящен Machine Learning. Слушатели узнали, что среди основных сфер применения машинного обучения задачи прогнозирования и классификации, диагностики и выявления аномалий, распознавания объектов, текста, создание рекомендательных систем.

Презентация: www.slideshare.net.

Google очень активно развивает ML (machine learning) подразделения. Компания использует машинное обучения в продуктах, предоставляет средства для разработки и интеграции нейронных сетей. Первым стал open-source-фреймворк TensorFlow. Сначала TF располагал только Python API, сейчас же этот ряд пополнили C++, Java, Haskell и Go.

Оксана подробнее остановилась на сервисе от Google — Google Cloud Machine Learning Engine и ML APIs. ML Engine предоставляет облачные хранилища, мощные сервера для хранения и обучения TensorFlow моделей, кроме того, движок напичкан полезными сервисами, вроде Dataflow для доступа к данным из Cloud и BigQuery, HyperTune для автоматической настройки модели, TensorBoard и другие. Управлять можно через графический интерфейс, облачную консоль (Cloud Shell) или локальный google-cloud-sdk. Использование ML Engine платно.
Machine Learning APIs — наборы уже готовых классов, процедур и функций от Google для разработчиков, не заинтересованных в написании собственных нейросетей, но охотно ими пользующихся. Все эти API еще находятся на стадии бета-тестирования.

Фото: www.flickr.com