Sådan bruger du Shark: Det højperformative open source framework til C++


Et velbesøgt arrangement gav inspiration til at arbejde med Shark.

Det open source-licenserede framework inden for Machine Learning har været undervejs siden 1990’erne. En af ophavsmændene og udviklerne bag, Professor Christian Igel fra Datalogisk Institut København, var naturligvis til stede på dagen.

Fordele ved at anvende Shark

Ud over at levere en meget høj performance med let og hurtig adgang til softwarebiblioteker er Shark også anvendeligt på computere med normal drive kapacitet. Det vil altså sige, at Shark ikke kræver, at udvikleren arbejder med hardware, der er ualmindeligt kraftfuldt.

Ydermere er Shark optimeret og designet til at være modulerbart i den forstand, at udvikleren i høj grad selv kan præge strukturen og arkitekturen på modellerne i frameworket.

Professor Christian Igel præsenterede indledningsvist det ny-licenserede open source softwarebibliotek

Endeligt tilbyder Shark en række unikke metoder til implementeringer af matematisk velfunderede algoritmer inden for træning af binære og multiklasse klassificeringsmodeller, f.eks. support af vektormaskiner og moduludvælgelse samt forbedring af ensidige og flersidige objektiver.

En af oplægsholderne på dagen var postdoc Oswin Krause, Datalogisk Institut København, der mere dybdegående forklarede om de specifikke og tekniske detaljer ved selve brugen af Shark.

Slutteligt blev dagens fremmødte deltagere budt på et let traktement i tråd med, at der blev udvekslet tanker omkring de generelle udfordringer, som udviklerene støder på i arbejdet med machine learning , som f.eks. adgang til data og behandlingen af personfølsomme oplysninger.

Læs mere om Shark her.

Shark er også beskrevet i dette paper, der er optaget i Journal of Machine Learning Research.

Arrangementet blev holdt tirsdag d. 27. februar 2018. Bag stod Alexandra Instituttet i samarbejde med DIKU Business Club, Nordic.ai, InfinIT og Symbion.

InfinIT er finansieret af en bevilling fra Styrelsen for Forskning og Uddannelse og drives af et konsortium bestående af:
Alexandra Instituttet . BrainsBusiness . CISS . Datalogisk Institut, Københavns Universitet . DELTA . DTU Compute, Danmarks Tekniske Universitet . Institut for Datalogi, Aarhus Universitet . IT-Universitetet . Knowledge Lab, Syddansk Universitet . Væksthus Hovedstadsregionen . Aalborg Universitet