团队项目博客

团队项目博客

Julia_AI_123

---

我们的团队项目是利用Julia语言实现NER model。

 

写出项目的NABCD

N: 这将是世界上第一个利用Julia语言实现的AI model，这是从0到1的需求。
A: 我们拥有MSRA系统组资深的Julia工程师，也很容易得到Judy(世界上第一个Julia语言的调试器）团队的支持。
B: 推动深度学习框架的演化，提升Julia团队和MSRA的知名度，锻炼我们的团队合作能力。
C: 我们没有竞争对手。
D: 一方面争取获得Julia官方团队的认可，利用他们的平台进行推广；另一方面， 把项目放在github上。评价我们工作最主要的量化指标，就是我们NER model 最后的accuracy。

 

用户调研

我们与刑宇同学进行了深入面谈，并且由于达同学录制了视频。我们得出来的主要结果是：尽量与Pytorch或Tensorflow等比较流行的深度学习框架的API保持一致。

 

alpha阶段主要场景

典型用户：

乐于尝试新鲜事物的geek。

典型场景：

CV，NLP等领域的DL模型训练

 

项目相关

项目源代码地址：
https://github.com/GGchencan/Julia_AI_123
代码规范：
https://juliacn.github.io/JuliaZH.jl/latest/manual/style-guide/index.html
alpha阶段要完成的任务:

1.Dataloader的实现(30 People * hour）
2.关键算法的实现（bi-LSTM）（100 People * hour）
3.整体模型搭建（30 People * hour）

 

Sprint

我们计划为 2018-11-24 至 2018-12-04，共计10天，每天每人投入约 4 h，多余时间做代码评审、讨论、总结。

 

新闻报道:

标题：

JuJu
颠覆你的深度学习模型搭建体验

总结:

我们为Julia开发了一套用于NER问题的一站式解决方案， 现在你可以用我们的框架使用Julia语言进行NER问题模型的搭建、训练、测试---是时候将python的简洁和C语言的高效结合在一起了！

问题：

我们为Julia语言开发了第一套可以用与解决NER问题的框架。

解决方案：

通过对已有框架Flux进行改进， 我们将创建许多新的、有用的API。

引证：

Jinhua Zhu: 用Julia进行深度学习模型搭建真是太酷了!

如何开始：

你可以像使用pytorch一样使用它。

收尾：

请期待我们后续推出的更多模型。

 

项目经理心得

一开始以为《人件》这本书是着重讲这个“件”的，即讲述软件工程各种严格的开发流程之类的。现在看了一部分，发现自己之前的设想不太对。这本书着重讲“人”，从目前我看的部分来看，这本书的核心在于教PM如何管理团队成员，是从人性最真实的角度来看待团队合作中可能出现的各种问题。
我原本以为像这种隐晦的内容，都是口口相传，言传身教的，没有想到能整理成书的形式。把这些内容整理成一种“知识性”的文字，我觉得还是非常有意义的。期待在团队管理中，能充分考虑到“人”这个因素，也希望在这本书接下来的阅读过程中，能收获更多的东西！

 

转载于:https://www.cnblogs.com/JuliaAI123/p/9991309.html