Welcome to the Google Cloud Platform (GCP) YouTube channel ☁️

[음악 재생] 연사 : Google Cloud Platform YouTube 채널에 오신 것을 환영합니다 우리의 목표는 건물에 대해 알고있는 모든 것을 공유하는 것입니다

나와 함께 애플리케이션 관리, 개발자 도구에서 데이터 및 분석에 이르기까지, 보안 인프라에서 인공 지능으로 최신 정보를 받기 위해 구독하십시오 업계와 GCP에서 [음악 재생]

How machine learning helps identify potholes on Los Angeles roads

알레한드라 바스케스: 안녕하세요, 저는 알레한드라에요 에릭손 에르난데스: 저는 에릭손입니다 알레한드라 바스케스: 저희는 머신러닝을 활용해 LA 도로의 움푹 팬 곳 즉, 포트홀을 찾아내고 있어요 에릭손 에르난데스: LA에 있는 국도와 고속도로는 길이가 11,900km가 넘어요 알레한드라 바스케스: 도로가 이렇게 많은 만큼 수리해야 할 부분도 많죠 에릭손 에르난데스: 지금은 건설 노동자들이 도로에 위험한 포트홀이나 균열이 있는지 일일이 검사하거나 사람들의 신고에 의존해야 하는데 그러려면 시간이 많이 걸리죠 알레한드라 바스케스: 로욜라 메리마운트 대학에서 공부하면서 저희는 LA 전역에 걸쳐 도로 위 포트홀을 더 빠르게 찾아내는 방법을 연구하기 시작했어요 에릭손 에르난데스: 우선 데이터가 필요했죠 그래서 자동차에 카메라를 달고 돌아다니면서 여러 국도와 고속도로를 촬영했어요 알레한드라 바스케스: 그런 다음 Google의 오픈소스 머신러닝 도구인 TensorFlow를 사용해 도로 위 포트홀이나 균열 혹은 다른 이상을 아주 빠르고 정확하게 파악하는 모델을 개발했어요 따라서 작업자들이 포트홀을 찾는 데 드는 시간을 줄이고 포트홀을 수리하는 데 집중할 수 있어요

Cloud OnAir: Introducing AI Hub, the one-stop catalog for everything AI

[음악 재생] TIEP PIEPER : 클라우드 OnAir에 오신 것을 환영합니다 Google Cloud에서 웹 세미나를 생방송하십시오

매주 화요일마다 웨비나를 개최합니다 내 이름은 Till Pieper입니다 그리고 오늘 저는 AI 허브에 대해 이야기 할 것입니다 플랫폼에서 언제든지 질문 할 수 있습니다 Google 직원이 대기 상태가되면 답변을 얻을 수 있습니다

시작하자 AI Hub는 불과 며칠 전에 발표되었습니다 모든 AI에 대한 원 스톱 카탈로그입니다 그리고 내가 말했듯이 내 이름은 틸 피퍼 (Till Pieper) 다 Cloud AI 플랫폼의 제품 관리자입니다

클라우드 AI 내 Google 팀 그리고 저는 AI 허브 전용 제품 관리자입니다 의제를 살펴보고 간단한 소개로 시작하겠습니다 제품에 넣으십시오 Cloud AI 및 플랫폼 전략에 대해 간략하게 설명하겠습니다 그런 다음 Kubeflow Pipelines, AI Hub로 이동합니다

우리가 최근에 발표 한 두 가지 신제품 그리고 우리는 AI 허브에 깊이 잠수합니다 당신을위한 로드맵과 단서로 끝내십시오 이 제품과 관련하여 어떻게 참여할 수 있는지 따라서 클라우드 AI에서 추구하는 더 큰 사명 AI를 간단하고, 빠르고, 유용하게 만들고 싶다는 것입니다

특히, 우리는 이것을 추구하고 있습니다 Google의 Cloud AI에서 세 가지 영역에서 한편으로, 우리는 빌딩 블록을 가지고 있습니다 (transcription)과 같은 기계 학습 API (machine learning API) 번역을 위해 객체 감지를 위해 준비된 API 상자에서 사용할 수있는 Google 데이터를 사용하여 교육을 받았습니다 그리고 그것들을 API로 사용할 수 있습니다 또한 AutoML, 이는 자신의 데이터를 활용하고 훈련 할 수 있습니다

그런 다음 솔루션, 엔드 투 엔드 솔루션 특정 업종의 경우 특정 업종의 경우 마지막으로 중요한 것은 어디에서 나는 플랫폼에서 어디서 우리가 [? 사용할 수 있습니까?] 맞춤식 기계 학습, 솔루션 둘러싼 구축, 우리의 인프라 및 하이브리드 환경에서, 잠시 후에 배우게 될 것입니다 비슷한 견해 – 같은 주제에 대한 다른 견해, 그래서 우리는 전략의 스택 계층입니다 BigQuery 및 GCP와 같은 데이터 분석으로 시작합니다 우리는 그 위에 AI 플랫폼을 가지고 있습니다 이는 사용자 정의 ML, 전적으로 사용자 정의 ML을 수행 할 수있게합니다

우리는 빌딩 블록, 빌딩 그래서 당신은 위대한 것들에 피기 백 할 수 있습니다 Google에서 Google이 제작 한 또한 엔드 투 엔드 솔루션을 보유하고 있습니다 이는 G Suite의 최종 사용자와 결합됩니다 GCP에는 다양한 개발자가 있습니다 Firebase, Android에서

우리는 세계 최고의 데이터 과학 커뮤니티 인 Kaggle을 보유하고 있습니다 그리고 우리는 전 세계에 걸쳐 GCP를 둘러싼 그들의 기업 이제 Cloud AI 플랫폼에 대해 자세히 살펴보고, 우리는 대규모 기계 학습을 가능하게합니다 그리고 우리는 당신을 더 쉽게 만들려고 노력하고 있습니다 우리가하는 방식은 다양한 프레임 워크를 지원하는 것입니다

그냥 TensorFlow뿐만 아니라 Scikit Learn, XGBoost 등 우리는 당신이 쉽게 자원을 관리 할 수있게 해줍니다 CPU, GPU, AI에서 AI를 통해 그게 뭔가 있기 때문에 규모의 TPUs 방법 우리는 대개 잘합니다 우리는 Kubeflow 덕분에 유연한 배치가 가능합니다 AI를 전제로 배포 할 수있는 곳 뿐만 아니라 하이브리드 환경에서, GCP에 전적으로 의존합니다

이제는 두 가지 새로운 점이 있습니다 또한 Kubeflow 덕분에 재사용 가능한 파이프 라인입니다 AI Hub에 대해 더 자세히 설명하겠습니다 오늘 당신이 탐험하고 사용할 수있게 해줍니다 기존 모델을 처음부터 다시 시작할 필요가 없습니다

그래서이 두 가지 문제를 해결하기 위해 제품은 우리가 업계에서 알고있는 것입니다 인공 지능 전문 지식이 부족합니다 따라서 최첨단 데이터를 잘 아는 재능이 너무 적습니다 AI의 과학 그리고 이것은 많은 기업들이 규모를 조정하지 못하게합니다

그들의 AI 구현 둘째, 고도로 숙련 된 사람들이 필요하다는 것뿐만 아니라, 그러나 당신은 또한 상당한 노력을 다시해야합니다 그리고 다시 프로덕션 환경에서 AI를 배포하려는 경우, 당신은 종종 같은 성가신 단계를 거쳐야합니다 인프라 구축에있어서, 유지 관리가 가능하고 매번 유사한 유스 케이스에 유사한 유스 케이스를 배치하더라도 AI는 마찬가지입니다

세 번째 요점은 우리가 많은 기업들이 투쟁하고 있다는 것을 알아 냈습니다 기존 구성 요소 발견 및 재사용 조직의 다른 사람들이 구축 한 것입니다 다시 말하지만, 이것은 많은 경우에 노력의 응용 사람들은 같은 일을 계속해서 반복해서 시작합니다 그리고 마지막으로 중요한 것은 많은 고객들 완전히 클라우드가 활성화되지 않았습니다

그리고 그들은 계속해서 사내 설치에 의존 할 것입니다 꽤 오랫동안 따라서 AI 인프라를 지원해야 할 필요성이 있음을 알 수 있습니다 클라우드뿐만 아니라 하이브리드 또는 전제에서도 실행됩니다 이제 허브에 대해 말하면 허브 모든 AI를위한 장소, Google이 실험에서부터 생산까지 모든 단계에서 사용할 수 있습니다

그리고 이것은 오늘날 우리가 – 아마도 2 천만 명이 넘는 개발자가 있지만 불과 수십 만 명 수천 가지의 데이터 과학 및 심층 연구 연구원 및 전문가를 배우기 AI가 중요한 도구라고 생각한다면 미래에 대기업을 운영하려면, 우리는 이러한 리소스를 확장해야합니다 우리는 이러한 자원을보다 강력하게 만들어야합니다 그리고 그것이 우리의 사명입니다 그렇다면 이처럼 부족한 자원을 어떻게 만들 수 있습니까? 10 배 더 충격적입니까? 데이터 과학자뿐만 아니라 ML 엔지니어, 개발자, 데이터 과학자, 비즈니스 분석가 및 최종 사용자 그것들은 인공 지능을 사용합니다

그리고 우리는 세 가지 솔루션을 개발했습니다 이 문제는 앞서 논의한 문제를 해결합니다 우리는 Kubeflow로 시작하고 있습니다 간단히 말해 파이프 라인도 마찬가지입니다 그리고 나서 우리는 잠시 허브에 깊이 파고들 것입니다

Kubeflow는 주목할만한대로 꽤 오래 전에 발표되었습니다 AI 기반을 실행할 수있게 해주는 프레임 워크입니다 Kubernetes 인프라 따라서 최상위 프레임 워크를 사용하여 ML 작업 부하를 실행할 수 있습니다 pytorch, caffe, TensorFlow, 분명히, xgboost처럼, Kubernetes 기반 인프라 그것은 GKE의 클라우드에있을 수 있습니다

또한 사내 구축 환경에있을 수도 있습니다 그리고 Kubernetes는 다음을 처리합니다 인프라 작업을 많이해야합니다 의존성과 자원을 관리하며, 등등 그리고 추상화 레이어를 추가하기 때문에 Kubernetes를 통해, 당신은 그것을 배포 할 수 있습니다, 내가 말했듯이, 클라우드 및 온 – 프레미스에서 고객이있는 곳 어디에서나 고객을 만나고 있습니다

둘째, 이제 이것이 새로운 발표입니다 AI Hub와 함께했던 것입니다 추가 기능인 Kubeflow Pipelines입니다 이제는 포괄적 인 작업대와 함께 제공되는 Kubeflow 구성, 배포 및 관리 할 수있는 아무리 복잡해도 엔드 – 투 – 엔드 ML 워크 플로우를 구현할 수 있습니다 따라서 우리는 ML 워크 플로우를 패키지 할 수있게 만드는 것입니다

그래서 당신은 그들을 결합 할 수 있습니다, 여러 단계 하나의 파이프 라인에이 파이프 라인을 하나의 패키지에 담아서, Kubeflow 클러스터에서 쉽게 배포 할 수 있습니다 또한, 신속한 실험을 가능하게합니다 능력, 그리고 위대한 것들 바이어스 검출과 같이 TFX와 함께 제공됩니다 물론 오픈 소스이기도하고 하이브리드를 지원합니다 클라우드 배포뿐 아니라 뒤에 오는 세션에서 그것에 대해 더 많이 알게 될 것입니다

바로 그 후, 그래서 나는 그것을 간략하게 이야기 할 것이다 Kubeflow 파이프 라인에 대한 또 하나의 요점은, ML 전문가가 매우 유사한, ML 전문가가 추천 시스템을 구축해야한다고 가정 해 보겠습니다 세 가지 시나리오 그리고 각 단계마다 90 %의 노력을 반복해야했습니다

그리고 Kubeflow 파이프 라인 덕분에, 당신은 오직 하나, 일반 추천 파이프 라인을 구축, 소매업자를 위해 가정 해 봅시다 그런 다음 다양한 제품 범주에 대해 매개 변수를 조정하고 배포 할 수 있습니다 훨씬 더 빨리, 감사합니다 Kubeflow Pipelines가 가능하게하는이 패키지 식 접근 방식 내가 말했듯이,이 세션 직후에는 깊은 잠수가있을 것입니다

그래서 파이프 라인에 관심이 있다면, ML 패키지 방법에 대해 더 배우기 워크 플로우를 포괄적 인 방법으로 이 세션이 끝나면 바로 세션에 대해 계속 조정하십시오 이제 AI 허브로 이동합니다 나는 이것이 Google의 원 스톱 인공 지능 카탈로그라고 언급했다 우리는 당신에게 포털을 제공하고자합니다 포괄적 인 플러그 앤 플레이 파이프 라인을 찾는 방법 우리가 만든 기타 콘텐츠 우리의 파트너 및 다른 누구와 마찬가지로

우리는 엔터프라이즈 급 공유를 지원합니다 따라서 아이디어는 데이터 과학자와 엔지니어가 조직 내에서 AI 자산을 공유 할 수 있습니다 우리는 이것이 투쟁이라는 것을 알고 있기 때문에 그렇게합니다 직원이 [INAUDIBLE]입니다 사람들은 AI에서 전에 다른 사람들이 한 일을 모릅니다

다시 말하지만, 엄청난 복잡성이 있습니다 AI 구현 그리고 이것은 우리가 다루고있는 것입니다 개인적으로 콘텐츠를 공유 할 수있게함으로써 귀하의 조직 내에서 마지막으로 빠른 배포가 가능합니다

주로 Kubeflow 파이프 라인을 통해 GCP 및 하이브리드에 대해, 그래서 당신이 원하는 파이프 라인이있을 때마다 허브에서 시험 사용해 보려면 배포 할 수 있습니다 GKE 또는 다른 Kubeflow 클러스터에서 매우 포괄적이고 빠른 방법으로, 그것을 테스트하고 몇 가지 매개 변수를 변경하십시오 그리고 나니 반가워요 그래서 저는 허브 (Hub)에서 말했던 것처럼 두 가지 영역이 있습니다 공개 및 비공개

공개 측은 Google에 의해 시딩됩니다 예를 들어, 우리는 AutoML을 가지고 있습니다 ML API, TPUs, Kaggle 콘텐츠, Cloud AI 플랫폼 솔루션 Google Research의 콘텐츠 ([INAUDIBLE] 콘텐츠)가 있습니다 허브에, 물론 DeepMind

또한 파트너는 허브에서 공유되는 콘텐츠를 파트너에게 제공 할 수 있습니다 또한이 비공개 도메인이 있습니다 우리가 AI를 공유하도록 지원하는 곳 조직과의 결과 및 다시 내부적으로 쉽게 전개 할 수 있도록함으로써 재사용 할 수 있습니다 데모 단계로 넘어 가기 직전 슬라이드가 몇 개 추가되었습니다 이 프리젠 테이션의 따라서 허브 및 Kubeflow 파이프 라인과 함께, 우리는 전체 AI 워크 플로를 지원합니다

따라서 우리는 AI 내의 트레이닝 피스뿐만 아니라, 지난 몇 년 동안 초점이었던, 하지만 지금은 실제로 전체 흐름을 데이터 수집에서 줄였습니다 데이터 분석 변환, 교육, 검증 또한, 우리는 모든 종류의 역할을 지원합니다 내가 전에 말했듯이 우리는 다른 개발 경로를 지원하고 있습니다

맞춤 ML만이 아니라 ML API 및 AutoML을 재사용 할 수 있습니다 네가 필요하다면 훌륭한 물건을 피기 백으로 [미숙 한] 수 있습니다 우리가 지은 것 우리는 어떤 종류의 프레임 워크, 구체적으로 TensorFlow, XGBoost, SKLearn, PyTorch 및 Keras가 있습니다 또한 다양한 범위를 지원합니다

의 콘텐츠를 Kubeflow 파이프 라인뿐만 아니라 허브 Colab, Kaggle Kernels, 등등 TF 모듈에 대해서는 나중에 자세히 설명하겠습니다 AI API와 같은 서비스, 심층적 인 학습용 VM 이미지, 가상 시스템을 매우 GCP 및 데이터 세트 및 기타 여러 유형에서 쉽게 사용할 수 있습니다 비즈니스에서 AI를 실행하는 데 필요한 모든 것 우리는 AI Hub와 Kubeflow 파이프 라인을 함께 믿습니다

실제로 조직에서 플라이휠을 촉발 할 것입니다 업계 전체적으로 훌륭한 콘텐츠 검색 및 발견 그것이 우리와 파트너에 의해 만들어졌습니다 그런 다음 GCP에 쉽게 배포 할 수 있습니다 또는 온 프레미스 (on-premise)를 매우 유연하게 처리 할 수 ​​있습니다 사용 사례별로 사용자 정의 할 수 있습니다

당신은 그들을 꼬집어 수 있습니다 물론 사용자 지정 파이프 라인을 만들 수도 있습니다 GCP 또는 다른 곳에서 프로덕션 환경에서 실행합니다 허브에 게시합니다 그런 다음 동료가 작업에 피기 백 할 수 있습니다

거기에서 계속됩니다 그리고 우리는 이것이 바로 정말로 네트워크와 같이 연료를 공급하기 위해 필요한 효과, 기업에서 AI의 채택 생각해 보면, 어느 정도의 비교 우리는 허브와 클라우드 AI와 함께 노력하고 있습니다 전체적으로 Play 스토어 또는 Android 생태계에 비해 우리가 제공하는 하드웨어로 시작할 때, 모바일 서비스가 위에 구축되면 안드로이드 운영 시스템 및 SDK를 비롯하여 Play 스토어를 제공합니다 이제 GCP 인프라를 구축했습니다

개발자 지원을 기반으로 GCP 서비스를 구축했습니다 GCP에 이제 ML 파이프 라인과 Kubeflow가 있습니다 ML 워크 플로 패키지 만 가능합니다 APK 또는 Android와 마찬가지로 앱에서도 동일한 기능을 사용할 수 있습니다

Android 휴대 전화 용 이제 AI 허브도 있습니다 새로운 장소, 또는 환경과 같은 곳입니다 다른 사람들이 만든 것은 무엇이든 찾으십시오 그리고 이것을 다시 세트로 사용하여 AI를 구축 할 수 있습니다

그래서 데모로 넘어가겠습니다 지금 당신이 바라는 것은 AI 허브입니다 그리고 당신이 여기에서 왼쪽에서 알아 차릴 것 인 첫번째 물건, 우리가 바로 지원하는 다양한 자산 유형이 있습니다 출발점에서 예를 들어 Kubeflow 파이프 라인이 있습니다

내가 여기서 더 깊이 파고 들자 그래서 우리는 일련의 샘플 파이프 라인을 가지고 있습니다 처음부터 바로 사용할 수 있습니다 그것을 스스로 시험해보십시오 예를 들어 여기 TFMA Taxi Cab 분류가 있습니다

관로 이것은 예이며 종단 간 예이며, 우리가 다른 TFX를 시도 할 수있게 해주는 엔드 – 투 – 엔드 파이프 라인 구성 요소를 포괄적 인 엔드 – 투 – 엔드 워크 플로우로 통합합니다 특히 TF 모델 분석을 수행 할 수 있습니다 TFX 기능을 기반으로합니다 택시 여행 데이터를 기반으로합니다

시카고시와 함께 설정합니다 포괄적 인 문서가 함께 제공됩니다 매우 쉬운 방법으로 시작할 수 있습니다 문제 해결 및 출력에 대해서도 이야기합니다 등등

그리고 지금 당신이 그것을 시험해보기로 결정했다면, 당신은 단지 클릭하고 다운로드 할 수 있습니다 그리고 여기 왼쪽 하단에서 볼 수 있습니다 TAR 파일을 다운로드하면 꽤 많은 설명이 포함되어 있습니다 실행을 가능하게하는 파이프 라인 이 파이프 라인은 Kubeflow에 있습니다 다시 한 번 조금 더 이야기하겠습니다

특히 다음 세션에서 하지만 이것이 전체 경험입니다 매우 초기 단계에 그리고 우리는 더 쉽게 만들기 위해 노력하고 있습니다 GKE에서이 파이프 라인을 바로 배포하는 것이 더 쉽습니다

그것보다 지금 그리고 다른 파이프 라인을 찾을 수도 있습니다 예를 들어, 여기서는 파이프 라인 PyTorch, 그 모델, 커스텀을 어떻게 훈련시킬 수 있는지 보여줍니다 모델을 선택합니다 이전과 비교하여 매우 간단한 파이프 라인입니다

이것은 엔드 투 엔드 파이프 라인이 아니지만 교육에 더 중점을 둡니다 그리고 분명히 우리는 Scikit Learn 또는 Spark에 대해서도 똑같이합니다 앞으로 다른 프레임 워크가 추가 될 것입니다 미리 만들어진이 구성 요소를 찾을 수 있습니다 재사용 할 필요없이 모든 것을 처음부터 다시 할 수 있습니다

간단히 돌아가서 다른 자산 유형을 보여 드리겠습니다 우리가 허브에 가지고있는 예를 들어, 우리는 노트북, 나는 이전에 언급했다 그래서 우리는 다양한 교육 컨텐츠를 보유하고 있습니다 연구 결과뿐 아니라 많은 경우에, 이것들은 – 예를 들어, TensorFlow 자습서가 있습니다 노트북에 관한 모든 것을 들여다 볼 수 있습니다

그리고 당신이 그것을 시험해보고 싶어하는 것처럼 느낀다면, 너는이 링크로 바로 여기에 뛰어 들다 Colab 노트북으로 이동하십시오 그리고이 튜토리얼을 끝내면됩니다 매우 쉽게 시작할 수 있습니다 다시 한번 우리는 다양한 노트북을 가지고 있습니다

우리 동료들 덕분에 처음부터 Seedbank, Google Research 팀 클라우드 AI 서비스도 있습니다 자연 언어, 비전, AutoML, 우리가 배포 한 다른 ML API는 그냥 – 사용자 정의 ML을 사용하여 빌드 할 필요가 없습니다 파이프 라인 또는 부분적으로 사용자 정의 ML 또한 Hub에있는 API를 활용할 수 있습니다

그리고 당신은 당신이 알고있는 것처럼 그들을 밖으로 시도하고 그들을 실행할 수 있습니다 그리고 마지막으로 중요한 것은, 내가 더 깊이 파고 싶은 것, 우리는 전체 TensorFlow 허브 저장소도 가지고 있습니다 따라서이 경우 TensorFlow 모듈 Google에서 미리 작성한 벡터이며 다른 연구 기관 그리고 우리는 그 (것)들을 너에게 이용할 수있게한다 전송 학습에 사용할 수 있도록 훈련에 훨씬 더 빨리 경험할 수있다

벡터에 기반한 자신의 모델 우리가 제공하는 것 그리고 나는 그들 중 한 명을 더 깊이 파고들 수 있습니다 내가 다시 여기로 가자 어떻게 검색 할 수 있는지 보여주는 한 가지 예를 보여 드릴 수 있습니다 BigGAN에 대해 들어 본 적이 있다고 가정 해 보겠습니다

몇 주 전에 큰 문제였던 이미지 생성기 놀라운 결과를 만들어냅니다 이 경우, 이것은 – 당신은 여기서 벡터와 노트북을 찾을 수 있습니다 그리고 이전에 노트북을 열었습니다 그리고이 BigGAN 데모를 위해이 노트북에 뛰어들 수 있습니다 그리고 당신은 그것을 시험해 볼 수 있습니다

이 경우, 매우 사실적인 이미지를 생성합니다 감사합니다 GAN이 당신에게 제공하는 훌륭한 것들 그리고 다시, 그것은 매우 대화식입니다 쉽게 테스트 할 수 있고 쉽게 놀 수 있습니다

그리고 만약 당신이 스스로 뭔가를 만들고 싶다면, 당신은이 벡터들을 사용하고 개발을 계속할 수 있습니다 우리가 제공 한 것을 다시 사용함으로써 그래서 이전에 언급했듯이 허브의 개인 차원 이제 지금 당신이 바라보고있는 것은 공공 장소입니다 이것이 우리가 가지고있는 내용입니다 제공되며 향후 파트너에게도 제공됩니다 바로 여기에서 비공개 콘텐츠로 전환 할 수 있습니다

필자의 경우 Google은 Google 직원입니다 그래서 우리는 여기서 만든 테스트 장비를 볼 수 있습니다 파이프 라인을 구축 한 것처럼 느껴진다면 동료들과 공유 할 가치가 있습니다 게시를 클릭하기 만하면됩니다 예를 들어 소매 사례로 일하고 있습니다

자, 추천자를 만들었다 고 가정 해 봅시다 소매 업계 용 시스템 분명히 레이블을 제공 할 수 있습니다 어떤 상황을 무엇에 집어 넣는 것은 매우 쉬운 방법입니다 당신은 곧 출판하려고합니다

TAR 파일을 신속하게 게시합니다 그런 다음 우리가 제공하는 문서를 추가했습니다 매우 쉽게 구현할 수있는 포괄적 인 템플릿 잠재 고객이 원하는 정보를 입력하십시오 의도 된 사용으로 시작합니다 따라서이 파이프 라인을 사용하는 방법을 설명해야합니다

입력 데이터, 런타임 매개 변수, 출력 매개 변수 명심해야 할 몇 가지 사항은 사용자가 이 파이프 라인, 성능 메트릭, 추가하고 싶은 항목, 논문 링크, 게시자, 귀하의 웹 사이트 게시, 심지어 모델이 있다면 지원할 수도 있습니다 그리고 다시, 우리는 당신이 아주 좋은 방법으로 그렇게하도록 도와줍니다 그리고 나서 이것이 최종 제출물이 어떻게 보일 것인가입니다 그리고 만약 당신이 그것을 발표한다면, 그것은 나타날 것입니다

1 초 안에 사적인 영역에서 그리고 바로 거기에 그리고 잠시 후, 여기 허브에 나타날 것입니다 이것이 여러분이 파이프 라인을 공유하는 방식입니다 지금은 파이프 라인 만 공유 할 수 있습니다 Google은 다른 유형의 콘텐츠를 공유하기 위해 노력하고 있습니다

곧 당신은 정말로 무엇이든 공유 할 수 있습니다 동료와 AI 작업의 일부로 필요합니다 동료 팀 슬라이드로 돌아가서, 당신을 보여 주기만하면됩니다 로드맵, 우리가 겪어 온 것 지난 주와 몇 달 동안 그래서 TF Hub에 대해 이야기했습니다

지난 주 동안 우리가 재건 한 것입니다 TF Hub는 TensorFlow 컬렉션입니다 Google 연구 팀이 만든 모듈, 지금 TFHubdev에서 액세스 할 수 있습니다 이를 사용하여 이러한 기능을 사용할 수 있습니다

및 귀하의 목적에 대 한 벡터 및 모든 찾기 그 위대한 노트북 그런 다음 고객과 몇 가지 사용자 연구를 수행했습니다 이제 Private Alpha에서 AI 허브를 출시했습니다 그리고 나는 그것에 대해 잠시 후에 더 이야기 할 것이다 2 주 전

이제 더 많은 기능을 추가하는 작업을하고 있습니다 자산을 공개하고 올해 말에 공개 할 예정입니다 어떻게 참여할 수 있는지에 관해서는, 우리는이 두 가지 큰 제품 중 두 가지를 가지고 있습니다 우리가 최근에 발표 한 우리는 01 버전의 Kubeflow 파이프 라인을 보유하고 있습니다

현재 사용 가능합니다 따라서이 주소 바로 다음에있는 GitHub 저장소를 복제 할 수 있습니다 이제는 파이프 라인을 구축하기 만하면됩니다 그렇게 할 것을 권장합니다 특히 이 주제에 관심이 있습니다

내가 말했듯이, 세션에 귀를 기울이십시오 그 직후에 이어집니다 원하는 경우 GKE를 사용하여 Workbench를 실행할 수 있습니다 그러나 당신 스스로 할 수도 있습니다 사내 구축 형 설치에서 실행합니다

또한 커뮤니티 사용자 그룹을 활용할 수 있습니다 도움을 청합니다 도움이 필요하면 활발한 커뮤니티가 있습니다 Kubeflow 주변에서 도움을받을 수 있습니다 그리고 허브에 관해서는, 내가 말했듯이, 그것은 사적인 제안에 있습니다 지금

이제 뉴스 레터에 가입 할 수 있습니다 cloudgooglecom/ai-hub 그리고 Google이 판매 담당자에게 연락 할 수 있습니다

알파에 조기에 접근해야하는 경우 그리고 너와 함께 투명하게, 그래서 우리가 찾고있는 것 열정적이고 잘하면 숙련 된 사람들입니다 Kubeflow의 개인 공유 기능 때문입니다 세트가 바로 지금 만들어져 있습니다

따라서 Kubeflow를 채택했다면 첫 번째 파이프 라인을 건설했습니다 Al Hub 알파에 곧 액세스 할 수있는 훌륭한 후보자입니다 그리고 비록 당신이 지금 목록으로 만들어지기 위하여 기다리지 않더라도, 우리는 파이프 라인 건설을 다시 시작하도록 권장합니다 지금 제가 말했던 것처럼 당신은 저장소에 갈 수 있습니다, 첫 번째 사례를 만들기 시작하십시오

우리가 만든 몇 가지 미리 만들어진 예제를 사용하십시오 그것이 어떻게 작동하는지 배우고, 우리에게 피드백을주십시오 또한 TF 허브를 사용하여 AI Hub와 TF Hub 같은 저장소가 어떻게 작동하는지, 어떻게 그걸 만들어 낼 수 있니? 내부적으로 AI 작업을 확장 할 수 있습니다 그리고 라이브 Q와 A를 위해 계속 조정할 것입니다 1 분 안에 돌아올 수 있습니다

좋아, 이제 몇 가지 질문으로 돌아가 보자 청중으로부터, AI 허브가 어떻게 관계가 있는지 다시 TensorFlow Hub에 전에 보았을 지 모릅니다 TensorFlow Hub는 최초의 화신이었습니다 원한다면, ML 콘텐츠와 같은 허브 같은 ML 유사 라이브러리 및 카탈로그 연구에 의해 지어졌습니다 그리고 대단한 것은 이미 당신이 제 생각에는 200 개가 넘는 모듈을 저장하고 있습니다

콜 랩 (Colab) 노트북, 다양한 유즈 케이스를 시도하고 사용할 수 있습니다 그리고 우리는 이제 그 이상으로 가고 싶다고 느꼈습니다 TF 모듈은 TensorFlow 전문가에게 매우 유용합니다 우리가 제공 한 것에 기초한 학습을 ​​전달하고자하는 사람들 그러나 더 많은 유스 케이스와 더 많은 시나리오가 있다는 것도 알고 있습니다

우리가 지원하고자하는 더 많은 기술을 제공합니다 그래서 우리는 AI 허브를 만들었습니다 TF 모듈을 뛰어 넘는다 우리는 TF 허브의 모든 내용을 [부적절]합니다 또한, 우리는 말했듯이, 콘텐츠를 제공합니다

Kubeflow 파이프 라인 주변 이는 AI 자산의 새로운 차원입니다 ML 워크 플로를 엔드 투 엔드로 패키지화 할 수 있으며, 모델 부분 만 다루는 것이 아니라, 중간에 훈련 조각 또한 다른 많은 자산 유형이 있습니다 데이터 세트와 마찬가지로 특히 노트북과 마찬가지로, 튜토리얼, 교육 컨텐츠, 그것은 그 이상으로 나아갑니다

즉, TF 허브는 현재 공개되어 있습니다 그래서 당신은 그것을 밖으로 시도 할 수 있습니다 내가 말했듯이, 인공 지능 허브 아직 공개되지 않습니다 가입해야합니다 그리고 점점 더 많은 고객을 기다리고 있습니다

내년에 공개적으로 출시 할 때까지 TF Hub를 확인해 보시기 바랍니다 관심이 있다면 거기에서 계속 나아가십시오 두 번째 질문 – 사용자가 콘텐츠를 게시 할 수 있습니까? 공개적으로? 따라서 우리는 시작하는 데 도움이되도록 Google에서 게시하고 제작했습니다 그러나 우리는 다른 사람들을 가능하게 할 계획입니다 다른 사람뿐만 아니라 파트너도 게시 할 수 있습니다

따라서 강력한 인공 지능을 구축하는 것처럼 느낄 때마다 자산, API 또는 특별히 파이프 라인 나는 그것을 말하거나 Kubeflow를 통해 연락을 취할 것입니다 커뮤니티에 관심이 있다면 더 많은 사람들과 우리는 Kubeflow 주변에서 활기찬 생태계를 구축하려고 노력 중입니다 파이프 라인 및 물론 허브 우리가 모든 기업 AI를 해결할 수 있다고 생각하기 때문에 세계의 문제 그리고 우리는 여러분 모두가 기반을 다지려고 노력하고 있습니다

위에 구축 할 수 있고 그 다음에 다른 많은 영역으로 이동할 수 있습니다 귀사와 귀사를 위해 흥미 진진합니다 또한 우리는 지원에 대해서도 생각하고 있습니다 나는 그 질문이 나중에오고, 허브에 관한 내용이 될 것이라고 생각한다 자유 야? 그래서 우리는 사람들을 활성화시키는 것에 대해서도 생각하고 있습니다

허브에서 본 내용으로 수익을 올릴 수 있습니다 그래서 지금은 오픈 소스 콘텐츠부터 시작할 것입니다 전적으로 오픈 소스 콘텐츠 및 무료 콘텐츠, ML API는 예외입니다 하지만 앞으로는 허브에서 제공하는 모든 것을 수익 창출 할 수 있습니다 그리고 우리는 귀하의 요구 사항에 관심이 있습니다

피드백 및 요구 사항에 대한 의견 청취 허브에 더 많은 보호 콘텐츠가있는 것과 관련하여 고객에 대한 액세스를 판매하고이를 통해 수익을 창출하십시오 그러나 가장 큰 이유는 첫 번째 성향 허브의 화재는 실제로 화재를 일으키는 것입니다 파이프 라인 주변의 허브 및 훨씬 더 사전 제작 된 건물 AI를 배포하는 데 사용할 수있는 즉시 사용 가능한 파이프 라인 지금 당장 할 수있는 것보다 훨씬 효율적입니다 Google은 데이터 세트와 같은 다른 유형의 콘텐츠도 지원합니다 따라서 우리는 다양한 유스 케이스를 조사하고 있습니다

이것이 유익 할 수있는 곳 다시 한 번 귀하의 의견을 듣고 자합니다 요구 사항 우리는 당신이 필요하다고 생각하는 것을 듣는 데 관심이 있습니다 데이터에 대한 액세스 권한 부여와 같은 영역을 살펴 보았습니다

공개 된 세트 당신은 Kaggle이 정확히 그런 것을 보았을 것입니다 넓은 범위의 데이터를 공유하는 Kaggle의 친구들 세트는, 그들에 의해, 대부분 공개 또는 전적으로 유지된다 공개 데이터 세트는 AI 구축에 활용할 수 있습니다 그들은 매우 높은 품질의 데이터를 기반으로합니다

그리고 우리는 그것을 확장하기 위해 노력하고 있습니다 그래서 계획은 허브에이 Kaggle 콘텐츠를 갖는 것입니다 또한 한 곳에서 쉽게 검색 할 수 있으며, 독립형 데이터 세트뿐만 아니라 실제로 데이터 세트, 파이프 라인, 모델, embeddings, 벡터 등등 또한 더 많은 개인적인 공유를 지원할 생각입니다 시나리오가 데이터 세트를 따라 움직이는 것처럼, 우리는 프라이버시에 대한 우려가있을 수 있음을 알고 있기 때문입니다

데이터 세트를 공유하지 않을 수도 있습니다 또는 특정 당사자 만 제외하고 모든 사람과 특정 자산 그래서 우리는 또한 더 개인적인 공유를 만들기 위해 노력하고 있습니다 자산 만 공유 할 수있는 환경 허브를 통해 선택된 당사자들, 데이터 세트 및 기타 콘텐츠 그래서 우리는 허브에있는 무료 콘텐츠에 대해 이야기했습니다

이것은 다시 출발점입니다 질문에 대답함으로써 다시 한번 강조하겠습니다 누가 허브에 조기에 액세스 할 수 있는지 선택하는 방법은 무엇입니까? 그것은 지금 비공개입니다 따라서 대중에게 공개되지 않습니다 따라서 먼저 파이프 라인을 시험해보십시오

우리가 가진 것들로 놀아 라 Kubeflow 저장소에 제공됩니다 따라서 파이프 라인이 어떻게 도움이되는지 탐색하십시오 특정 사용 사례에서 일단 당신이 그렇게하면, 우리는 그 필요성을 믿습니다

조직 내에서이를 공유한다 심지어 공개적으로 나온다 우리가 원하기 때문에 우리와 함께 할 수있는 순간입니다 일단 공개적으로 출시하면 우리는 우리가 만든 풍부한 콘텐츠를 가지고 있습니다 Kubeflow 파이프 라인 사용자를 비롯한 많은 사람들이 흥미를 느꼈습니다

따라서 특정 용도로 파이프 라인을 구축하고자 할 때 사례, 특정 기술, 새로운 프레임 워크를 지원하려는 경우 새로운 유스 케이스를 지원하거나 하나만 커버하는 구성 요소 일 수 있습니다 포괄적 인 워크 플로우의 단계, 또는 ML 종단 간 파이프 라인을 구축하고자합니다 특정 사용 사례의 경우 소매점 추천인 또는 자산 운전에 대한 이야기 자동차 등을 탐험 해보세요 이러한 모든 차원의 파이프 라인 그리고 이것은 또한 마지막 질문으로 연결됩니다

우리가 여기 있습니다 둘 이상을 통합하여 사용할 수 있습니까? ML 자산의 그리고 대답은 '예'입니다 이를위한 올바른 프레임 워크는 Kubeflow Pipelines입니다 파이프 라인 덕분에, 여러분도 알다시피, 결합 할 수 있습니다 스크린 샷에서 간단히 살펴보면 더 많은 것을 볼 수 있습니다

바로 뒤에있는 세션에서 – 포괄적 인 파이프 라인의 다양한 단계 각 단계는 매우 간단합니다 컨테이너가 컨테이너 화됩니다 또한 사용자 지정 파이프 라인에서 여러 단계를 조합 할 수 있습니다 특정 유스 케이스에 따라 다르다

원하는 경우 전적으로 가능합니다 특정 TF 모듈을 사용하여 재교육, 또는 벡터를 기반으로 자신의 모델을 훈련 시키십시오 우리가 제공 한 그러나 이것은 단지 파이프 라인의 한 단계 일 수 있습니다 그런 다음 다른 단계를 밟았습니다 예를 들어, 쿼리 또는 일부 다른 클라우드의 소스 데이터 사용 솔루션을 제공합니다

그리고 사전 제작 된 TFX를 사용하여 다른 작업을 수행 할 수도 있습니다 최종적으로 모델 분석을위한 구성 요소 등이 포함됩니다 그래서 우리는 실제로 스티치하고 플러그 앤 플레이 할 수 있습니다 레고처럼 유행 ML에서 그리고 그것은 파이프 라인 뒤에있는 전체 아이디어입니다

허브를 통해 공유 할 수도 있습니다 그래서 우리는 그것을 매우 쉽게 만들려고 노력하고 있습니다 이것을 매우 구체화 한 예제를 매우 쉽게 작성하십시오 우리는 인공 지능의 미래가 대규모 사용자 정의에 관한 것이라고 믿기 때문에 사전 빌드 된 구성 요소 재사용 및 어셈블 고유 한 사용 사례에 대해 고유 한 방식으로 그리고 나는 그것이 지금 당연하다고 생각합니다 다음 세션을 위해 계속 지켜봐주십시오

내가 말했듯이, AI 파이프 라인을 도입하고 쉽고 빠르게 엔드 – 투 – 엔드 기계 학습을 조정하는 워크 벤치 파이프 라인 그리고 고마워 [음악 재생]

Keeping Iowa roads safe with AI

[음악 재생] 제프 웰릭 : 많은 사람들이 말한다 아이오와 날씨가 마음에 들지 않으면 10 분 정도 기다리십시오

그것은 바뀔 것이다 MATT PATTON : 전형적인 날, 아이들 학교에 도착하기 위해 10 마일이나 12 마일을 여행 할 것입니다 학교 교육감으로서, 나의 주요 관심사 우리가 모두를 학교에오고가는 것을 확실히하고있다 안전하게 제프리 웰릭 : 일반적으로 우리는 4시 30 분경에 일어납니다

우리는 나가서 도로를 스캔합니다 매트는 보통 한 방향으로 간다 나는 반대쪽으로 간다 MATT PATTON : 도로 상태가 변화함에 따라, 우리가 아는 것 위에 머무르는 것이 중요합니다 저기서 무슨 일이 일어나고 있는지

아이오와 DOT는 우리에게 매우 소중한 존재였습니다 BONNIE CASTILLO : 교통부의 목표 여행객을 자신의 위치로 효율적으로 이동시키는 것입니다 그리고 안전하게 우리는 계속해서 운영자를 찾고 있습니다 400 개 이상의 카메라 및 기타 데이터 소스에서 하루 24 시간, 일주일에 7 일

모든 다른 정보를 분석하는 것은 매우 어렵습니다 온다 TRACEY BRAMBLE : 데이터 흐름을 압축하고 싶습니다 도움을 받아 훨씬 빨리 분석 할 수 있어야합니다 아이오와 주 출신

NEAL HAWKINS : 우리는 정말 도로의 작동을 다루는 기계 학습 TensorFlow가 트래픽을 이해하는 데 도움을줍니다 패턴 그 정보로 경고하고 예측하는 것이 더 낫다 HUANG TINGTING : 기계 학습이 자동으로 수행됩니다

카메라의 이미지를 확인하십시오 충돌이 발생했는지 감지하고 정보를 보낼 수 있습니다 교통 엔지니어에게 TRACEY BRAMBLE : 그리고 만약에 당신의 출퇴근에 영향을 줄 수있는 무언가가되기 위해서, 우리는 곧 그 정보를 얻고 싶다 가능한 한

MATT PATTON : 기술로 인해 전체 학군에 걸쳐 발생하는 우리는 우리 아이들을 위해 더 나은 결정을 내릴 것입니다 우리는 아침 5시에 일어나지 않을거야 도로를 운전했다 나는 너에게 정직하기 위해 잠을 자야했다 NEAL HAWKINS : 기계 학습은 실제로 우리가 가진 데이터에 대해 생각하는 방식에 혁명을 일으켰습니다

우리가 차량과 연결해야합니다 보니 카스티요 (BONNIE CASTILLO) : 아이오와 도로 모든 기술로 인해 더 안전합니다 우리는 가져올 수있었습니다 우리는 여행을 더욱 안전하고 효율적으로 만들고 있습니다 그래서 나는 점점 더 좋아지고 있습니다

[음악 재생]

What Google Didn’t Tell You About the Pixel 3

– [Fin] 인공 지능이 Google의 힘 새로운 Pixel 3은 세계에서 가장 강력한 제품 중 일부입니다 하지만이 인공 지능은 슬리브가 거의 무서운 속임수입니다

구글이 얘기조차하지 않는 것 그리고 우리는 확실히 오는 것을 보지 못했습니다 – [HAL 9000] 미안하다 데이브 나는 할 수 없어 (테크노 음악) – 그래서, 구글은 AI로 꽤 미친 짓을 해왔다

너무 오래 전에 그들은 유능하다는 것을 보여주었습니다 실제로 전화를 걸고, 전화를 걸려면, 도서 약속, 그 모두 Google Assistant (전화벨 소리) – [Salon Employee] 안녕하세요, 어떻게 도와 드릴까요? – [Google Assistant] 안녕하세요 고객을 위해 여성의 이발을 예약하는 것 나는 5 월 3 일에 무언가를 찾고 있습니다

– [Salon Employee] 물론, 잠시만 기다려주세요 – [Google Assistant] 음 – 음 (웃음) – Google의 카메라가 새로운 인공 지능을 사용하여 확실한 카메라 챔피언 하드웨어 또는 렌즈의 양없이 요즘에는 이런 핸드폰이 많이 나온다 그들의 소프트웨어와 인공 지능이 만들 수 있다는 것은 꽤 미친 짓이다 실제 하드웨어의 차이점 이 카메라 대 다른 핸드폰 카메라 지금 당장 시장에 나와 이제 2 주 전 GoPro의 새로운 HERO7을 도입했습니다

그것은 짐벌 같은 안정화입니다 그리고 그것은 실제적인 거래입니다 그들은 소프트웨어와 광학 이미지 안정화를 사용하고 있습니다 짐벌에 대한 필요성을 제거합니다 그 비디오에서 우리는 심지어 그것을 언급했습니다

그 안정화가 스마트 폰에 올 수 있다면 – 게이머 체인저가 될거야 – 그 비디오를 확인하고 싶다면 확실히해라 우리가 거의 알지 못했다 이 Pixel 3에 실제로있을 수 있습니다 새로운 GoPro HERO7 뒤에 GoPro의 전체 판매 포인트, 그들의 HyperSmooth, 그들의 짐벌 같은 안정화, 구글은 Pixel 3에서도 언급하지 않았다

– 멋지다 Pixel 3의 카메라에 새로운 슈퍼 파워가 등장했습니다 그러나 우리는 그들 모두를 통과 할 시간이 없었습니다 – 그러나 일부 평론가들은주의를 기울였습니다 – 안정화는 절대적으로 완벽합니다

이것은 실제로 핸드 헬드 샷입니다 어리석은 삼각대에있는 것처럼 보입니다 – 그리고 우리는 우리 자신의 사진을 찍었습니다 이 픽셀에 나는 충격을 받았습니다 그것은 미친 듯 보이고 실제로 안정화에 필적 할 것입니다

GoPro의 새로운 HyperSmooth HERO7 Google의 인공 지능은 언급하지 않은 기능을 만들 수 있습니까? 다른 회사들이 전체 제품을 만들고있다 이벤트를 시작 하시겠습니까? 오늘 찾아 보자 Google의 새로운 Pixel 3의 인공 지능이 능력을 가지고 있습니까? 스마트 폰에서 짐벌을 죽이려고? 거기서 나와 잠깐의 모험을 떠나자 알아 내라

(테크노 음악) (전화벨 소리) 오, 재미있어! 여보세요? – 안녕! – 비디오를 찍으려고하는 것 외에는 떠날거야 지금 비디오를 찍는 중입니다 그러나 우리는 거의 끝났습니다 우리는 단지 b-roll shot을 촬영하는 것과 같습니다 우리는 곧 떠날거야

그리고 우리는 당신을 데리러 함께 머리 도중에 – 알았어 – 다섯, 내가 5시에있을거야 아니면 5시에 떠날거야 내가 너를 볼거야, 알았지? 네, 5시에 떠나는 건 아니지만

– 알았어, 나중에 보자 안녕, 안녕 – 괜찮아 안녕

(테크노 음악) – 안녕하세요, 모두들! 레이크 루이스에 처음있는 것은 이번이 처음입니다 나는 얼었다 아침 6시 실제로, 우리는 아침에 6시에 떠났다 아침에는 실제로 8시에요

아침 6 시부 터 느끼기 만하면 돼 우리가 일찍 일어나서 놀랐어 하지만 멋지다 친구 결코 내가 일찍 여기에 너무 일찍왔다, 에 0의 차가있을 때, 주차장에 세 대가있어

이봐 – 얼어 붙은 얼간이 야? (말도 안되는 소리) – 음 알았어, 우리는 지금 아름다운 루이스 호수에있다 해가 떠오르고있다 여기서 시험해보기 위해 나왔다

픽셀 3 안정화 vs GoPro의 HERO7 HyperSmooth 우리는 오늘 우리와 함께 레위가 있습니다 내 작은 형제 야 그리고 그는 영화와 같은 종류의 모델이 될 것입니다

그래서 나는 너를 쫓아 갈거야 이 사람들이 얼마나 안정적인지 보려고 노력하십시오 그래서 약간의 공사가 진행 중입니다 항상 좋은 배경에 자, 시작하고 몇 가지 간단한 테스트를 해봅시다

더 안정적인 카메라를 확인하십시오 좋아, 그래서 나는이 두 가지를 모두 4k 30 fps로 시작하겠다 안정제가 켜져 있습니다 GoPro를 같은 속도로 사용하십시오 카메라가 안정화 되기에는 너무 차갑습니다

우와! GoPro가 경고를 보내고 있습니다 비디오 안정화가 일시적으로 비활성화되었습니다 카메라가 안정화 되기에는 너무 차갑습니다 음, 사물에 약간의 딸꾹질이 생깁니다 허

– 누구나 우주 난방기있어? – 뭐? 그게 뭐야? GoPro가 작동하기 전에 따뜻하게 해봐야 할 것 같습니다 픽셀이 잘 작동합니다 – 그리고 우승자는 Pixel입니다! – 실제 작동 안정기가있는 픽셀 3 나는 그것이 춥지 않다는 것을 의미한다 – 15도짜리 야

(말도 안되는 소리) (웃음) – 내 손가락에 관한 것 같은데 이제 어느 순간이라도 떨어질 것입니다 – 이것은 액션 카메라는이를 위해 설계되었습니다 너는 스노 보드와 같다고 생각해 또는 추위에 액션 스포츠를하면 안정제가 멈 춥니 다

David Jones 역시 문제가있었습니다 새로운 7과 – 정말? – 예, 그는 한번씩 너무 추웠다 나는 그것이 단지 충돌 할 것이라고 생각한다 – 흥미 롭군 – 나는이 문제가없는 것 같아

다른 GoPros와 함께, 그러나 7은 감기에 문제가있는 것 같습니다 – 그래서 우리가 할 수있는 유일한 선택은 우리가 도울 수 있다는 것입니다 호텔에 잠시 들러 GoPro를 데려다보십시오 아름답습니다 (눈 송풍기) 아, 그냥 자연을 사랑하지 마라

알았어 잠깐 호텔에 가자 – 방에 가자 (고요한 음악) ♪ 모든 것이 흰색이면 ♪ ♪ 그린, 실버, 화이트 ♪ ♪ 밤새 고요함이 가득 찼다 ♪ ♪ 크리스마스 야 ♪ ♪ 겨울의 원더 랜드 ♪ ♪ 눈싸움이 각 손에 ♪ ♪ 크리스마스 날 데려다주세요 ♪ ♪ 공기 중에 기쁨이있다 ♪ ♪ 가족이 가까이에있어 ♪ ♪ 작년에 감사드립니다 ♪ ♪ 오, 아무것도 비교하지 마라 ♪ 우리가 나누는 사랑에 ♪ ♪ 오, 그거야

♪ (록 음악) ♪ 너무 흥분 했어 ♪ ♪ ♪ 짐을 싸서 오늘 우리가 뛰고있어 ♪ ♪ 우린가는 길에있어 ♪ ♪ 그래 ♪ 우리가 곧 폭발 할 것 같은 기분이야 ♪ ♪ 좋아, 파티 모드에서 좋아 ♪ 우리가 가고있을 때까지 ♪ ♪ 그래

– 네가 여기 4k에서 테스트한다면, 나는 의심 스럽다 Pixel에서 1080p는 훨씬 안정적입니다 4k에서 자르기 때문입니다 그래서 1080p로 전환 할 예정입니다 그 차이가 있는지 확인하십시오

좋아, 준비 됐니? 알았어, 그냥 안정적으로 먹어라, 가라 ♪ 그리고 우리 친구들이 함께 태그 할거야 ♪ ♪ 오늘 모두들 함께 할거야 ♪ ♪ 좋아요 ♪ ♪ 우리가 가고있다 ♪ ♪ 그래 ♪ 다 말했을 땐 보석금을 내지 말아라 ♪ ♪ 오늘은 우리 친구들이 모두 참여하는 날이야 ♪ ♪ 알았어, 알았어, 알았어 ♪ ♪ 그게 다에요 ♪ – [Fin]가! ♪ 우린 재미 있지 않아 ♪ ♪ 너희 모두가 우리 숭배에 합류하기를 바란다 ♪ ♪ 함께합시다 ♪ ♪ 함께 파티 ♪ ♪ 하루 종일 파티와 밤새 파티, 멈추지 말아라 ♪ ♪ 함께합시다 ♪ ♪ 함께 파티 ♪ ♪ 우리는 열심히 공격 할거야 ♪ ♪ 경찰들이 오늘 경비병에 있어야 해 ♪ – [Fin] 1080p, 이제 4k로 다시 전환합시다 ♪ 그리고 우리 스테레오의 모든 노래들 ♪ ♪ 파티를 시작하고 진짜로 날려 버릴 수있어 ♪ ♪ 그냥 따라와, 같이 가자 ♪ ♪ 그래

♪ 우리는 우리 모두가 우리 숭배에 참여하기를 바랍니다 – 아니야! – 우리 일이 끝난 것 같아 – [Fin] 동의합니다 알았어, 달콤한 시험이 끝났어 하이 파이브, 친구! (말도 안되는 소리) ♪ 우린 재미 있지 않아

♪ ♪ 너희 모두가 우리 숭배에 합류하기를 바란다 ♪ ♪ 함께합시다 ♪ ♪ 함께 파티 ♪ 하루 종일 파티 ♪ (웃음) – 주차장은 거의 내 DM만큼 충만 하네 (웃음) 꽤 마약 중독자 (힙합 음악) 좋아, 갈 준비가 됐어 – 좋아, 가자 (힙합 음악) 좋아, 우린 지금 레이크 루이스에있어

우리는 이미 레이크 루이스에 있었지만 지금은 호수 Lousie 스키 리조트에서 왜냐하면 우리는 더 나은 방법을 생각하기 때문입니다 조금 더 안정화를 테스트해라 액션 스포츠 이제, 나는 리바이가 약간의 아픈 파쇄를 촬영하는 것입니다 그리고 우리는 Pixel 3을 사용할 수 있습니까? 똑같은 불안정한 짐벌 같은 영상을 얻으십시오

짐벌없이 이것으로 실제로는 꽤 불안정한 장비입니다 안정화에 그렇게 큰 것은 아닙니다 우리는 할 수있는만큼 좋은 센터를 만들려고 노력했습니다 그래서, 우리는 그것이 작동하는지 알 것입니다

매우 흥미로울 것입니다 한번 해보 죠 – [Fin] 좋아, Pixel과 GoPro에서 촬영 당신 준비? (록 음악) ♪ 너무 흥분 했어 ♪ ♪ ♪ 짐을 싸서 오늘 우리가 뛰고있어 ♪ ♪ 우리가 가고있다 ♪ ♪ 그래 ♪ 우리가 곧 폭발 할 것 같은 기분이야 ♪ ♪ 파티에 좋았어 ♪ ♪ 알았어 ♪ ♪ 우리가 가고있을 때까지 ♪ ♪ 그래

♪ 그리고 우리 친구들이 함께 태그 할거야 ♪ ♪ 오늘 모두 그들이 함께 할 날이야 ♪ ♪ 좋아요 ♪ ♪ 우리가 가고있다 ♪ ♪ 그래 ♪ 다 말했을 땐 보석금을 내지 말아라 ♪ ♪ 오늘은 우리 친구들이 모두 가입 할 날이야 ♪ ♪ 좋아 좋아 좋아 좋아

♪ 그게 다에요 ♪ ♪ 우린 재미 있지 않아 ♪ ♪ 너희 모두가 우리 숭배에 합류하기를 바란다 ♪ ♪ 함께합시다 ♪ ♪ 함께 파티 ♪ 좋아,이 장비는 실제로 모든 시간의 가장 사악한 것 통제하기가 어려울 수 있습니다 그래서, 나는 실제로 개최하는 것으로 바꿀 생각입니다 내 손에있는 전화, GoPro가 연결된 상태 이 장비가 어렵 기 때문에 이상적이라고 생각합니다

지키고 성가신 것 또한, 그것은 얼음 같은 조건이다 이상적이지는 않지만 안정화를위한 좋은 테스트입니다 – 레이크 루이스가 내 마음을 아프게하고있어 – 좋아

그럼, 2 번을 실행하고, number dos를 실행하라 조건은 꽤 거친다 그리고 나는 지금 내 손으로 찍고있다 나는 지금 카메라를 들고있다 그래서 잘하면 조금 더 잘 작동합니다

하지만 그 사람들을 봐 또한 영상을 비교하는 것도 흥미 롭습니다 차라리 너의 핸드폰을 쓰겠 니? 이런 종류의 물건이나 GoPro를 위해서? 무엇이 좋을까요 너희들은 뭐라 생각하니? 어떻게 생겼어? 그것은 아름답게 보인다 어머

어 그래 Lake Louise에게는 슬픈 날입니다 – 스노우 보더가 된 것은 슬픈 날입니다 스키 타는 것도 슬픈 날입니다 스키어에게는 나쁘지는 않지만 여전히 그렇습니다

– 스키어라서 그들이 스키어니까 네 – 너 알 잖아 나는 너에게 말하고있다

저기있는 저 남자처럼, 저거 ♪ 우리가 어땠는지 생각하면 ♪ ♪ 네가 나에게서 빼앗은 것들에 대해서 생각할 때 ♪ ♪ 내가 훨씬 나아 졌어 ♪ ♪ ♪ 더 나은 아 ♪ ♪ ♪ 내가 한 일을 바라 볼 때, 우리는 헤어질거야 ♪ ♪ 나는 내가이긴 것을 보았을 때, 나는 지금까지왔다 ♪ 내가 훨씬 나아 졌어 ♪ ♪ ♪ 그리고 너는 속하지 않아 ♪ ♪ (기타 연주) ♪ ♪ 내 뼈 속에서 느낄 수있어 ♪ ♪ 뭔가가 계속되고있어 ♪ ♪ 그 의심의 시트 ♪ – 거기서 뭐하는거야, 봉오리? 경계에 눈을 떼지 마십시오 (숨막히는 연설) – 그래서, 우리는 몇 발을 쐈고, 우리는 지금 곤돌라에 돌아왔다 그 모습이 어떤지 궁금하다

하지만 우리가 가지고 있기 때문에 분명히 알지 못합니다 촬영을 촬영하고 있습니다 그래서 우리는 마지막 장면을 다시 확인해야 할 것입니다 어떻게 작동하는지보십시오 그러나 우리는 장비를 조금 수정했습니다

나는 단지 잠시 동안 전화로 촬영했다 그러나 나는 극을 잡으려고 노력하는 것이 재미있을 거라 생각했다 극에 더 많은 흔들림이 있기 때문입니다 그래서 제가이 모든 것을 연장 할 수 있다면, 이건 좀 좋은 생각이야 잘하면 그게 효과

GoPro가 지금 연결되어있는 이유는 GoPro 배터리와 GoPro 일반적으로 감기에 잘 작동하지 않습니다 안정제가 꺼져 있다고 말하는 것처럼 감기 때문에 그리고 GoPro 자체가 계속 죽어 가고 있습니다 배터리가 너무 추워서 멈 춥니 다 따라서 전반적으로 GoPro의 차가운 성능에 감명을받지 않았습니다

당신이 플러그를 꽂으면 다른 것보다 예열 된 상태로 유지하십시오 꽤 잘하는 것 그래서 그것은 우리의 수정 된 장비입니다 잘하면 그게 효과가 있고 우리에게 몇 가지를 준다 더 독특한 다른 영상

(일렉트로닉 뮤직) – 알았어, 거기가 픽셀 3 안정화, 그건 미친 짓이야 – 인상적 이었어 마지막으로 우리가 안정화에 관한 비디오를 만들었을 때, GoPro Hero7, 체크 아웃, 설명의 링크, 우리는 놀랐다 오늘, 우리는 다시 놀란다

– 픽셀이 이걸 믿을 수 없어 그것도 그들이 광고하지 않은 기능입니다 – 어떻게 그걸합니까? GoPro와 같은 기능을 어떻게 사용합니까? 그들의 새로운 flexshift 카메라의 요점 HyperSmooth, 카메라가 얼마나 안정적 이었는지 Google Pixel에는 놀라운 안정화가 있습니다 그들은 언급조차하지 않는다

– 그래서 진짜 질문은 그렇습니다하지만 더 낫지 않습니까? 그들이 더 잘 언급하지 않은 기능인가요? HERO7의 전체 판매 시점보다? – 예 – 그것은 그러나 일부 상황에서만 – 어떤 상황에서는

HyperSmooth는 미래의 짐승입니다 그것은 진짜 거래입니다 – 픽셀로 정말 불안정하다면 Pixil의 안정화 및 GoPro만큼 좋지 않습니다 – 나는 안정화를 보지 못했다 GoPro가 자주 사용됩니다

– 이론적으로 가능해야합니다 그러나 나는 그것을 보지 못했다 – 응, 궁금해 다음 에피소드 – 우리는 픽셀과 함께 그것을 보았습니다

그래서 우리는 약간의 피트 수를 가지고있다 특히 내가 휴대폰으로 달릴 때, 당신은 마이크로 지터가 조금 어둑한 것을 보았습니다 -하지만 카메라를 아주 단단히 잡고있을 때 너는이 놀라운 것을 얻는다 우선, 당신은 슈퍼 stabile 영상을 얻습니다 Pixel이 사용하는 렌즈 때문에 GoPro와 비교하면 매우 자연 스럽습니다

– 그래 그것은 매우 영화 적입니다 – [David] 매우 영화 적입니다 아주 자연스럽게 보입니다 하루의 끝에서 GoPro로, 당신은 광각을가집니다

– [Fin] 항상 GoPro처럼 보입니다 – 맞아 – [Fin] 맞아 그래서 당신이 GoPro 타입의 액션 스포츠를하고 있다면 그렇다면 받아 들일 수 있습니다 그러나 정말로 멋진 장면을 원한다면, 당신은 정말로 GoPro와 함께 할 수 없습니다

언제나처럼 GoPro처럼 보입니다 이 이야기의 교훈 – 그건 끝났어 – 예 이야기의 도덕은 픽셀이 더 좋다는 것입니다

어떤 상황에서는, 그러나 일반적으로 나는 안정화라고 말할 것이다 나는 좋지 않다고 말할 것이다 – 그래서 내가 쓰는 방법은, GoPro 안정화가 Pixel보다 우수합니다 그러나 Pixel의 안정화는 매우 좋습니다 때로는 차이가 없을 것입니다

따라서 픽셀을 선호하는 편이 낫습니다 – [Fin] 맞아 많은 기능에서의 영화 같은 모습 때문에, 주머니에 휴대 전화가있는 편리함 너무 좋다 – 맞아

– [Fin] 너무 유용 하네 주머니에 전화기가있어 어쨌든 항상 – 2018 년에도 액션 카메라가 필요한가요? 맞는 것 같아요 – 네가하는 일에 달렸어

– 맞아 좀 더 극단적 인 스포츠를하고 있다면, 특히 카메라를 넣는 곳 위험에 처한 곳 – 사실, 네가 원한다면 어디에서나 카메라를 장착하려면, GoPro를 선호 할 수도 있습니다 그러나 휴대 전화를 안전하게 사용하려면 네 손에 – 추운 곳에서도 잘 작동합니다

– 비디오 안정화가 일시적으로 비활성화 됨, 카메라가 안정화 되기에는 너무 차갑습니다 – 우리가 보지 못했던 미친 짓이야 GoPro가 최고 일 것이라고 생각하십니까? 모든 종류의 행동 강렬한 시나리오 그러나 우리는 그것을 전체 시간에 연결해야했습니다 감기 때문에 계속 죽어 가고 있기 때문입니다

말 그대로 안정제가 꺼져 있다고 감기 때문에 그리고 우리는 픽셀과 함께하지 않았습니다 – 또한 우리가이 비디오를 촬영 한 후에, 사실 내 친구들은 내가 나가기를 바랐다 새로운 지형 공원에서 스노 보드를 쏴 근처에서 방금 나왔습니다

그리고 실제로 Pixel이 영화를 보러갔습니다 GoPro 대신 나는 항상 GoPro를 위해 항상 갈 것입니다 그게 내가 그런 종류의 비디오에 사용하는 원인이야 나는 그렇지 않았다

Pixel은 더 쉬울거야 추위에 얼지 않을거야 나는 시원한 하이 다이나믹 레인지를 갖게 될거야 그 멋진 시네마 한 모습 그것은 옳은 선택처럼 느껴졌고 놀라운 결과를 냈습니다

말 그대로 뭔가를 위해 휴대 전화를 사용할 수 있습니다 문자 그대로 몇 주 전에 우리는 순간에 대해 놀라움을 금치 못했습니다 – 2 주 전, 우리는 놀랐다 카메라 세계에서의이 새로운 발전으로 그리고 여기 픽셀은 카메라 안에 있습니다 – 이것이 유언이라고 생각합니다

구글이 AI로 그것을 죽이고있다 사실 AI가 방금 일어난 일 놀랍게도 안정화시킬 수 있습니다 – 그것이 Pixel을 훌륭하게 만드는 이유입니다 인공 지능 카메라가 위대한 이유 – 인공 지능 Google Assistant가 Siri보다 훨씬 우수한 이유는 무엇입니까? 왜냐하면 구글은 애플보다 더 나은 인공 지능을 가지고 있기 때문이다

애플 전화를 사용하기 때문에 내가 말할 수 없지만 하지만 시리는 너무 바보 같아 시리는 너무 바보 같아 – 네가 궁금해하게, 우리는 전화로 다음에 무엇을 얻을 것인가? 이 전화를위한 인공 지능은 모든 것을 아주 좋게 만들었습니다 이제 액션 카메라 같은 것이 거의 필요하지 않습니다

다음에 뭐 할거야? – 우리가 전화에 넣을 다른 제품은 무엇입니까? – 우리가 할 수있는 또 다른 미친 것들 전화는 아마도 더 좋은 질문입니다 – 글쎄, 내가 말해 줄께 – 다음 시즌에는 시즌 피날레를 맞춰보세요 – 2018 년 마지막 동영상 시즌 1의 시즌 피날레 – 네

그게 미칠거야 2018 년 마지막 동영상입니다 이 굉장한 tech-webisodes의 시즌 피날레 당신이 잠시 동안 타는 것을 즐긴다면, 이 시즌의 마지막 에피소드에 확실히 맞춰보세요 2018 년 마지막 에피소드

그것은 두더지가 될 것입니다 – 오 예 우리가 뭘할지 모르지만 커질거야 따라서 구독하는 것이 좋습니다 벨이 울리는 순간 알림을 받으십시오

– 그리고 이번 시즌 1을 즐겼 으면 좋겠습니다 더 많은 것을 자랑합니다 – 그런데 2 월 2 번째 시즌이 있습니다 네가 우리를 너무 오랫동안 없애 버릴 것이라고 생각하지 마라 – 맞아

– 네가 알기도 전에 돌아 올게 네, 그 다음 에피소드에 대한 과장되기를 바랍니다 이것에 대한 의견을 남겨주세요 당신이 생각하는 것을 저희에게 알려주십시오 시즌 피날레에서 모두 만날거야

평화 (낙관적 인 음악)

Taranis: Saving the world’s food supply with cutting-edge AI

오늘 유익한 농장 운영 그 어느 때보다도 더 많은 돈을 투자 우리의 밭에 시간과 에너지를 아직도 우리 작물의 약 30 %가 간다 낭비

내 농장이 많아서 헥타르에 자리 잡기가 정말 어렵습니다 문제가 너무 늦기 전에 당신은 계속 세계 기아에 관한 이야기 ​​듣기, 지구 온난화 화학 물질 유출 그만큼 농업 산업은 엄청난 문제에 직면 해있다 이 쟁점에 대처하기위한 도전 증가하는 세계와 함께 인구

낙담하지 말고 우리가 구축하기로 결정한이 문제들로 실제로 그들을 해결하는 기술 Taranis는 정밀 농업입니다 정보 플랫폼 우리는 인공적인 농부들에게 정보를 제공하는 정보 슈퍼 고해상도 기반 보고서 리프 수준까지 이미지를 만들 수 있습니다 더 일찍 목표에 개입하다 적은 화학 물질을 사용합니다

우리가 우리의 인프라 우리는 두 개의 메인 첫 번째 도전은 어떻게해야합니까? 대량의 이미지 파일 업로드 전 세계의 원격 장소 두 번째 방법은 우리가 어떻게 충분히 강력한 확장 가능한 인프라 복잡한 기계 학습 모델을 테스트하는 방법 해당 모델을 식별하여 질병과 해충이 퍼지기 전에 Google Cloud Platform에서 제공 대답 우리는 약 70 만 건의 업로드를 시작했습니다 Google Cloud 및 Google 팀에 사진 업로드 약 100 명의 태그가 붙은 농학자 백만 가지 고유 기능 그것이 우리가 우리 모델을 훈련시켰다

이제 우리는 우리가 얻는 수백만 장의 사진을 모델로 고객으로부터 매일 둘 다 데이터 저장 요구 및 데이터 쿼리 볼륨은 정말 중요합니다 Google 클라우드를 통해 이러한 문제를 관리 할 수있었습니다 대규모 책 우리는 Taranis 기계 학습의 요점 건강한 농부가 걸릴 수 있도록 손상된 잎 동작

우리가 Taranies가 GCP 솔루션을 통해 그들은 지속적으로 모델의 정확성 BigTable 및 BigQuery를 사용하면 사용자가 직접 가져 오기, 관리, 역사적인 것과 새로운 것 모두를 분석한다 데이터 또한 Google과의 통합을 돕습니다 정확한지도를 찾을 수 있도록 Maps API 처리되고 실행되어야하는 영역 시간에 따른 비교

이것을 사용함으로써 기술 나는 손실을 막을 수있다 더 건강한 식물과 내 수확량 증가 적은 노력 우리는 농업과 큰 글로벌 문제 해결 문제 우리는 그것 없이는 할 수 없었다 Google Cloud [음악] 당신

Google and NXP advance artificial intelligence with the Edge TPU

빌리 루 뤼게 : 안녕하세요 저는 Google AOI 팀의 빌리 러 틀리지입니다

그리고 오늘 NXP 파빌리온 CES에서 열렸습니다 우리의 신제품을 소개합니다 – Edge TPU Dev 최첨단 TPU 칩과 NXP iMX가 결합 된 보드 개발자가 실험 할 수있는 8 가지 SoC 인공 지능을 처음으로 사용했습니다 그래서 보드 자체는 사실 두 조각입니다 여기베이스 보드에 모든 커넥터가 있습니다 대부분의 개발자들이 신제품을 프로토 타이핑하는 데 사용할 것입니다

생각 그리고 나서 SoM 모듈 – SoM은 CPU, GPU 및 TPU 칩을 포함하며, 메모리 및 Wi-Fi 및 블루투스가 포함됩니다 실제로베이스 보드에 스냅됩니다 고밀도 커넥터를 사용합니다 그래서 실험을 할 수 있습니다

실제 하드웨어를 개발 환경에두고, 생산 라인을위한 SoM 부품을 살 수 있어야한다 스마트 스피커를 사용할 준비가되면, 스마트 식기 세척기, 스마트 TV를 확장 가능한 생산 계획으로 오늘 우리는 몇 가지 다른 데모를 보여줍니다 이러한 유형의 기술을 어떻게 실험 할 수 있는지, AI에서 최첨단 기술을 사용하여 사람들을 탐색 할 수 있기를 바랍니다 안녕, 제 이름은 Peter Malkin입니다 나는 Google에서 근무하고 있습니다

저는 AOI 프로젝트의 소프트웨어 기술 책임자입니다 그리고 오늘 우리는 당신에게 얼굴 탐지 데모를 보여줍니다 Edge TPU에서 실행됩니다 Edge TPU의 핵심은 개인 정보 보호 및 보안입니다 이제부터는 픽셀이 필요 없습니다

데이터 센터로 이동합니다 회사에 데이터를 제공 할 필요가 없습니다 모든 기계 학습 추론을 로컬로 실행할 수 있습니다 칩셋에 이 경우 특히, 우리는 인간의 얼굴을 인식 할 수있는 네트워크를 시도했습니다

장치에서 로컬로 실행 중입니다 Linux를 실행하는 소형 임베디드 시스템에서 JUNE TATE-GANS : 안녕하세요, 제 이름은 June Tate-gans입니다 사실 저는 소프트웨어 엔지니어 중 한 명입니다 AOI 프로젝트 작업

CES에서 우리 데모 중 하나는 실제로 교수 가능한 기계입니다 실제로 우리는 지역 추론을 사용합니다 네트워크가없는 기기에서 직접 모델을 훈련시키는 것 연결성 이것을 우리의 교수 가능한 기계 데모라고 부릅니다 바로 여기 있습니다

근본적으로 하늘을 향한 카메라가 있습니다 이제 내가해야 할 첫 번째 일은 배경을 알기 위해 그것을 훈련 시키십시오 그래서 그것은 객체들 사이를 구별 할 수있다 나는 그것을 보여주고 있으며 배경은 무엇인가 그리고 내가하는 첫 번째 작업은이 버튼 중 하나를 누르는 것입니다

실제로 무엇을보고 있는지 말해야합니다 이제는 배경이 무엇인지 알 수 있습니다 나는 이제 그것을 대상으로 훈련시킬 수있다 이 특별한 경우에, 나는이 아이스크림을 사용할거야 아이스크림을 붙잡고 버튼을 누릅니다

이제는 배경과 아이스크림을 구분할 수 있습니다 그리고 당신은 그것이 기계 학습이고 추론을한다는 것을 압니다 내가 다른 색으로 보여줄 수 있기 때문에 동일한 결과를 얻습니다 이 이 핫도그와 같은 다른 대상으로도 확장 할 수 있습니다

그래서 핫도그, 아이스크림, 핫도그 그리고 도넛과 같은 그래서 도넛, 핫도그, 아이스크림 안녕, 로바 제 이름은 레오니다드입니다

나는 AOI 프로젝트를 위해 Google에서 근무하고 있습니다 여기에 우리의 [무관심] 데모에 대해 이야기하겠습니다 따라서 각각의 더 큰 데모 아래에서, 깊이 카메라가있는 작은 디스플레이가 있습니다 그리고 그것은 시간을 보여줍니다 그리고 그것은 중요한 특징입니다

사람들이 얼마나 많은 시간을 보느냐를 추적하기 때문에 다른 큰 데모에서 그리고 경계 상자를 표시하는 것을 볼 수 있습니다 사람들의 얼굴 주위에 여기 내 얼굴이 있습니다 그리고 제가 그린 박스가 있습니다

데모 스탠드쪽으로 찾고 있습니다 그리고 내가 돌아 서면, 지금 너처럼 빨간 상자를 볼 수 있습니다 나는 나 자신을 확신하지 않지만 그것은 빨갛게되어 있어야만한다 그리고 이것은 개발 보드에서 완전히 실행되었습니다 디스플레이 뒤에있는 것을 볼 수 있습니다

여기에 [INAUDIBLE] 데모와 같은 단어가 있습니다 따라서 인터넷 또는 클라우드 연결이 필요하지 않습니다 그리고 그것은 우리가 스스로이기 때문에 좋은 적용입니다 집에서 많은 사람들이 다른 큰 데모를보고 있습니다 그리고 당신은 중간에, 우리는 지금 4, 1/2 시간 같은 것을 가지고 있습니다

그리고 구석에 서서 세 명 이상이 있습니다 시간 꽤 설명 할 만하지만 여전히 흥미 롭습니다 함께 통계 BILLY RUTLEDGE : 이제 막 시작했습니다

가능 한 것의 표면을 긁다 인공 지능 오늘 Google Edge TPU Dev를 제공하게 된 것을 기쁘게 생각합니다 세계에서 장비상의 인공 지능을 구체적으로 실험 할 수있는 키트 장치에서 고성능 기능을 탐색하려면, 보드 자체에 모든 데이터가 저장되는 보안, 로컬에서 모든 것을 처리 할 수 ​​있으므로 성능이 향상됩니다 컴퓨터에 우리는 기회의 세계를 열어 줄 것이라고 생각합니다

신제품 개발을위한 우리는 당신이 다음에 그로 인해 무엇을 만들 수 있는지에 대해 매우 기쁩니다 [음악 재생]