ml4ir – Eine Open Source Deep Learning Bibliothek für Suchrelevanz

Präsentiert auf der virtuellen Activate 2020. ml4ir ist eine Open-Source-Bibliothek für das einheitliche Training und die Bereitstellung von Deep-Learning-Modellen für Suchrelevanz. ml4ir baut auf Tensorflow 2.0+ auf und ist für die Skalierung mit TFRecord-Datenpipelines konzipiert. ml4ir ist als Netzwerk von lose gekoppelten Deep-Learning-Teilkomponenten aufgebaut. Dadurch können Benutzer benutzerdefinierte Teilmodelle definieren und diese über eine einfache, steckbare Schnittstelle kombinieren, um wirklich komplexe Modelle für eine Vielzahl von Anwendungen zu erstellen. Alternativ kann ml4ir mit wenig bis gar keinem Code verwendet werden und interagiert lediglich über Konfigurationsdateien. Diese Architektur macht ml4ir zu einem idealen Ort für die Zusammenarbeit in der Datenanalyse, da die Benutzer verschiedene neuronale Netzwerkschichten gemeinsam nutzen können. ml4ir-Modelle werden heute in Produktionsumgebungen bei Salesforce eingesetzt, da sie mit tf serving kompatibel sind und außerdem mit dem notwendigen Code für die Bereitstellung in JVM-basierten Umgebungen geliefert werden.

Redner:
Jake Mannix, Search Relevance Architect, Salesforce.com, Inc.
Ashish Bharadwaj Srinivasa, Senior Data Scientist, Salesforce.com, Inc.

Zielgruppe:
Datenwissenschaftler und ML-Ingenieure in der Industrie, die eine komponentenbasierte Deep-Learning-Abstraktion zur Erstellung von unternehmenstauglichen Modellen für die Suche kennenlernen möchten. Die Sitzung ist auch für die Learning to Rank-Community und alle, die an der Erstellung von Deep Learning-Modellen interessiert sind, interessant, selbst wenn sie nur über begrenzte Python-Erfahrung verfügen.

Teilnehmer nehmen mit:
Die Zuhörer lernen eine neue Open Source Deep Learning-Bibliothek für die Suche kennen. Sie werden lernen, wie ml4ir konfiguriert und angepasst wird, um ein Learning to Rank-Modell zu trainieren und bereitzustellen. So können sie ihre Anwendungen und Trainingsdaten in ml4ir einbinden und produktionsreife Modelle erstellen.