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]

Cloud OnAir: AI Inference on GCP: How to get the best out of GCP VMs with Intel Xeon Scalable

[음악 재생] SHAHH SHAHIDI : 클라우드 OnAir에 오신 것을 환영합니다 Google Cloud에서 웹 세미나를 생방송하십시오

매주 화요일마다 웨비나를 개최합니다 내 이름은시다 그리고 오늘 저는 GCP와의 AI 추론에 대해서 이야기 할 것입니다 인텔에 언제든지 질문 할 수 있습니다

인텔 및 Google 직원이 있습니다 누가 너의 질문을 할거야 시작하자 우리는 인텔 제온의 가치 제안에 대해 이야기 할 것입니다 및 GCP 및 인텔과 함께 GCP 환경을 구성하는 방법 하드웨어 및 소프트웨어 최적화, 귀하의 인공 지능을위한 최고의 성능을위한 도구 및 도구 신청

우리는 당신에게 작품 중 일부를 소개 할 것입니다 Google과 함께 2 회에 걸쳐 우리가 이러한 최적화를 가져올 수있는 방법 GCP에서 사용 가능하고 사용하기 쉬운 도구를 제공합니다 그래서 여기서 이야기의 아젠다가 있습니다 먼저 인텔에 대한 간단한 개요를 살펴 보겠습니다 AI에서 우리의 전략과 강점

우리는 우리의 제온 CPU에 대해 계속 이야기 할 것입니다 GCP에서 사용할 수 있습니다 그런 다음 AI에 대한 최상의 성능을 얻는 방법에 대해 이야기합니다 응용 프로그램, 다른 프레임 워크 조정 및 최적화 우리의 하드웨어에서 최고의 성능을 발휘합니다 마지막으로 우리는 2 년 이상의 협력에 대해 이야기합니다

Google Cloud를 사용하여이 성능을 쉽게 구현할 수 있습니다 GCP 개발자가 사용할 수 있습니다 나는 AI 고객의 진짜 예를 들고 싶다 인텔이 AI에 가져다주는 가치를 강조했다 이것은 산업 결함 검출의 라이프 사이클을 보여주고있다

계획 그리고 우리는이 라이프 사이클의 붕괴를 보여주고 있습니다 다른 단계로 다른 프로젝트들은 시간대별로 다르지만, 단계는 일반적으로 동일합니다 하단에서 솔루션 전체 시간 완전한 인공 지능 여행입니다

기회 평가부터 개발까지의 단계 최종 결과에 대한 평가 등의 작업을 수행합니다 중간에 개발 및 배포 부분을 확대합니다 데이터를 소싱하는 것을 포함하는 전체 솔루션 개념 개발 추론 전개 증명, 광범위한 응용 프로그램과의 통합도 가능합니다 상단에서 우리는 증명을 더 확대합니다 개념 개발 자체의 데이터 준비가 완료되었음을 알 수 있습니다 개발 시간의 대부분은, 그 다음에 모델을 훈련하고 테스트를하고, 플러스 문서

보시다시피, 많이 있습니다 계산 집약적 인 부분 전후에 일어날 필요가있다 우리가 핵심 기계 학습으로 지칭하는 생명주기 그리고 깊은 학습 단계 인텔은 전체 라이프 사이클에 걸쳐 고객과 협력합니다 솔루션에 대한 전반적인 시간을 단축 할 수 있습니다

데이터의 전반적인 흐름을 생각하는 것이 중요합니다 데이터 관리 및 기타 두통을 포함하여, 오히려 배포를 빠르게 수행 할 수있는 방법은 무엇입니까? 솔루션의 한 부분을 프리미엄급으로 가속화하는 것보다 자,이 개념을 조금 더 확장하기 위해, 여러 접근법을 간략하게 살펴 보겠습니다 배포 및 개발 전에 데이터를 준비하십시오 사이클 접근 방식 결정의 핵심 요소 데이터 스펙트럼에 착륙하는 곳입니다

귀하의 데이터가 하나의 출처 또는 다수 출신입니까? 구조화되었거나 구조화되지 않았습니까? 얼마만큼의 볼륨을 다루고 있습니까? 임무가 치명적인가 아닌가? 스트리밍 라이브 또는 배치입니까? 누구에게 접속해야합니까? 이것들은 여러분이 프로세스를 시작하기 전에 질문해야합니다 깊은 학습 여정 규정 요구 사항이 있습니까? 이러한 질문에 대한 귀하의 답변에 따라, 우리는 다른 접근 방식과 다른 도구를 추천 할 것입니다 데이터를 통합, 저장, 처리, 관리 및 분석 할 수 있습니다 예를 들어 실시간 스트리밍 데이터를 여러 센서에서 오는 통합 된 높은 처리량을위한 도구를 고려하고 싶습니다

낮은 대기 시간의 실시간 데이터 처리를 제공합니다 최종선에는 많은 다른 접근이있다 데이터를 설정하고 AI에서 데이터 준비하기 개발 및 배치 인텔은이 분야에서 방대한 생태계와 함께 작업합니다 솔루션을 최적화하여 실행 최신 하드웨어에 가장 적합합니다 이러한 최적화를 활용하면 데이터 준비주기에 최상의 성능을 제공하고, 관리를위한 오버 헤드와 두통이 거의없고 전혀 없습니다

데이터 이동 이제 우리는 서로 다른주기에 대해 이야기했습니다 우리가 핵심 기계 학습에 도달하기 전에, AI 응용 프로그램의 깊은 학습, 인텔의 완벽한 포트폴리오를 간략하게 살펴 보겠습니다 소프트웨어 및 솔루션 사실 인텔의 다양한 하드웨어 제품 포트폴리오에서 실행됩니다 우리의 소프트웨어 스택을 통해 우리는 모든 수준을 목표로합니다

인공 지능 전문 지식과 참여, 도서관 개발자, 데이터 과학자, 앱 개발자에게 도움이됩니다 우리는 또한 풍부한 솔루션 카탈로그를 보유하고 있습니다 내부 및 공개 사용 사례를 기반으로 솔루션 아키텍트와 공유 서로 다른 부문에 걸쳐 약간의 작업을 단순화하기 위해 이 도구들 중 몇 가지에 집중하고 싶다 오늘날 대부분은 GCP 개발자에게 적용됩니다 인텔 제온 프로세서부터 시작해 보겠습니다

우리의 인공 지능 솔루션의 토대가되는, 특히 GCP에서 우리는 몇 가지 개선 사항에 대해 이야기 할 것입니다 최신 세대의 Xeon CPU 어떻게 AI가 더 나은 성능을 발휘할 수 있는지 신청 다음은 오픈 소스 심 신경 네트워크 인 MKL-DNN입니다 우리 CPU의 기능 라이브러리 개발자는 이러한 프리미티브를 사용하여 가속화 할 수 있습니다 우리 하드웨어의 성능

그런 다음 인텔과 함께 스택의 다음 계층에 집중합니다 최적화 된 프레임 워크, 특히 TensorFlow, 이 프리젠 테이션의 목적을 위해, Intel의 Python 배포판도 포함되어 있습니다 마지막으로, 우리는 우리의 깊은 학습 개발에 초점을 맞출 것입니다 툴킷, 추측을 가능하게하는 OpenVino 다양한 하드웨어에서 최적화 된 성능 제공 통합 API를 사용하는 배경 인텔, 구글과 제휴 오랫동안 데이터 센터 인프라에 대한 2016 년 이래로 우리는 긴밀히 협력 해 왔습니다

하드웨어에서 실행되는 클라우드 솔루션에 GCP를 사용합니다 AI에 대한 우리의 계약 전략을 요약하면, 우리가 집중하는 세 가지 기둥이 있습니다 첫 번째는 제품입니다 Google과의 긴밀한 협력을 통해, GCP는 최초의 클라우드 서비스 제공 업체였습니다 최신 제온 확장성에 대한 액세스 제공 클라우드 환경의 프로세서, 심지어 몇 달 우리 제품의 일반적인 시장 가용성 전에

Google은 항상 기술의 최첨단에 있습니다 그리고 우리는 시간을 제공하기 위해 계속해서 협력합니다 GCP 개발자를위한 제품을 시장에 내 놓습니다 우리 전략의 두 번째 기둥 도구 및 라이브러리 작업 하드웨어 성능을 최대화 할 수 있습니다 이 작품은 제가 앞서 설명했듯이, 소프트웨어의 여러 레이어에 걸쳐 있음 프리미티브 및 라이브러리에서부터 유니 파이드 컴파일러 및 SDK에 이르기까지, 최적화 된 심층 학습 및 기계 학습 프레임 워크

마지막으로 GCP와 협력합니다 GCP에서 이러한 도구를 사용할 수 있고 쉽게 액세스 할 수 있도록 개발자를위한 환경 그럼 우리 제품에 대해 조금 이야기 해 봅시다 스카이 퀘이크 (Skylake)라고도 알려진 인텔 제온 (Intel Xeon) GCP에서 사용할 수있는 최신 인텔 CPU입니다 2017 년 1 분기 이후 이러한 프로세서는 CPU 코어의 수를 늘립니다

이전 세대에서 50 % 큰 VM으로 변환합니다 이제 Skylake 기반 VM을 선택할 수 있습니다 최대 96 개의 vCPU 및 최대 14TB의 메모리를 제공합니다 Skylake는 또한 많은 마이크로 아키텍처 상당히 큰 캐시를 포함하여, 더 큰 데이터를 저장할 수있는 응용 프로그램으로 변환됩니다

코어에 가까운 구조 데이터 구조가 코어에 맞지 않는 경우, 메모리에 더 빨리 액세스 할 수있는 메모리 대역폭이 더 있습니다 그리고 실행 측에, Skylake 많은 명령어의 명령어 대기 시간을 줄입니다 더 넓은 실행을 추가합니다 동시에 Skylake는 최신 버전을 구현합니다

인텔 벡터 명령어 인 AVX-512, 벡터에서 이전 세대의 두 배 폭을 제공합니다 부동 소수점 성능을 최대 82 % 향상시킬 수 있습니다 이 모든 것이 더 빠른 vCPU 및 컨테이너로 변환됩니다 GCE 및 GKE의 Skylake 및 기타 GCP 제품을 기반으로합니다 아시다시피, 필수 요소 중 하나 길쌈 신경 네트워크 모델링 뒤에 행렬 곱셈입니다

Xeon CPU에서는 명령어를 가속화합니다 이러한 작업을 가능한 효율적으로 수행 할 수 있습니다 Skylake는 오늘 FP32 벡터를 지원합니다 곱하기 및 덧셈 명령, INT8 명령 차세대 Intel Xeon 프로세서 새로운 VNNI 지침을 제공합니다 VNNI는 벡터 신경망 명령을 나타냅니다 하드웨어 가속을 포함합니다

INT8 컨볼 루션 명령 차세대 인텔 제온 프로세서에서, 흡입 작동을 수행하기위한 3-AVX 명령 하나에 융합되어 소비로 인해 속도가 향상됩니다 클럭주기가 짧다 우리는 프레임 워크 개발자들과 긴밀히 협력하고 있습니다 이 지침을 통합하기 위해 그들이 활용할 수 있도록 프레임 워크에 이러한 지침에 따른 성능 향상 귀하의 응용 프로그램에

그래서 우리는 새로운 지침에 대해 이야기했습니다 하드웨어의 모든 장점 우리의 신제품이 GCP에 가져다줍니다 그러나 모든 하드웨어는 소프트웨어만큼이나 우수합니다 그것의 위에 달리는 따라서 하드웨어에 기능을 제공하는 것 외에도, 우리는 소프트웨어 최적화에 집중 해 왔습니다

하드웨어의 모든 기능을 활용할 수 있습니다 우리는 지난 몇 년간 매우 긴밀하게 관계를 맺어 왔습니다 다른 프레임 워크 개발자들과 함께 라이브러리를 통합하고 최적화를 업스트림합니다 다음은 Google 최적화의 예입니다 1 년 반 동안 일해야합니다

Skylake CPU를 공개적으로 출시 한 2017 년 7 월부터, 추측에 약 54 배의 향상이있었습니다 성능, 전적으로 소프트웨어 최적화에서 동일한 인텔 하드웨어 비교 우리 최적화의 힘을 말할 수 있습니다 내년까지 우리의 차세대 Xeon CPU 공개적으로 사용할 수 있습니다 추론 성능이 대략 두 배가 될 것으로 예상하고, 새 하드웨어 가속으로 인해 지침, 구현 및 추가 성능 최적화

이 차트는 ResNet 50 성능을 기반으로합니다 분명히 컴퓨팅 부하가 적은 워크로드의 경우, 하드웨어에 다른 병목 현상이있는 경우, 결과는 덜 발음되지만 여전히 매우 중요합니다 자, TensorFlow에 약간 초점을 맞추자 프레임 워크 최적화에 대해 간단히 이야기하십시오 우리는 우리의 최적화 된 심 신경 네트워크에 대해 일찍 말했습니다 라이브러리

앞서 언급했듯이 MKL-DNN은 오픈 소스 수학 커널 라이브러리입니다 깊은 신경 네트워크 및 주요 빌딩 블록 우리의 프레임 워크 최적화 MKL-DNN은 때로는 매우 낮은 레벨을 사용하여 고도로 최적화되어 있으며, 어셈블리 코드만큼 낮습니다 API는 피드백과 상호 작용으로 개발되었습니다 주요 프레임 워크 소유자와 최적화는 여러 레이어에서 수행됩니다

첫째, 컨볼 루션 (convolution)과 같은 모든 프리미티브 (primitive) 행렬 정규화 및 행렬 정규화 최신 와이드 벡터를 활용하도록 다시 작성 명령 다음으로 서로 다른 레이어가 병렬화됩니다 사용 가능한 모든 코어를 효율적으로 사용할 수있게합니다 하드웨어에서 마지막으로, 프리 페칭, 캐시 블로킹 기술 및 데이터 형식 공간적, 시간적 지역성을 촉진하는 것 실행시 데이터를보다 유용하게 만드는 데 사용됩니다

단위에 필요합니다 MKL-DNN 프리미티브를 사용하는 것 외에도, 우리는 다른 기술을 사용하여 TensorFlow에 통합합니다 우리가 레이아웃 최적화를 좋아하는 것들이 있습니다 기본 TensorFlow 작업 교체, 퓨즈 작업, 전파 중간 상태 그리고 우리는 우리의 커스텀 CPU 풀 할당자를 가지고 있습니다

기본적으로 값 비싼 페이지 손실을 피하는 데 도움이됩니다 페이지가 지워집니다 Google은 이러한 최적화 작업을 위해 Google과 협력 해 왔습니다 2 년 이상 협력하고 계속 협력하십시오 새로운 지침과 프레임 워크에서 이익을 실현 공연

이제는 TensorFlow 및 기타 심층 학습에 더하여 우리는 파이썬에 최적화 된 라이브러리 우리는 NumPy, SciPy 및 SciKit-Learn를 가속화했습니다 인텔 MKL과 최적화는 conda와 Anaconda를 통해 가능합니다 일반 대중을위한 클라우드 및 다시 상류로 돌아옴 메인 파이썬 트렁크에 자세한 내용을 알고 싶다면 Intel 배포판에서의 Python 및 일부 성능 증거 [INAUDIBLE], 우리는 좋은 글을 남겼습니다 인텔 웹 사이트 소프트웨어에서 확인하십시오

나는 당신이 참조 할 수있는 슬라이드에 링크가 있다고 생각합니다 다음은 scikit-learn 라이브러리를 사용하는 예입니다 GCP 환경에서 중요한 성과 달성 속도를 올리다 이것은 K-Means 클러스터링 알고리즘을 사용하고 있습니다 최대 23 배 빠른 이득을 볼 수 있습니다

인텔 scikit-learn 대 주식 scikit-learn 사용 파이썬의 라이브러리 그리고 이것은 96 vCPU Skylake 인스턴스의 GCP에서 실행됩니다 이제 우리는 인텔 최적화 라이브러리에 대해 이야기했습니다 그리고 프레임 워크, 나는 약간의 시간을 보내고 싶다 Google과의 공동 작업에 대해 이러한 최적화 성능을 제공하는 클라우드 GCP에서 쉽게 액세스 할 수있는 자산으로 사용할 수 있습니다

우리는 Intel 최적화 된 Docker 이미지를 생성했습니다 TensorFlow 및 인텔 배포 Python Docker Hub와 GitHub에서 이 Dockers에 액세스 할 수있는 링크가 있습니다 기본적으로 이것은 소프트웨어의 모든 장점을 가져올 것입니다 한 번 클릭으로 Docker 이미지를 다운로드 할 수 있습니다

그래서 이들을 사용하여 더 빠르고 효율적으로 개발할 수 있습니다 또한 Google과 협력 해 왔습니다 파이썬의 인텔 배포판을 만들기 위해, 뿐만 아니라 일부 인텔 성능 라이브러리, Google 컨테이너 레지스트리에서 사용 가능합니다 인텔 성능 라이브러리에는 라이브러리 인텔 수학 커널 라이브러리, 인텔 스레딩 빌딩 블록, Intel NPI, IPP 및 데이터 분석 가속 라이브러리 VM에서이 라이브러리를 사용할 수 있으려면, 당신은 런타임이 실제로 있는지 확인해야합니다

이 라이브러리에서 사용할 수 있습니다 링크에 대한 좋은 지시 사항이 있습니다 런 타임을 다운로드 할 수있는 웹 사이트 VM 인스턴스에서 사용할 수 있도록합니다 인텔 최적화 라이브러리가있는 컨테이너 외에도, 우리는 Google과 협력 해 왔습니다 최적화 된 가상 시스템 이미지를 만듭니다

사용 및 배포 용이성 외에도, 이러한 이미지는 개발자가 항상 최신 버전의 최적화 활용 이 이미지들을 통해 최근 GCP는 인텔 최적화 된 두 개의 VM 이미지를 발표했습니다 하나는 TensorFlow, 1120을 사용하여 최신 MKL-DNN 및 MKL 라이브러리, 인텔 최적화가 적용된 또 하나 세 개의 파이썬 라이브러리 – numPy SciPy와 scikit-learn

이러한 이미지는 환경 변수 설정을 자동화합니다 올바른 변수를 사용하고 Google Cloud를 통해 사용할 수 있습니다 마켓 플레이스, GCE, OS 이미지 및 명령 줄 인터페이스 조금 시간을 보내고 싶다 시작하는 방법을 안내합니다 GCP에서 올바른 플랫폼을 선택하는 방법 최적화 된 이미지에 액세스하는 것

Google Compute Engine에서 시작하려면 인스턴스 생성, CPU 플랫폼 풀다운 메뉴로 이동 Intel Skylake 이상을 선택하십시오 귀하의 신청서가 최신 하드웨어 향상 기능을 활용할 수 있습니다 Skylake의 장점에 대해 이전에 이야기했습니다 이전 세대 CPU보다 그리고 가용성 측면에서, Skylake는 현재 17 개 GCP 지역 중 16 개 지역에서 사용할 수 있습니다 콘솔을 사용하지 않는 경우 Cloud Shell에서 min-cpu-platform 플래그를 사용할 수 있습니다

CPU를 선택하십시오 Skylake 가용성을 갖춘 16 개 존 중 하나에서, 인텔 스카이 레이크에 플래그를 설정할 수 있습니다 Skylake에서 실행되도록 VM을 만들 때 앞에서 설명한 것처럼 VM 이미지의 주요 전제 인텔 최적화 및 도구를 쉽게 만드는 것입니다 GCP 개발자가 사용할 수 있습니다

Intel에서 VM 이미지에 액세스하는 방법 중 하나 최적화 된 TensorFlow 또는 Intel 최적화 Python은 Google Cloud Marketplace를 사용합니다 Google Cloud Console 환경에서, 마켓 플레이스를 클릭하고 심층적 인 학습 VM 이미지를 찾으십시오 클릭 한 번으로 배포 할 수 있습니다 VM상의 이러한 이미지 GCE에서이 이미지에 액세스 할 수도 있습니다

설정하는 동안 더 많은 제어 기능을 찾고 있다면 VM, 최적화 된 OS 이미지 배포 부팅 디스크를 변경하고 하나를 선택하여 인텔 최적화 이미지 최적화를 최대한 활용하려면 최신 아키텍처에서 Intel Skylake로 CPU 플랫폼을 선택해야합니다 또는 나중에이 작업을 수행하는 동안 그리고 Google 콜 커맨드 라인 인터페이스를 사용하는 경우, 다음 명령을 사용하여 VM 이미지를 시작할 수 있습니다 라인 옵션 이미지 계열 변수를 Intel 고유의 이미지 중 하나로 설정하십시오

인스턴스를 작성할 때 유형을 지정하십시오 min-cpu-platform 변수를 설정할 수도 있습니다 최신 인텔 CPU, Skylake 이제 툴킷에 대해 이야기하고 싶습니다 그래서 우리는 도서관에 관해 이야기했습니다 우리는 소프트웨어 스택의 여러 레이어에 대해 이야기했습니다

그리고 지금까지 라이브러리와 프레임 워크에 중점을 두었습니다 그리고 우리 툴킷에 대해 조금 이야기하고 싶습니다 인텔 하드웨어를 개발하는 데 도움이되는 것 Google Cloud를 사용한 최신 프로젝트 Kubeflow 파이프 라인에있다 그리고 우리는 통합 작업을하고 있습니다

개발 툴킷의 일부를 Kubeflow 파이프 라인에 통합합니다 이전에 우리는 우리의 소프트웨어 툴킷에 대해 조금 이야기를 나누었습니다 서로 다른 인텔 하드웨어에 공통 API를 제공합니다 이 소프트웨어 툴킷은 OpenVino로 알려져 있습니다 열린 시각적 유추를 의미하는 및 신경망 최적화

OpenVino에는 세 가지 주요 구성 요소가 있습니다 첫 번째는 심층 학습 배포 키트 또는 DLDT입니다 두 번째는 OpenCV 및 미디어입니다 SDK는 전통적인 비전 및 비디오 처리에 사용됩니다 세 번째는 사전 훈련 된 모델 모음입니다

및 자습서 요약하면, OpenVino는 통합 프로그래밍 모델을 제공합니다 하드웨어 전반에 걸쳐 성능 및 메모리 최적화 사용자 정의 워크로드를 위해 확장 가능하며, 광범위한 운영 체제 지원을 제공하며, 단순한 out-of-the-box 경험을 위해 자체 완비되어 있으며, 커뮤니티가 기여할 수있는 오픈 소스입니다 향상시킬 수 있습니다 오늘 집중할 구성 요소 기본적으로 모델 최적화 프로그램을 제공하는 DLDT입니다 통합 API가있는 추론 엔진 다른 인텔 하드웨어를 통해

그래서 Intel과 Google은 파트너 관계를 맺고 있습니다 DLDT의 성능 및 사용 편의성 제공 Kubeflow에 DLDT 컨테이너를 추가하여 GCP 개발자에게 관로 데이터 과학자로서 엔드 투 엔드 솔루션을 만들고 있다고 가정 해보십시오 일부 의료 이미지를 기반으로합니다 여러 다른 컨테이너를 통해 작업을 수행 할 수 있습니다

데이터 처리, 데이터 변환, 데이터 검증 컨테이너는 데이터 읽기를 용이하게하며, 데이터를 예상 된 포맷으로 변환하는 단계, 사용 가능하고 적절히 라벨이 붙어있는 것으로 데이터를 검증하는 것 이 데이터는 강사 컨테이너로 전달됩니다 출력은 다음과 같은 모델 유효성 검사 컨테이너로 전달됩니다 모델을 배치하거나 게재 할 준비가되었는지 확인합니다 교육받은 모델은 최종 당사자가 제공하는 데 사용됩니다

OpenVino가이 흐름에 통합되는 방식 훈련 된 모델이 DLDT 모델 최적화 프로그램에 공급된다는 것입니다 모델 최적화 기는 최적화 된 IR을 생성합니다 그리고 나서 최적화 된 IR이 서빙 DLDT 컨테이너는 기본적으로 추론 엔진을 사용합니다 Intel 하드웨어에서 가능한 한 효율적으로 실행 백엔드 여기에는 Kubeflow 파이프 라인을 통합하는 몇 가지 예가 있습니다 OpenVino 컨테이너

여기에 제공된 링크에는 두 가지 예가 있습니다 그리고 우리는 당신이 앞서 가서이 예들을 시도하도록 초대합니다 이 컨테이너를 통합하는 흐름을 따라 가야합니다 Kubeflow 파이프 라인으로 OpenVino와 그 이점에 대해 더 많이 배울 수 있습니다

하단의 링크를 사용하십시오 또한, 제 동료들은 AI 파이프 라인 및 인텔 OpenVino 소개 웹 세미나 내가 격려하는 통합 너는 배우기 위해 지켜보아야한다 마무리하기 만하면됩니다 AI 개발자를위한 인텔 리소스에 대한 자세한 내용 인텔 AI 아카데미는 최고의 장소입니다 인텔 자산 및 도구에 대해 더 자세히 배우기 시작했습니다

AI 빌더스 솔루션 라이브러리는 훌륭한 원 스톱 매장입니다 인텔 AI 기술 기반 솔루션을 찾는 방법 다른 분야에서 인텔의 GCP 방문 페이지는 훌륭한 출발점입니다 GCP에서 활성화 된 인텔 기술에 대해 자세히 알아보십시오 그걸로 다시 한 번 감사드립니다

AI의 일부를 소개 할 기회 GCP의 기술 라이브 Q & A를 위해 계속 지켜봐주십시오 내 동료, Banu, 몇 가지 질문에 대답하는 데 도움이됩니다 우리는 1 분 안에 돌아올 것입니다 SHIDE SHAHIDI : 그래서 여기 나와 함께 Banu 있습니다 그리고 우리는 많은 질문에 답하려고 노력할 것입니다

우리가 할 수있는대로 관객으로부터 내가 이야기하는 동안 몇 가지 질문을 수집했습니다 Banu, 그래서 질문 여기에, "고객의 사례는 무엇입니까? AI에 Xeon을 사용합니까? " BANU NAGASUNDARAM : 정말 좋은 질문입니다 AI에는 많은 고객이 있습니다 두 기계 학습 모두에 제온 프로세서를 사용하는 사용자 그리고 깊은 학습 작업량

특히 인공 지능에 대한 깊은 학습에서, 두 가지 유형의 작업 부하가 있습니다 우리가 지원하는 추론과 훈련을 위해서 우리의 고객은 Xeon 확장형 프로세서, SkyLake CPU, 스트리밍 추론 및 배치 추론에 사용됩니다 최근 스트리밍 추론의 한 예 얘기 Taboola했다 웹을 제공하는 추천 엔진입니다

웹 서비스 응용 프로그램 용 또한 Xeon CPU를 사용하여 데이터를 가져옵니다 그것을 스트리밍하고 실시간 추론을한다 데이터에 또한 약 360 억 건의 권장 사항을 제공합니다

매월 10 억 명의 고유 사용자가 있습니다 이것이 스트리밍 추론의 한 예입니다 그리고 일괄 유추를 위해 우리는 GE Healthcare와 같은 고객은 이미지 인식 워크로드에 Xeon CPU를 사용합니다 그리고 그들의 업무량은 마약에 관한 것입니다 – 더 많은 CT 스캔 및 제약 관련 그리고 그들은 배치 추론을 위해 Xeon CPU를 사용합니다

데이터베이스가있는 경우, 수집 된 집합 데이터의 그리고 그들은 그것을 사용하여 큰 배치 크기로 추론을합니다 그리고 그들은 엄청난 양을 깨달았습니다 Xeon CPU를 사용하여 성능이 향상되었습니다 그런 다음 교육 워크로드도 제공합니다

우리는 제약 업계의 노바티스와 같은 회사를 보유하고 있습니다 기본적으로 높은 콘텐츠 심사를하고 있습니다 정말 큰 이미지 크기 벤치 마크 중 일부를 살펴보면 예를 들어 ResNet-50과 같이 사용하는 그들은 ImageNet 데이터베이스를 사용합니다 그리고 그것은 더 작은 이미지 세트입니다

그러나 실생활에서는 고객이 훨씬 더 큰 이미지 크기를 사용합니다 그리고 노바티스는 훈련에 대한 사례 중 하나입니다 그들은 시간의 개선을 달성했다 Xeon CPU를 사용하여 교육 및 처리량을 향상시킬 수 있습니다 그래서 그것들은 우리 고객의 몇 가지 예입니다

AI 용 Xeon SHAHH SHAHIDI : 나는 다음 질문의 종류가 암시한다고 생각한다 그뿐 아니라 다음 질문은 "Xeon에서도 교육을 실행할 수 있습니까?"입니다 그래서 우리는 추론에 대해 이야기 해 왔습니다 설정 방법 및 Xeon 및 GCP에서 사용하는 방법에 대해 설명합니다

교육을 진행중인 고객의 사례가 있습니까? 제온에요? 그것은 가능합니까? BANU NAGASUNDARAM : 맞아 네 그건 좋은 질문이야 따라서 제온 CPU는 다목적 CPU이며, 이는 다양한 작업 부하에 사용됩니다 그리고 깊은 학습은 하나의 부분 집합입니다

인텔에 매우 중요한 워크로드 중 우리의 고객 그 일환으로 Xeon CPU에 대한 교육을 실행할 수 있습니다 내가 암시 한 사례 중 하나는 노바티스 (Novartis)였다 그러나 내가 만질 수있는 몇 가지 다른 것들이 있습니다 예를 들어, HPC와 AI의 수렴에서, 우리는 고객을 위해 실행되는 작업 부하를 가지고 있습니다

엄청나게 큰 데이터베이스에 예제 중 하나는 – 최근에 우리는 Supercomputing 2018 컨퍼런스에서, 프랑스 연구 기관인 [INAUDIBLE] Xeon CPU를 사용하여 여러 CPU에서 교육을 확장 할 수있었습니다 128 노드, 확장 효율성 향상 필요한 정확성을 얻는 것입니다 그래서 이것은 어떻게, Xeon에서 교육을 실행할 수 있습니다 추가 하시겠습니까? SHAHIDI : 예

사실 사실 GCP에서, 우리는 제온 (Xeon)에 대한 교육을 받고있는 고객이 몇 명 있습니다 그들의 응용 프로그램은 시각 효과에서 건너갑니다 위성 이미지로 장바구니 실험실은 공개적으로 Xeon에 대한 교육을 받고 있다고 발표했습니다 실제로하고있는 몇 가지 다른 것들이 있습니다 GCP 환경에서 BANU NAGASUNDARAM : 좋습니다

네 내 마음에 온 또 다른 한 가지 예가 CERN이었습니다 그들은 대형 Hadron Collider를 사용합니다 그리고 그들은 수집하는 엄청난 양의 데이터를 가지고 있습니다 그리고 그들은 몬테카를로와 같은 고성능 컴퓨팅을 실행합니다

시뮬레이션을 할 수 있습니다 또한 분산 된 교육을 위해 Xeon CPU를 사용합니다 256 개 노드에 걸쳐 그리고 우리는 3D-GAN에 대한 한 예를 보여주었습니다 적대적인 네트워크가 생성되어 여러 Xeon 노드에서 효율을 높일 수 있습니다 SHAHIDI : 알았어요

승인 큰 그래서 보자 BANU NAGASUNDARAM : 다음 물어볼 수 있습니다 그래서 언제 "우리는 깊은 학습 향상에 접근 할 수 있습니까? GCP의 VNNI에? " SHIDE SHAHIDI : 좋습니다, 그래서 좋습니다

VNNI 지침 및 심화 학습 차세대 Intel Xeon CPU에서 사용할 수 있습니다 실제로 샘플을 고객에게 보내고 있습니다 올해 말에 GCP에서 사용할 수있을 때 실제로는 GCP 담당자를위한 질문 따라서 GCP 담당자와 연락하는 것이 좋습니다

언제 그들의 타임 라인을 알아 내기 위해 그들은 그들의 플랫폼에서 이것을 이용할 수있게 할 것입니다 그래서 나는 당신을 위해 하나를 가지고있다 사실, 마지막에 가자 먼저 그 질문에 대답하기를 바랍니다 그리고 나서 시간이 있다면, 우리는 이전 시간으로 돌아올 것입니다

그래서 "다른 토폴로지와 프레임 워크는 무엇인가? 인텔 하드웨어에 최적화되어 있습니까? " BANU NAGASUNDARAM : 그것은 좋은 것입니다 따라서 인텔 포트폴리오 슬라이드 다른 프레임 워크를 보여주었습니다 우리가 최적화 한 요약하면 TensorFlow는 주로 프레임 워크 최적화 그러나 그 외에도 MXnet도 사용합니다 Caffe, 너무

그런 다음 PyTorch와 PaddlePaddle 프레임 워크의 몇 가지 예입니다 우리가 최적화 할 수 있습니다 토폴로지 측면에서 우리는 다양한 토폴로지를 수행합니다 그리고 그들은 유스 케이스와 매우 관련이있다 우리 고객이 신청하고 있습니다

예를 들어 이미지 인식을 실행하고, 이것은 Resnet-50, Inception v3 예제와 같습니다 우리는 물체 감지를합니다 YOLO가 그 예입니다 우리는 이미지 분할을합니다 이미지의 특정 세그먼트를보고있다

그것은 Mask R-CNN과 같습니다 우리는 또한 신경 기계 인 언어 번역도합니다 번역 작업 부하 그리고 나서 마음에 떠오르는 다른 것들 중 일부 TTS (text-to-speech)입니다 WaveNet은 TTS (text-to-speech) 워크로드의 좋은 예이며, 심지어 권장 시스템 (예 : Wide & Deep 또는 신경 협동 필터링과 같습니다

기본적으로 토폴로지는 매우 다양합니다 이러한 다양한 프레임 워크에서 최적화 할 수 있습니다 SHAHIDI SHAHIDI : OK, 라이브러리 및 프리미티브뿐만 아니라 우리는 또한 프레임 워크를 가지고 있습니다 그리고 그것은 우리가 서로 다른 토폴로지로 작업하는 부분입니다 다른 작업 부하에서

아마 우리는 한 번 더 질문 할 시간이 있다고 생각합니다 "인텔 최적화 소프트웨어의 이점은 무엇입니까? 왜 내가 그것을 필요로합니까? " BANU NAGASUNDARAM : 좋은 질문입니다 [웃음] 나는 시작할 수 있고 그 다음에 그걸 추가 할 수 있습니다 SHIDE SHAHIDI : 물론입니다 BANU NAGASUNDARAM : 그래서 Shideh 오늘 너 얘기하고있다

우리가 할 수있는 다른 것들은 무엇입니까? 그러나 우리는 왜 그것을해야합니까? 예를 들어 Skylake와 같이 우리가 구축 한 하드웨어는 ADX-512 명령어가 있습니다 차세대 제온 CPU는 VNNI 지침이 있습니다 이 지침에서 성능을 얻으려면, 그 위에 개발 된 라이브러리가 필요합니다 이 지침을 사용하십시오 그리고 일단 당신이 그러한 라이브러리를 개발하게되면, 이러한 라이브러리를 호출하기위한 프레임 워크가 필요합니다

그래서 우리는 당신이 최신 버전이 필요하다고 말합니다 인텔 하드웨어에 최적화 된 소프트웨어 최상의 성능을 얻으려면 GCP를주고 싶니? SHACHH SHAHIDI : GCP와 거의 같은 것입니다 BANU NAGASUNDARAM : 좋습니다 승인 SHIDE SHAHIDI : 프레임 워크가있는 한 및 토폴로지를 사용할 수 있는지 확인하십시오

최신 버전을 사용하고 있는지 확인하십시오 하드웨어와 소프트웨어 중 가장 뛰어난 것입니다 시도 해봐 그리고 당신의 공연이 보일 것입니다 이점과 부스트

BANU NAGASUNDARAM : 맞아 SHAHH SHAHIDI : 그래서 생각, 우리는 닫을거야 다음 세션 소개를 위해 계속 지켜봐주십시오 인공 지능 허브, 모든 인공 지능을위한 원 스톱 카탈로그 고맙습니다

BANU NAGASUNDARAM : 감사합니다 [음악 재생]

Meet BrainQ, a Tel Aviv startup using A.I. technology to treat neuro-disorders

YOTAM DRECHSLER : 제 이름은 Yotam Drechsler입니다 저는 BrainQ의 CEO입니다

BrainQ, AI 기반 의료 기기 개발 무력한 사람들을 추적하는 것을 목표로 뇌졸중 또는 척수 손상과 같은 신경 장애, 그들의 발에 등을 맞댄 [음악 재생] 매해 수억 전 세계의 사람들은 신경 장애로 고통 받고 있습니다 뇌졸중만으로도 1 천 5 백만명에 달합니다 매년 1 년 그리고 전체 신경 장애는 미국 경제에 드는 비용입니다

매년 1 조 5 천억 달러입니다 할아버지는 몇 년 전에 뇌졸중이있었습니다 가족의 중심이되어서 갑자기, 그는 그의 시신의 절반에서 마비되었다 즉, 그는 더 이상 간단한 일을 할 수 없다는 것을 의미합니다 한 잔의 물을 마시거나 혼자서 드레싱하는 것과 같습니다

그리고 그것은 많은 사람들이 현실로 여기 저기에 있습니다 일반적인 치료법은 물리 치료법입니다 근본적으로 손이나 다리를 앞뒤로 움직입니다 BrainQ가 본질적으로하는 것은 물리 치료의 모델링입니다 그것을 뇌에 직접 적용 할 수 있습니다

어떤 의미에서 우리는 환자에게 어떤 일이 일어나는지 묻습니다 건강한 사람이 손을 대면 물 한 잔을 움켜 잡기 위해 손을 뻗는 것과 같은 운동 그래서 우리는 많은 사람들이 이런 종류의 움직임을하도록 만듭니다 그런 다음 패턴을 배웁니다 우리는 우리가 배웠고 확인한 이러한 패턴을 취합니다

개인화 된 치료로 다시 그에게 다시 적용합니다 우리는 독특한 두뇌 컴퓨터를 개발했습니다 인터페이스 기반 의료 기기 환자의 뇌파를 일련의 메타 데이터로 입력으로 받아들입니다 클라우드에서 기계 학습 알고리즘을 실행합니다

맞춤형 전자기장으로 변환하십시오 중추 신경계를 촉진하기위한 치료 복구 프로세스 Google을 만나게되어 매우 기뻤습니다 이 비전을 우리와 나누십시오 Google은 GCP 팀과 긴밀히 협력했습니다

이 비전을 실현하는 데에 우리는이 프로그램에 참여하는 것이 행운이었습니다 그리고 그것은 우리를 빠른 길에 정말로 둔다 그리고 네 가지 모든면에서 우리는 차세대 정밀 의학 기초를 가진 기술의, 스튜디오 팀 Peter Norvig와 함께, 나머지 Google 직원은 매우 우리를 도와 줘서 지난 몇 달 동안 우리는 대규모 자금 조달을했습니다 그리고 우리는 파이프 라인에서 몇 가지 협력을했습니다

그리고 우리는이 유망한 트랙에서 계속되기를 희망합니다 정말로 수백만에게 치료를 가져다줍니다 전 세계 사람들의 그리고 우리는이 여행 중에 Google을 우리와 함께하게되어 행운입니다 [음악 재생]

Welcome to QuantumCasts! A new series on quantum computing

MARISSA GIUSTINA : 안녕하세요 나는 마리사 지 스티나이고, 나는 새로운 일련의 동영상을 소개합니다

양자 컴퓨터와 어떻게 프로그래밍 할 것인가 우리는 일련의 네 가지 비디오를 다루고 있습니다 우리가 즐길 수있을 거라 생각하는 개념의 폭 넓은 집합 나는 양자 계산이 실제로 무엇인지 설명 할 것이다 전통적인 컴퓨팅과는 다른 점이 있습니다

거기에 많은 서술들이 나와 있습니다 나는 그것을 본질적으로 끓일 것이다 양자 컴퓨터의 작동 원리와 사용법을 보여줍니다 다니엘은 차이점을 파헤 칠 것입니다 고전 정보와 양자 정보의 결합 육체적 인 수준에

전통적인 메모리에 대해 배우게됩니다 마이크로 전자 레벨에서 어떻게 작동하는지, 이를 바탕으로 양자 칩이 어떻게 작동하는지 확인하십시오 다음은 양자 컴퓨터 프로그래밍에 관한 것이며, 데이브가 그걸 다 말해 줄거야 양자 컴퓨터 프로그래밍의 개념과 프로그래밍이 아닙니다 새로운 오픈 소스 Cirq 언어 쉽게 해줍니다

마지막으로, 깊은 개념에 관심이 있다면 컴퓨터 과학 중 세르지오는 당신에게 대우를 제공합니다 그는 오랫동안 확고한 강자에 대해 이야기 할 것입니다 교회 – 튜링 논제와 양자 컴퓨팅이 제공하는 방식 한계로부터의 흥미 진진한 돌파구 전통적인 컴퓨팅의 이 동영상은 우리가 처음 접하는 동영상입니다 Google 개발자를 위해 제작하고 그 (것)들에 당신의 의견을 듣는 것을 사랑하십시오 나 또는 다른 발표자에게 질문이 있으시면, 아래 의견란에 남겨주세요

How to get a job at Google (Software Engineer 2018)

이봐, 무슨 일이야? 이 에피소드에서는 리처드 리우 8 년간 Google에서 근무했습니다 그의 시간 동안, 그는 500 명 이상을 고용했습니다

Google 그는 구글을 떠나서 자기 자신을 만들었다 Leapai라는 직업 검색 플랫폼 AI를 사용하여 직업 검색하기 10 배, 10 배 더 빠름 그래서 나는 그가 완벽한 손님이라고 생각 했어 우리에게 말하기 Google에서 일하는 방법 이봐, 무슨 일이야? 오늘 나는 리차드를 만났어 그는 Leap

ai의 CEO 겸 창립자입니다 그는 8 년간 Google에서 근무했습니다 자기 부서가있는 얼마나 많은 사람들을 Google에 고용 했습니까? 서로 다른 부서에 약 500 명 그래서 당신은 약 500 명을 고용했습니다 8 년 동안 구글에 너무 많은 사람들이 있다고 생각하지 마라 질문에 더 많은 경험이있다

"어떻게하면 Google에서 직업을 구합니까?" 당신이 적어 놓은 첫 번째 요점은 "너는 학위가 필요 없어" 전혀 학위를받을 필요가 없다 공동 창립자, 그는 10 년 동안 Google에있었습니다 그는 심지어 나보다 젊다

그가 Google에 합류했을 때, 그의 테크 리드 학위가 없었어 그래서 그것은 매우 확실합니다 학위가 필요 없다고 좋아, 그럼 누군가가 학위를 갖고 있지 않으면 Google에 자신을 증명할 수있는 방법 그들이 유능하다는 것을 코더? 그들은 무엇을 제출해야합니까? 나는 구글이라고 생각한다 집중하지 않는다 어떤 학위를 가지고 있든간에 더 많은 것에 집중했다

네가 할 수있는 일의 종류 당신이 얼마나 좋은 코더인가? 너는 쉽게 너를 증명할 수있어 놀라운 프로젝트에 참여한 경험이 있다면 이력서에 해당 프로젝트의 기술적 깊이 또는 제출물이 있습니다 너는 아마 누군가와 일했을거야 당신이 얼마나 능력이 있는지 압니다 그 사람을 참고 자료로 사용하고 Google에 서면으로 작성하여 귀하를 보증합니다

너를 위해 문을 열어도 충분할거야 Google의 소프트웨어 엔지니어가 되려면 특정 언어를 알고 있다면 어떻게 될까요? 그들은 찾고 있지 않습니까? 말하자면, 당신은 Perl을 정말 잘한다 Google은 Perl을 필요로하지 않으며 여전히 사용자를 고용 할 것입니까? 하지만 당신은 펄을 절대적으로 잘한다 자동으로 실격 처리됩니까? 당신은 그들이 원하는 언어를 모르고 있습니까? 나는 구글이 다양한 언어를 찾고 있다고 생각한다 자바, C + +, 파이썬

언어의 무리 한 현대 언어가있는 한 나는 "현대 언어"를 사용해야한다 Perl은 현대 언어로 간주되지 않습니다 당신은 어떤 언어를 고를 기회를 얻는다

너 인터뷰에서 사용하고 싶다 그 사람들 대부분은 많은 언어를 쓸 수 없더라도 모든 언어 나 자신에 관해서는, 나의 C ++는 매우 녹슬었다 하지만 누군가가 C ++을 쓰면 이해할 수 있습니다 누군가가 Google에서 일하기를 원한다면 소프트웨어 엔지니어로서, 그들이 배워야 할 최고의 언어는 무엇입니까? 그건 그것들을 위해 가장 쉽게 만들거야 Google의 소프트웨어 엔지니어가 되려면? 가장 인기있는 언어는 자바, C + + 및 파이썬 완전한! 좋아, 그럼 2 번 너는 썼다

Google은 이전 경험에 대해별로 신경 쓰지 않습니다 어떻게 생각하는지에 대해 그래 너는 어떻게 생각하니? 또한 귀하의 진정한 역량과 잠재력 수년간의 경험이 없어도 상관 없습니다 좋은 컴퓨터 과학 기초가 있다면 당신이 똑똑하고 추진력이 있다면 물건을 빨리 집어 올릴 수 있습니다 미친 듯이 자랄 수 있어요

내 경험을 바탕으로 Google에 온 숙련 된 사용자를 위해 그들 중 일부는에 적응하는 데 어려움을 겪는다 Google 환경 그들은 "나는 이렇게했다"고 말할 것이기 때문이다 Google에 방문하면 전적으로해야합니다 환경에 적응하라 당신이 중학생이고 높은 잠재력을 지녔다면 너는 잘 배우고, 꿈꾸며

당신은 실제로 "공을 아주 잘 차버릴"수 있습니다 나는 일반적인 오해가 네 눈물의 경험이 필요해 개발자로서 또는 소프트웨어 엔지니어로서 Google에서 일하기 전에 하지만 네가하지 않는다고 말하는거야 Google, 실제로 신선한 졸업생을 많이 고용합니다 네가 말한 포인트 넘버 3은 "연습" Google에 고용 된 경우 많은 코드를 작성하게됩니다

당신은 다른 알고리즘으로 평가 될 것입니다 시스템 설계 그러니 한 이야기를 나눠 보겠습니다 Google에 합류했을 때, 나는 거기에서 꽤 시니어였습니다 나는 100 명 이상의 사람들을 관리하고 있었다 나는 준비가 안됐어

코드 작성을 부탁했습니다 "당신은 보드에 코드를 작성할 수 있습니까?" 코드를 작성할 수있게되었습니다 그러나 실제로, 그들은 많은 양의 코드를 작성하도록 요청할 것입니다 그렇다면 어떻게해야할까요? 그럼 그냥 연습해야 해 모든 종류의 웹 사이트로 이동 코드 연습하기 내 친구의 회사 중 하나 인 Leetcode 코드를 연습하는 사람들에게 아주 좋은 장소입니다

어떤 웹 사이트가 코딩을 연습해야합니까? 내 친구의 회사 중 하나 인 Leetcode 4 위, 2 위 ~ 마지막 지점은 품질 추천을 받다 수많은 사람들이 구글, 이력서의 대부분은 걸러 낸다 당신이 매우 강한 추천을한다면 소개, 정말 당신의 작품을 알고 너에 관해 좋은 말을 할 수있다 대신 이력서를 제출하는 대신 "나는 매트를 알게되고,이 녀석은 정말로 관대 한 남자, 아주 일하기 쉬워 " 너는 좋은 말을 써 그리고 그것은 많은 것을 점검 할 것입니다 고위 인사가 있으면 너에 대한 아주 좋은 것들 그 추천 코멘트는 당신을 엄청나게 도울 것입니다 품질 우수 추천을 어떻게받을 수 있습니까? 우리는 실제로 Leap

ai 웹 사이트에 블로그가 있습니다 우리는 이미 추천의 힘에 대해 이야기했습니다 첫 번째 계층 추천 노인이고 너를 정말로 잘 아는 누군가 소개의 두 번째 계층 회사에서 선배가 아닌 사람 하지만 너 정말 잘 아는구나 추천 3 단계 노인이지만 잘 모르는 사람 가치가 떨어지는 최악의 추천 주니어이고 잘 모르는 사람 가장 좋은 방법은 너는 너의 일을 정말로 아는 누군가를 두드리고있다

내가 너를 모른다면 매트, 나는 일반적인 단어 만 넣을 수있다 "나는 매트를 사회적으로 알지" "그는 좋은 남자와 대화하는 것이 현명한 것 같다" "나는 그의 기술 능력을 모른다" 그러한 추천 유형은 가치가 떨어질 것입니다 그래서 당신의 일을 정말로 아는 누군가를 찾으십시오

그들은 누군가를 가치있게 찾을 수 있습니까? 내 제안은, 이것은 단지에 적용되지 않습니다 소프트웨어 공학 제 청중에게 회의에 참석하라고 말했습니다 나는 그들에게 만남에 가라고했다 기안자들에게 가기 가능한 한 많은 사교 행사에 참석할 수 있습니다 그들이하는 일에 부설하다

해피 아워 일 수있다 코딩에 대한 좋은 점은 그것은 매우 열정적 인 공동체입니다 Google과 같은 코드 회담 또는 회사와 같은 기술 회사 일 수도 있습니다 Leapai는 대화를 나눌 수 있습니다

bootcamp 또는 이와 비슷한 것을 코딩하는 것을 좋아합니다 추천을 찾는 것이 가장 좋은 방법이라고 생각하십니까? Advisor라는 프로그램이 있습니다 고문을 찾으러 거기에 갈 수 있습니다 이 경우, 누군가에게 요청할 수 있습니다 Google에서 제공하는 Google의 누군가가 그 사람과 이야기합니다

기본적으로 무료 인터뷰를 받는다 그 사람은 말할 수 있습니다 "나는 Matt와 채팅하는 것을 정말로 즐겼다 그는 똑똑한 녀석 인 것 같아 나는 그를 추천하고 싶다 " 끝난! 그건 그렇고, 그건 조금 비열하다

행동 촉구, leapai 체크 아웃 설명에 링크가 포함됩니다 아래 링크를 사용하면 직장에 도착하면 500 달러를 벌 수 있습니다 through leapai 마지막 지점으로 이동합니다

Google이 인터뷰하는 사람들을 평가하는 방법 이해 나는 이것이 가장 중요한 부분이라고 생각한다 많은 사람들이 인터뷰를 마치고 대답을 얻었습니다 그들은 훌륭한 일을했다고 생각합니다 그거 알아? 당신은 아마 당신이 생각하는만큼 잘하지 않았을 것입니다 그들이 질문을 할 때 많은 시간을 보낸다

그들은 여러 단계를 거친다 그래서 내가 너에게 물으면, 보통 나는 5 단계가있다 약한 후보자는 2 단계 만 완료 할 수 있습니다 그 사람은 기분이 좋고, 시간은 올랐다 그럼 나는 더 이상의 질문을하지 않는다

하지만 실제로, 당신은 2 단계 만했습니다 나는 평균 점수 만 줄거야 그러나 정말로 강한 것들은 계속해서 3 단계와 4 단계 가장 좋은 것들은 5 단계로 나아 간다 너는 알 것이다 구워지면 많은 질문에 대한 후속 조치 특히 당신이 매우 열심히 느끼는 마지막 하나 너 자신에 대해 나쁘게 생각하지 마라

너는 훨씬 나아 갔기 때문에 대부분의 후보자들보다 그래서 그것의 번호는 1입니다 실제로 당신이 끝내면 여러 단계, 잘했을 가능성이 큽니다 둘째, 그들은 당신이 어떻게 생각하는지 더 신경써 요 정답보다 답을 쫓지 않고 당신은 정말로 당신이 어떻게 생각하는지 증명해야합니다 질문을 받으면 그 순간에 당신은 그것을하는 법을 정말로 모릅니다

너는 그렇게 말하면 돼 "내가 여전히 최적화를 검색 할 때 이것에 대한 algorythms, 내가 부스 algorythms을 시작하자 " 그래서 당신은 그것을 얻고 당신은 진전을 이루고 있습니다 더 나은 버전을 만들어라 이 과정에서 당신은 당신의 견해를 공유하고 있습니다 당신의 아이디어와 단계에 대해 사람들은 당신이 코드 작성뿐 아니라 역시 통신 할 수있다

실제로 직장에서, 당신은 코딩 만하지 않습니다 당신은 또한 다른 사람들과 의사 소통하고 있습니다 인터뷰는 사람들과 어떻게 일하는 지 보여주는 창입니다 또한 의사 소통에 능숙 함을 보여줌으로써 그것은 그들이 찾고있는 또 다른 것입니다 당신의 아름다운 코드를 찾을뿐만 아니라, 뿐만 아니라 의사 소통 기술 당신의 스타일을 찾고, 너는 구글에 들어갈거야, 너는 좋은 청취자 니? 당신은 새로운 아이디어에 열려 있습니까? 비평을 처리 할 수 ​​있니? 그 모든 것들이 중요한 요소입니다

평가에서 내 생각에 특히, 내 관객과 항상 기술 능력에 대해 생각해보십시오 하지만 네가 면접에 제출했다면 당신은 당신의 성격 때문에 실격 될 가능성이 가장 큽니다 나는 구글에서 실제로 안된다고 말할 것이다 엔지니어를위한 많은 사람들 기술의 절반은 기술 능력입니다 기술적 인 것이 그들이 찾고있는 핵심 요소입니다

그러나 데이터 만이 유일한 것은 아닙니다 다른 사람들과의 커뮤니케이션 또한 중요합니다 그 사람의 절반은 실격 상태입니다 성격 상, 절반은 기술 자격으로 실격된다 대충 맞아

알았어 그거 진짜 좋은 정보 야 그건 균형 잡힌 인터뷰 야 그것은 단지 성격에 관한 것이 아니라, 그것은 단지 기술에 관한 것이 아닙니다 그것은 둘 다에 관한 것이다

명확히 너는 양쪽면을 보여줄 필요가있어 대단해, 고마워! == 이 인터뷰를 즐겼 으면 좋겠어 500 명 이상을 고용 한 Richard와 Google에서 자신의 부서도 운영합니다 당신 부서는 뭐하고 있었 니? 내가 Google에있을 때 나는 몇몇 분야를위한 엔지니어링 엔터프라이즈 검색으로 시작 Google 쇼핑에서 일한 것보다 꽤 큰 조직이다

마지막 프로젝트는 "프로젝트 Fi"였습니다 꽤 놀라운 경험 굉장해! 리처드에게 감사드립니다 리처드와 함께 전체 재생 목록이 나올거야 그래서 당신이 더 많은 비디오를 체크 아웃하고 싶다면 CTO, 데이터 과학자, 기술 분야에서 일하고있다 링크를 클릭하십시오

나는 카드에 넣을거야 오른쪽 상단 구석에

영어원서 꼼꼼하게 읽는 방법 | 열심히 영어공부 | How to read books in English

안녕하세요 여러분 열심히 영어공부의 열심히 입니다 오늘은 제가 영어원서 읽는 방법을 살짝 바꿔 봐가지고 새로운 원서읽기 방법에 대해서 말씀드리려고 해요 제가 지금까지는 영어원서를 어떻게 읽었냐면 한 권을 3일 아니면 4일 안에 다 읽겠다 이런 목표로 속독, 빨리 읽기 방법으로 읽었어요 그렇게 영어원서를 읽은지 지금 2년 반 정도 됐거든요 만약에 모르는 단어가 나오면 거의 안 찾아보거나 아니면, 정말 중요하고 정말 답답하다 이 단어 때문에 줄거리가 이해가 안된다 이렇게 생각이 될 때 찾아보는 방법으로 거의 한 챕터에 모르는 단어를 10개 이하로 찾아가면서 빨리 빨리 영어원서를 읽어왔습니다 근데 제가 최근에 영어원서 읽기에 대한 책을 한 권 읽었어요 제목이 뭐냐면 영포자가 꿈꾸는 영어원서 쉽게 읽기 라는 책입니다 이 책의 저자이신 부경진님은 영어원서를 처음 읽으실 때부터 모르는 단어를 꼼꼼하게 찾아가면서 읽으셨다고 해요 단어카드를 준비하셔 가지고 어려운 단어가 나오면 거기에 단어를 쓰고 뜻도 적고 영어발음도 적고 몇 페이지에서 나왔는지도 적고 그리고 그 문장도 적고 그런 식으로 만드신 단어카드가 지금 이만큼이 있다고 합니다 이 책을 읽고 나니까 지금까지 너무 대충대충 읽었나? 이런 생각이 들어서 한 이틀 동안은 너무 고민이 되더라구요 지금까지 읽은 책을 다 다시 읽어야 되나 이런 생각도 들고 근데 후회해 봤자 이미 지난 세월 어떻게 할 수도 없고 그리고 이거는 제 생각인데 저는 좀 성격이 급한 편이어가지고 그렇게 꼼꼼하게 읽어야 된다고 생각을 했으면 중간에 포기했을 수도 있을 거 같애요 너무 답답해서 저한테는 그렇게 빨리 읽으면서 뭔가 눈에 띄게 읽은 책이 쌓인다는 느낌 그리고 영어문장을 많이 접하는 연습 그게 저한테는 좀 도움이 됐었던거 같애요 근데 이 책을 읽고 나서 이 작가님의 방법과 내 방법을 조금 섞어보자 조금 영어원서 읽는 방법을 바꿔보자 이런 생각이 들어서 제가 이번에 새로 읽은 책부터 그 방법을 적용을 한 번 해봤습니다 바로 이 책인데요 이 책 뉴베리 메달 받은 책이고 추천해 주시는 선생님들이 많으셔서 읽기 시작했는데 내용이 정말 좋아요 인디안 학생이 백인 친구들만 가득한 학교로 전학을 가게 되면서 일어나는 성장소설인데요 되게 유머러스하면서도 슬프고 그러면서도 용기를 주는 그런 책이어서 추천을 해 드릴께요 이 책을 읽으면서 저는 어떻게 읽었냐면 먼저 책을 3등분해서 나눴어요 그건 저의 오랜 습관이기도 하고 하루에 이 정도 읽겠다 이런 목표이기도 하구요 그리고 3분의 1을 다 읽고 나면 와 3분의 1이나 읽었다 이런 목표를 잘게 쪼개는 그래서 성취감을 올리는 저만의 방법이기 때문에 이렇게 3등분을 일단 했구요 그리고 책을 읽으면서 이렇게 작은 메모지를 준비를 했어요 그래서 모르는 단어가 나올 때마다 꼼꼼하게 찾아서 적고 뜻을 찾아서 옆에다 적었어요 문장까지는 적지는 않았구요 대신 책을 읽으면서 외워두고 싶은 문장 그리고 꼭 기억하고 싶은 문장을 만날 때마다 메모지의 뒷편에다가 이렇게 적어뒀습니다 책을 다 읽고 나서는 이렇게 앞에 마스킹 테이프를 이용해서 나중에 뗐다 붙였다 할 수 있게 붙여놨어요 이렇게 꼼꼼하게 읽으니까 좋은 점이 정말 그 문장 하나하나를 정확하게 이해를 하게 되어서 작가가 하고 싶은 말을 더 잘 이해하게 되는 느낌 대충대충 넘기는게 아니고 꼭꼭 씹어서 이해하는 느낌이 들어서 좋았어요 그리고 외워두고 싶은 문장을 적어두는 것도 정말 좋더라구요 이렇게 해보니까 그동안 읽던 책들에서 적어두고 싶은 문장이 있었는데 그냥 넘어간 적이 많았었거든요 한 가지 단점은 저는 책을 누워서도 읽고 소파에 기대서도 읽고 좀 왔다갔다 하면서 읽는 편이었는데 이렇게 모르는 단어를 적어야 되니까 한 자리에서만 읽게 되더라구요 그리고 저는 책을 3-4일에 한 권 읽는 걸 목표로 지금까지 읽어왔는데 이렇게 꼼꼼히 찾아가면서 읽으니까 아무래도 책읽는 시간이 조금 느려졌어요 그래서 이 책은 다른 책에 비해서 많이 두꺼운 책이 아니었는데도 읽는데 한 일주일 정도 걸린거 같애요 당분간은 이렇게 꼼꼼하게 읽는 방식으로 좋은 책을 골라서 읽어보려고 합니다 오늘 이렇게 새로운 원서 읽기 방법에 대해서 말씀드렸는데 어떠셨나요? 여러분은 원서를 읽을 때 어떻게 읽으시나요? 댓글로 남겨주세요 제 영상이 도움이 되셨으면 좋아요 눌러주시고 구독 버튼 누르시고 저랑 꾸준히 영어공부 같이 해보세요 오늘 영상 여기까지 봐주셔서 진심으로 감사드립니다

Google Cloud Vision – How to use Google’s Image Recognition Technology on YouTube Thumbnails

안녕하세요, 유타 SEO 닌자에게 다시 오신 것을 환영합니다 내 이름은 트리스 톤과 이번이 처음이라면, 잊지 마시고 사물을 구독하셔야합니다

나는 너와 얘기하고 싶다 오늘은 Google Cloud 비전입니다 이제는 정말 깔끔한 작은 장난감입니다 이 지난 주 동안에 대해 알아 냈고 YouTube 마케팅 및 비디오 SEO 및 그와 같은 것들에 대한 회의 확인을 위해 미리보기 이미지를 스캔하는 방법에 대해 이야기했습니다 YouTube 또는 Google에서 귀하의 도달 범위를 제한하기 위해 잠재적으로 사용할 수있는 것 귀하의 온라인 콘텐츠 및 몇 가지 다른 흥미로운 생각 이것이 사용될 수있는 방법과 나는 많은 사람들이 검색 할 것이라고 생각한다

이 작업을 수행하는 방법에 대한 자습서를 얻으려는 시도가 있었으므로 앞으로 나아갈 것이라고 생각했습니다 함께 작은 비디오를 보여주고 무엇을해야하고 어떻게해야하는지 보여줍니다 정말 빨리 첫번째 물건을 먼저 가지고 가려고합니다 cloudgoogle

com/vision이 페이지 오른쪽으로 이동하게됩니다 여기를 따라 가면 api와 api로 작업을 시작할 수 있습니다 콘솔과이 모든 것들이 우리 대부분이 생각하는 것 이상입니다 실제로 나는 이것을 얻을 수 없었던 것처럼 관리 할 수있게 될 것입니다 아직 일하면서 내가 버킷에 문제가 있다고 말하면서 그걸로, 내가 너희들에게 알릴 것이다

그러나 만일 당신이 여기 조금 아래로 내려 가면 실제로 API를 테스트 할 수 있으므로 시스템을 테스트 할 필요가 없습니다 다른 미친 백엔드 물건에 들어가서 내가 여기에 몇 가지 그림이있어 테스트하고 여러분에게 보여주고 싶고 다른 것들을 그려 볼 수 있습니다 그러고 나서 우리가 그 일을 마치면 나는 너에게 줄 것을 원해 이 아이디어를 통해 우리의 아이디어와 생각을 YouTube 용 웹 사이트 등 모두에 접근하십시오

그래서 시작하고 시작하겠습니다 우리는 셀카를보고 시작할 것입니다 그래서 우리가 먼저 알아 차릴 것입니다 이것은 실제로 얼굴을 인식 할 수 있고 무엇이 같은지 추측하려고 시도한다는 것입니다 감정이 드러나고 있습니다

그리고 여러분이 볼 수 있듯이 저는이 표현에 대해 충분히 표현하지 않았습니다 레이블을 클릭하면 특정 이미지가 표시되어 개인을 표시합니다 그림의 요소들, 예를 들어 얼굴 머리를 볼 수 있습니다 예 여기 저기에 약간의 모서리가있어 실제로 감지 할 수 있습니다

당신은 그것이 클로즈업이라고 말할 수 있습니다 초상화입니다 조금 목이 찢어졌습니다 나는 눈썹있어 내가 가진 사람의 얼굴이야

큰 이마 그래서 우리는 그 모든 정보를 바로 볼 수 있습니다 우리는 웹에 갈 수 있습니다 이것이 무엇을 할지는 일반적으로 공통적 인 기본 키워드를 보여줄 것입니다 이 특정 이미지 또는 유사한 이미지에 사용되므로 예를 들어 눈썹 사진을 찾을 수 있습니다 아래로 스크롤하면 페이지를 찾을 수 있습니다

이미지가 일치하여 해당 이미지가있는 사이트가 여기에 있습니다 부분적으로 매치 된 이미지는 다음과 같은 그림이 될 것입니다 이것과 비슷한데 나는 내 자매 중 한 명처럼 보이지 않는다 그 형제를 제외한 모든 형제 자매들이 빨간 머리이므로 나는 내 네가 재산에 가면 이름이 내가 아는 어떤 것을 탐지하고있다 당신이 지배적 인 색깔을 좋아하는 것을 보여줍니다

JSON을 착각하지 않으면 이것이 실제로 기차를 좋아하는 용도로 사용됩니다 인공 지능은 나중에 우리가 다른 백에 들어가는 것이 아닙니다 그것에 확실한 백분율 그러나 나는 그것이 그것이 인 것을 위해 꽤 확신한다 안전 검색 정보는 실제로 꽤 재미 있습니다 Google에서 가끔씩 검색을하는 것처럼 익숙합니다

저장된 검색 설정을 해제할지 묻는 콘텐츠를 차단합니다 잠재적으로 성인용 콘텐츠를 알기 위해 해당 설정을 조정하십시오 그래서이 도구가 무엇을 할 것인가? 그들은 또한 그것을보고 시도하고 추측 할 수 있습니다 여기에 잠재적으로 안전한 수색에 해당 할만한 것이 있습니다 예를 들어 필터가 너무 희박하기는하지만 저는 두 가지 포인트가 있습니다

경주는 하나가 아니라 1 ~ 5 점으로 매우 높지는 않습니다 어른이되면 스푸핑 일 수있는 약간의 기회가 있으며 당신이 내가 약간 경미한 YouTuber 인 것을 알기 때문에 그것은 너무나도 멋질 수 있습니다 나는 당신이 팝업이 무엇인지보기를 원한다면 그것을 염두에 두라 이 비디오를하기 위해 무엇을 검색해야 할지를 알아 내야합니다 내 아내와 문제가 생겼어

나는이 이미지와 함께 여기까지 갔다 우리는이 이미지가 화가 났는지 아닌지 알게 될 것입니다 다시 우리는 우리의 다른 레이블을 볼 수 있습니다 그래, 속옷 핑크색 수영복 복부 근육 트렁크 등등의 몇 가지 다른 예가 있습니다 인터넷을 통해 그래서 당신은 부분적으로 일치하는 이미지를 얻고 싶습니다 똑같은 것을 물어보십시오

방금 다시 속성이있는 밈으로 바뀌 었습니다 우리의 원색 비율에 대해 이야기 한 다음 안전한 검색으로 가면 소프트웨어는 여기에 성인용 콘텐츠가 있지만별로 많지 않다는 것을 알 수 있습니다 분명히 모든 것이 덮여 있기 때문에 완전히 필터링해야합니다 그러나 racy가 racy 일 가능성이 높기 때문에 이걸 사용한다면 youtube 미리보기 이미지가 있으면 동영상이 아주 좋은 기회입니다 제한 모드로 설정되어 있으면 도달 범위가 넓어지지 않습니다

내가 생각한 또 다른 예가 정말로 흥미 롭다 네가 그 녀석을 본 후에 나는 여기 강아지의 그림을 끌어와 비키니 입니 다 그러면 우리는이 그림을 빠르게보고 스캔 할 것입니다 그것이 말하는 것은 그것이 매우 진실한 doglike 포유류 다라고 말한다

개는 시베리안 허스키라고도 할 수 있습니다 허스키 썰매 개 허스키 알래스카 개 알래스카 부츠 Canadian Eskimo Dogs 그리고 나서 우리는 할 수있다 또한 그것이 강아지 인 것을 본 다음, 그것이 말한 또 다른 부분이 있습니다 여기 미니어처 시베리아 허스키 스에 간다 75 % 그게 바로이 그림이 무엇인지 그리고 그것이 올바른지 확률 미니어처 시베리안 허스키 우리는 온라인으로 볼 수 있고 이것의 다른 예를 찾을 수있다 그것이 Pinterest에있는 이미지를 참조하십시오 그리고 다른 장소의 전체 잔뜩 여기에 있습니다 검색에 사용되는 키워드는 모두 유용합니다

깨끗하고 썸네일로 사용할 수있는 아주 좋은 그림이 될 수 있습니다 당신의 비디오가 시베리안 허스키 즈에 관한 것이라면, 내가 어떻게 당신이 그것을 보게하고 싶었 을까? 일부는 일했고 밖으로 나가고 놀 수 있었지만 몇 가지가 있습니다 우리가이 큰 것 중 하나에 사용할 수 있다고 생각하는 흥미로운 것들 Google을 볼 때 Google을 살펴볼 때 현장을 바라 보았습니다 YouTube 동영상에서 볼 수있는 관련성 특정 주제 또는 특정 키워드와 관련된 것이 있다면 우리 웹 사이트가 있다면 조금 더 높은 순위에 올거야 최적화 및 해당 웹 사이트는 검색 용어의 순위를 알기에 적절합니다

백 링크가있는 관련 웹 사이트에서 오는 백 링크가있는 경우 더 높습니다 나는 우리가 할 수 있다고 생각하는 당신의 순위에 대해 더 강해지고 더 많은 가치를 가질 것입니다 잠재적으로 이것과 관련이 있습니다 내가 생각하기에이 아이디어는 우리가 웹 사이트 순위를 조금 높이고 싶다면 온라인으로 홍보하고 싶었습니다 조금 더 나은 또는 우리의 YouTube 임대 조금 나는 이미 우리가 선택한 것에 조금 더주의를 기울 였다고 생각한다

우리가 와서 그 이미지를 먼저 스캔해서 그것들은 웹 사이트의 내용과 관련이 있다고 생각합니다 Google이 가고 있다고 생각합니다 저것을 볼 수 있고 나는 그것이 우리가 조금 움직이는 것을 도울 것이라고 생각합니다 조금 더 많이 검색 할 수 있기 때문에 검색에서 조금 더 높습니다 우리가 목표로 삼고있는 검색어와의 관련성 정말로 중요하고 또 다시 우리는 웹에서 여기를 볼 때 우리가 볼 수있는 앵커 텍스트 alt 텍스트를 볼 수있는 부상 키워드 이 이미지와 관련이 있으므로 잠재적으로이 이미지를 이러한 검색어에 대한 참조를 다시 한 번 볼 수 있습니다

재미있는 것은 그들이 일어난 일 중 하나였습니다 컨퍼런스는 소프트웨어가 조금 더 빨라지 자마자 YouTube 동영상에 조금 더 효과적으로 사용할 수 있습니다 뿐만 아니라 동영상의 각 프레임을 스캔하고 당신은 어른 콘텐츠 또는 어쩌면 반드시 그렇지 않은 무언가를 알고 있습니다 동영상의 콘텐츠와 관련이있는 키워드는 귀하가 순위를 매기려고 시도하면 잠재적으로 순위를 높이거나 상하게 할 수 있습니다 거기 또는 당신의 범위 그래서 나는 그것이 정말로 흥미 롭다는 것을 다시 생각했다

당신이 정말로 빨리 들어가서 어떻게 찾을 수 있는지 보여주기 위해서 실제로 사이트의이 부분과 그 밖의 모든 것을 찾기 위해 약간 그걸 가지고 놀아 라 네가 정보를 찾았 으면 좋겠다 만약 당신이 의견을 나에게 알려주지 않았다면 아직 구독 중이므로 다음과 같은 동영상을 더보고 싶습니다 정말로 쉽고 정말 쉽고 적어도 지금은 무료입니다 그래서 그게 나를 위해있을거야 내 이름은 유타에서 Triston이다 SEO Ninja, 좋은 하루 되세요

그리고 다음 비디오에서 너희들을 볼거야 안녕

How to Automate Your Store’s Customer Service with Google AI

상점을 키울 때 브랜드가 많은 기업가 마케팅에만 집중 페이스 북에 초첨을 맞추다 광고 및 전환율 그런 것들

이건 괜찮아 그러나 가장 성공적인 전자 상거래 브랜드에는 고객에 대한 큰 강조 경험 제프 베조스 (Jeff Bezos) 우리가 잘 해낸 이유 우리의 동료 중 마지막 인터넷 공간 우리가 가지고 있기 때문에 6 년 레이저처럼 집중 고객 경험 당신이 할 수있는 방법 중 하나 고객 경험 향상 에서 회신하여 고객과 잠재력 고객은 더 빠릅니다 너가 할 때 이것은 아주 어렵다

필요한 모든 일을 다하라 그것을하기 위해 성공적인 브랜드이므로 비디오 나는 당신에게 어떻게 보여줄 것인가? 당신은의 80 %를 자동화 할 수 있습니다 답장하는 일 고객 질문 페이스 북의 메신저 그럼 왜 페이스 북의 메신저 이미 실행 중입니다

격려하는 페이스 북 광고 고객이 논평하고 메시지 사람들은 이메일 채팅을 선호합니다 페이스 북의 메신저는 가장 큰 채팅 플랫폼 약 1 포인트 30 억 월간 활성 사용자 구독자를 만들 수도 있습니다 시장에 내놓을 수있는 목록 90 %의 오픈 요금이있는 경우 당신은 더 많은 것을 배우고 싶다

그 다른 동영상보기 에 집중할 예정이다 고객 서비스 자동화 메시지를 통해 내가 어떻게 이것이 어떻게 작동하는지 보여 드리겠습니다 제가 가게를 운영하고 있다고 가정 해 봅시다 그 보충제를 판매하는 사람들의 기억력 향상에 도움 고객에게 집중 배송에 대해 질문이있다

타임스 꽤 일반적인 것입니다 몇 시간을 기다리는 대신 그들에게 돌아 가려고 당신이 설정할 수 있습니다 이와 같은 즉각적인 응답 하나 그럼 이걸 살펴 봅시다

응답 여기에 세 부분이 있습니다 기대를 올바르게 설정 이봐, 이봐 우리는 자동 도우미가 아닙니다 인간 인척

이것은 매우 중요하다 사람들이 좋아하지 않기 때문에 그냥 바보 같은 인간과 이야기하기 하지만 괜찮아 즉각적인 응답 그게 어쩌면 습관만큼이나 인간은 분명히 그들에게 주겠지 만 그것은 옳다

지금 당장 대답 해 두번째 그럼 분명히 질문을하고 또한 그것을위한 방이 거기에 없다 정확히 맞아 우리가 그들에게 우리가 얻지 못하는 경우에 대비해 100 % 맞아

그러면 마지막 부분이 링크됩니다 그것과 그것의주는 선택권에 그들이 느끼는 것을 확인하고 들었어 그래서 당신이 알고 있다고 말하면서 도움이되는 예 또는 아니오 친절 그 중 일부는 정말하고있어 우리에게 도움이되는 것들

추적 할 때 가장 중요한 점은 고객이 이해한다고 들었다 그냥주는 것이 아니 었습니다 이것이 답입니다 이제 구매하거나 떠나십시오 그래서 이걸주고 있었기 때문에 우리가 추적 할 수있는 끝에 옵션 응답이 얼마나 좋은지 우리가 목표로하고 싶어서 일하고있어

80 %의 사람들에게 예라고 말하면 도움이되었습니다 또한 얼마나 많은 판매가 결과가되고있다 그래서 우리는 몇 가지 기술적 인 부분을 가지고 있습니다 우리가하는 것들 기본적으로 추적을 추가합니다 누군가의 예를 클릭하고 구매하십시오

그래서 이것은 같은 것을 사용하고 있습니다 자연 언어 처리 Google이 Google에 사용하는 보조원 및 Google 홈 이것은 일단 훈련하면 하나의 질문에 그것을 다른 질문을 이해하십시오 같은 의미이지만 다른 의미 말씨 그래서 그것은 단지 키워드를 좋아하지 않습니다 당신이 들어가서 그게 정확히 맞는거야

이것은 모든 것을 배우는 것입니다 시각 그래서 내가 무언가를 묻는다면 조만간 여기에 올거야 빠른 우표입니다 그것도 이해할 것이다

그리고 처음에는 그것이 보일 것입니다 꽤 바보 그러나 시간이 지남에 따라 그것을 훈련 시키십시오 더 많은 youll는 너 자신 만 발견한다 20 시경에 대답해야한다 고객 질문 비율 당신 자신

이제부터는 교육용 인터페이스 및 방법 당신은 이것을 판매 및 고객 지원 팀 이렇게 나는 여유를 얻는다 슬랙은 꽤 좋았어 많은 유연성을 제공합니다 그래서 어떻게 생겼는지 상상해보십시오

고객이 귀하의 상점 및 자동화 doesnt 너는 단지 너를 말하는 줄 알았어 이해하지 못했고 거기에 뛰어 들어가서 할 수 있어요 해당 고객에게 직접 회신 그러나 당신은 또한 그것을 훈련시킬 수 있습니다 그래서 그것을 훈련시키기 위해서 당신은 단지를 클릭하십시오 몇 단추입니다

새 응답을 추가하거나 기존의 것을 선택하거나 다음에 사용자가 묻는 시간 로봇이 할 질문 알다 그래서 시간이 지남에 따라 더 똑똑하고 똑똑합니다 그래서 나는 방금 진짜 이것에 대한 간단한 개요 더 자세히 알고 싶다면 이걸 설정하는 방법과 점점 더 많은 것을 이거 정말 잘 작동 해 나는 어떤 것을 만들고있을거야

이것에 관한 다른 비디오들 그 동안 당신이 배우고 싶다면 더 이 설정을 받아보십시오 사업 그냥 이메일로 나를 쏴 Duncan 채팅 마케팅 담당자 co

kr 및 우리는 신속하게 설정할 수 있습니다 전화하고 고마워

Leverage AI on the Cloud to Transform Your Business (Next Rewind ’18)

CASSIE KOZYRKOV : 다음 2018 년에 300 회 이상의 세션이 있으며, 너는 그들 모두에게 다가 갈 수 없다는 것은 이해할 만하다 그래서 당신이 클라우드를 활용하지 않았다면 귀하의 비즈니스를 변화시키고, 계속 지켜봐주십시오

왜냐하면 여기에 되감기가 있기 때문입니다 [음악 재생] 기계 학습은 알고리즘 접근법입니다 데이터로 반복적 인 결정을 내리는 것 시작하기 전에 모든 구성 요소가 있는지 확인하십시오 배울 데이터, 확인; 기계 학습에 대한 액세스 알고리즘, 확인; 반복적 인 결정을 자동화하려는 욕구 – 우리는 정말로 여기 반복을 말하고 있습니다

10 가지의 결정이 아니라 10,000이나 100 억에 가깝습니다 검사 큰 이야기에서 나온 큰 아이디어를 요약 해 봅시다 첫째, ML을 사용하여 여러 문제를 해결할 수 있습니다

오늘 규칙을 작성 사실, 그것을 적용 할 수있는 기회를 찾을 수있는 좋은 방법입니다 귀하의 비즈니스에서 규칙을 찾는 것입니다 예 : Google 검색에서 검색어 완성 는 손으로 만든 규칙의 진짜 얽힘이었습니다 그것에 기계 학습을 적용하는 것은 우리의 가장 큰 부스트를 가져 왔습니다

2 년 넘게 품질 순위를 매겼습니다 둘째, 기계 학습은 응용 프로그램을 개인화하십시오 ML은 손수 만든 규칙보다 잘 확장되기 때문에 기존 논리 위에 모델을 레이어 할 수 있으며, 당신은 이제 또한 주요 사용자와 다른 사람들을 기쁘게 할 수 있습니다 분견대 자, 물론,이 모든 것을 확인하는 것은 데이터입니다

ML을 규칙 기반 프로세스로 전환하는 것으로 생각할 수 있습니다 그것의 머리에 모델 또는 규칙으로 시작하는 대신, 그것을 뒤집어서 데이터로 시작하십시오 셋째, 기대를 지닌 설계 시스템 내년에는 더 많은 데이터를 얻을 수 있습니다 너의 세계는 정적이 아니기 때문에 너는 기대해야한다

데이터가 커지게됩니다 그리고 더 많은 데이터가 이기기 때문에 이것은 좋은 일입니다 그러나 이것이 당신을 두는 때 무엇이 ​​일어나는가? 엑사 바이트 또는 페타 바이트 영역에서? 예를 들어, 깊은 학습은 잘 작동합니다 큰 데이터 세트 선형 적으로 오류율을 떨어 뜨리려면, 데이터를 기하 급수적으로 늘려야합니다

저기서의 로그 스케일입니다 나는 예측을 좋아한다 당신이 깊은 학습에 있다면, 나는 예측한다 당신의 미래에 많은 데이터 여기에 제안이 있습니다

모든 개인적인 시간을 소비하지 마십시오 큰 데이터 인프라에서 대신 서버리스 방식을 사용하십시오 그래서 당신은 실제로 당신을 데려 오는 것에 당신의 노력을 기울일 수 있습니다 가장 가치있는 것 인프라가 아닌 코드 측면에서 생각해보십시오

우리를 네 번째 아이디어로 이끌어줍니다 인프라를 잊어 버릴 수있는 플랫폼 사용 훌륭한 사전 제작 된 모델을 제공합니다 다양한 ML 시나리오에 대한 유연성을 찾으십시오 그럼 깊은 학습을 다시 살펴 봅시다 최첨단 머신을 수행하는 데 필요한 컴퓨팅 성능 지난 6 년간 학습은 천만 번 증가했습니다

천만 번이나 당신이 최첨단에 있고 싶다면, 효율적이고 비용 효율적인 ML이 필요합니다 환경 점점 더 많은 데이터를 처리하기 위해 분산 될 필요가 있습니다 점점 더 많은 계산을 처리하기 위해 더 나은 하드웨어가 필요할 것입니다

Google Cloud는 이상적인 환경을 제공합니다 하드웨어의 분산 처리 용 당신의 필요에 맞게 환상적인 서버 관리 방식을 제공합니다 훌륭한 사전 빌드 된 모델로 ML을 실행하려면, 그래서 처음부터 모든 것을 만들 필요가 없습니다 네가 원치 않으면

제 말은, 왜 재발견 할 필요가없는 바퀴를 재발견하는 겁니까, 그렇죠? 이 이야기를 요약하면, 다채로운 사용 사례를 생략했습니다 그 아이디어를 실제로 현실로 가져옵니다 영화 추천 시스템, 사기로부터 기계 학습 학습 탐지, 고객 서비스, 사물의 인터넷, 자동차 경매, 게임 등 가득 찬 이야기를보고 싶다면, 설명의 링크를 확인하십시오 아래를 클릭하고 Cloud YouTube에 가입하는 것을 잊지 마십시오

채널을 통해 다음 되감기 콘텐츠를 더 많이 얻을 수 있습니다 지켜봐 줘서 고마워 [음악 재생]

Google aims to power up Korean homes with smart speaker, stirring local competitors

Google은 AI 전원 스마트 스피커를 위해 한국어 서비스를 공식 출시했습니다 장치가 다른 시장에서 밝혀진 지 2 년 후에 그들은 경쟁에 뛰어 들고 있지만

IT 거대 기업이 서울의 경쟁 업체를 인수 할 준비가 된 것 같아 보인다 수영은 그 이유를보다 깊게 파헤친다 Google 홈은 조만간 AI를 제공하여 한국 가정에 진출 할 예정입니다

현지 언어로 된 연사 서비스 세계적인 IT 거대 기업인 화요일 (현지 시간) 한 달 전에 한국어 서비스를 공개했다 선반에 부딪쳤다 "현재 세계 시장에서 2 위를 차지하고 있습니다 아마존의 Alexa 이후 Google Assistant 이 기대되는 발사와 더불어 한국에서 꽤 튀어 나오게 할 것으로 예상됩니다

구글이 AI 스피커를 세계의 다른 지역에서 처음 발표 한 지 2 년 후에 나온 것이다 " 잃어버린 시간을 만회 할 준비가되어 있습니다 음악을 스트리밍하는 것과 같은 일반적인 음성 제어 AI 기능 외에도 불빛을 어둡게합니다 Google은 전 세계적으로 사용되는 풍부한 데이터 및 플랫폼을 활용합니다 차별화 된 서비스를 제공합니다 "휴대 전화, 집, 심지어 Android를 통해 운전하는 동안에도 사용할 수 있습니다 자동 동시에 두 가지 언어를 사용할 수 있습니다

Google Homewill은 귀하가 말하는 언어를 알고 그 언어로 답합니다 또한 귀하의 목소리를 이해하고 귀하가 누구인지 알기 때문에 우리는 누구를 기반으로 대답을 제공합니까? 너는" AI 스피커 분야에서 가장 큰 시장 중 하나 인 한국은 전 세계적으로 2018 년 1/4 분기 매출액 스마트 스피커가 설치되면서 수요가 더욱 늘어날 것으로 예상됩니다 이 나라에서 올해는 3 백만 배로 늘어났습니다

이제 한국 서비스 개시에 따라 Google은 현지 기업을 탈퇴 할 수있는 좋은 위치에 있습니다 삼성, 네이버, 카카오 등 데이터베이스의 규모가 큽니다 그 나라의 스마트 폰 중 90 퍼센트가 회사의 안드로이드 플랫폼 전문가들은 한국 기업들이 보유 할 현지화 된 서비스와 콘텐츠를 개발해야한다고 말한다 그들의 호소

"Google은 세계 최고 검색 엔진이지만 Naver와 같은 현지 포털이 가장 많이 사용됩니다 한국에서 Google은 빠른 속도를 요구하는 한국 소비자의 다양한 요구에 신속하게 대응할 수 없습니다 서비스 그래서 그걸 반영하는 더 많은 서비스를위한 잠재력이 있습니다

현재뿐만 아니라 음식 배달 및 언어 학습 서비스를 제공합니다 " LG와 SK의 핵심 기술을 개발하고있는이 전문가는 또한 강조했다 기업이 음성 인식을 향상시키고 처리 속도를 향상시킬 필요성 정확한 서비스,

경쟁이 예상보다 더 강해질 것으로 예상되기 때문에 미래 오수영, 아리랑 뉴스