ARGOMENTO:

---

Homepage	Articolo sul portale	Pagina delle statistiche	Pagina delle applicazioni	Join del Team	Stato del server

---

E' partito un nuovo progetto che si occupa di Machine Learning e reti neurali.
Per ora solo lavoro per linux.
Il forum è attivo e l'amministratore del progetto sembra abbastanza presente.
MLC@Home

Vediamo come vien su

Sembra davvero interessante... l'unica pecca è che al momento è gestito da una sola persona, il che non è mai una cosa troppo buona. In compenso dice di cercare collaboratori, speriamo qualcuno si aggreghi!
Il potenziale di questo progetto è alto.

Ho visto che tutti i team più importanti hanno già aggiunto il loro team sul sito, lo facciamo anche noi? Chi se ne occupa di solito?

manalog ha scritto:

Sembra davvero interessante... l'unica pecca è che al momento è gestito da una sola persona, il che non è mai una cosa troppo buona. In compenso dice di cercare collaboratori, speriamo qualcuno si aggreghi!
Il potenziale di questo progetto è alto.

Ho visto che tutti i team più importanti hanno già aggiunto il loro team sul sito, lo facciamo anche noi? Chi se ne occupa di solito?

Ho creato il team BOINC.Italy

Adesso c'è anche l'applicazione per windows:
www.mlcathome.org/mlcathome/forum_thread.php?id=28#123

Poi hanno messo il consenso per l'esportazione delle statistiche. Bisogna andare ad attivarlo nelle proprie impostazioni:
www.mlcathome.org/mlcathome/forum_thread.php?id=22#102

Grande! Mi sono unito subito
Questo progetto mi intriga un sacco, spero proprio non faccia la fine di tanti altri giovani progetti Boinc morti dopo poco nel nulla. Secondo me vale la pena dargli un po' di fiducia.
Che poi sarebbe carino lanciare un challenge di benvenuto, magari tra un mesetto o due... Ci fosse un anniversario di qualche persona o evento legato all'AI sarebbe perfetto

Per ora ho trovato:
9 Agosto Marvin Minsky

A me risulta che l'iscrizione al nostro team non stia funzionando correttamente..
Forse bisognerà aspettare un po.

Non si possono vedere gli iscritti e manca la possilità di unirsi-
Per gli altri team si.

zioriga ha scritto:

A me risulta che l'iscrizione al nostro team non stia funzionando correttamente..
Forse bisognerà aspettare un po.

Non si possono vedere gli iscritti e manca la possilità di unirsi-
Per gli altri team si.

Mi sembra strano. Io mi sono collegato subito dopo averlo creato e ho visto che lo hanno fatto altri due utenti oggi.
Forse è stato un problema temporaneo. Puoi riprovare?

quando faccio la ricerca per BOINC.Italy mi appare solo:

BOINC.Italy: l'Italia nel calcolo distribuito. Entra anche tu a far parte della più grande community italiana. image
BOINC.Italy è la nuova "alleanza" di team ed utenti italiani creata allo scopo di unire le forze di tanti volontari, per diffondere il calcolo distribuito e portare sempre più in alto la nostra bandiera nelle classifiche mondiali. Un gruppo dove tutti possono confluire e riconoscersi. Qualsiasi team e utente può entrare a far parte di questa squadra impegnata nella continua acquisizione di informazioni sui progetti e nella divulgazione del calcolo distribuito come risorsa sempre più importante per la scienza.
Visitate il nostro portale all'indirizzo www.boincitaly.org ed entrate a far parte della più grande community italiana dedicata a BOINC.
Sul portale troverete informazioni e news sul team, su tutto quello che riguarda BOINC e sui vari progetti seguiti dal team. Inoltre ci sono le statistiche, la chat ed il forum dove potrete trovare aiuto e divertirvi con gli altri membri del team! E se partecipate già ad altre community online o fate già parte di un team unitevi a noi con la vostra squadra e supportate BOINC.Italy: manterrete la vostra identità di team ma, attraverso una community unita, aumenteremo il peso dell'Italia alla comunità scientifica internazionale. Per maggiori informazioni e per vedere l'elenco delle community che fanno parte di BOINC.Italy visitate questa pagina del portale. Invitiamo tutti gli italiani ad unirsi a questa grande iniziativa e partecipare attivamente al team tramite il nostro portale.
Per qualsiasi informazione e richiesta vi invitiamo a scrivere nel nostro forum.
Che state aspettando a supportare BOINC.Italy?
Insieme, con il vostro aiuto, possiamo fare ancora di più!

e non trovo il comando di unisci

se schiaccio su supportare mi parte una pagina su BOINC.Italy e non la solita con in fondo il numero di utenti iscritti

OK, ci sono riuscito

Hanno rilasciato, alcuni giorni fa, anche l'applicativo per Windows a 64 bit. Ops, non avevo visto il messaggio di Sorcrosc
Gli amministratori ringraziano i volontari per questa prima settimana di scaccolo:

After 1 week, MLC@Home contributors have finished over 100,000 workunits, and trained over 14,000 neural networks. That's tremendous, thank you all for your support; and there's a lot more just on the horizon, so keep crunching!

Hanno anche rilasciato i sorgenti del progetto

Vediamo come vien su stò progetto.

Il lavoro è temporaneamente finito.

As the first round of 50,000 networks finishes training (what I'm referring to as "dataset 0"), I've released a few new test WUs for the next round ("dataset 1"). If these go well, I'll release the next 50,000 networks to train, that should keep keep the WUs flowing a bit more consistently.

Neanche mezza giornata e il lavoro ricomincia.
Qui la spiegazione del lavoro attuale, se qualcuno ci capisce qualcosa...

Ma, sbaglio o ha accorciato la deadline?

Spot ha scritto:

Ma, sbaglio o ha accorciato la deadline?

Effettivamente 2 giorni è cortina...

Il progetto, partito per iniziativa di un singolo ricercatore, è stato "adottato" dal laboratorio "The Cognition, Robotics, and Learning" dell'Università del Maryland.
Questo vorrà dire maggior supporto, altri ricercatori, ecc...

Alcune novità dal progetto:

We've started processing some of the data, for Dataset 1, and hope to have some preliminary results to share later this week
Datasets 1 and 2 are continue crunching away, see the live status on www.mlcathome.org/
Dataset 3 is in internal testing, and will be even larger. Expect a more complete writeup of what these results are soon
The project has secured a Raspberry Pi 4, and will be working on an ARM client. No timeline available yet.
You can now follow MLC@Home on Twitter: @MLCHome2
Lots of discussion on the forum related to validation errors for a small number of results (less than 1%), but are being addressed as they are uncovered, see the forum threads under "Issue Discussion"
A new server is being ordered!

Hanno pubblicato un post sui risultati preliminari di queste prime settimane di scaccolo. Se qualcuno ci capisce qualcosa, una traduzione/spiegazione è la benvenuta!!

Succede se parli della tua materia agli ignoranti, senza sforzarti di fare qualche lezioncina introduttiva prima o qualche esempio suggestivo.
Credo sia arabo praticamente per chiunque non faccia ricerca nel machine learning, cioè noi tutti.

Ho provato a tradurre così:

Ho pensato che potrei condividere questo grafico, come corrente Dataset 1.

La prima e più semplice domanda a cui bisogna rispondere è se possiamo determinare quale "macchina" ciascun network ha allenato, solamente andando a guardare i parametri imparati. Per il Dataset 1, questo dovrebbe essere banale. Ho eseguito il dataset corrente attraverso alcune semplici/veloci analisi.

Ciascun network allenato ha 4364 parametri imparati. Puoi avere un'idea di quanti tipi abbiamo di ciascun network osservando le tabella delle statistiche in tempo reale sulla pagina principale. Si noti che correntemente abbiamo 9000 campioni di 4 tipi di macchine, e solo 230 o giù di lì della ParityMachine, così questo è correntemente un dataset sbilanciato (e non abbiamo usato nessuno dei trucchetti che faresti per aggirare ciò... questo era un test veloce).

Prima, abbiamo eseguito i parametri attraverso un classificatore Random Forest, e conseguito un'accuratezza del 99.1% (80/20 frazione allenamenti/test). La matrice della confusione ha mostrato che la maggior parte degli errori erano con la ParityMachine, principalmente dovuti a un basso numero di campioni disponibili.

Successivamente, ho fatto una semplice riduzione PCA da 4364 dimensioni a 2 per graficare facilmente. Il grafico risultante è il seguente:

Come possiamo vedere, ci sono cluster distinti che si formano per ciascun tipo di macchina, e anche la ParityMachine (viola) sembra essersi formata nel suo cluster. Se le cose semplici come PCA e RandomForest possono dirci la differenza piuttosto bene, siamo fiduciosi che le analisi più complesse possano fare persino meglio.

Questi risultati *molto* preliminari si preannunciano molto buoni per la nostra tesi centrale la quale (N.d.T. la quale afferma che), dati abbastanza esempi, puoi determinare quali dati allenanti sono stati usati per allenare un network. Un risultato molto più convincente si avrebbe se potessimo dire la differenza tra una *Machine nel Dataset 1, e una *Modified nel Dataset 2.

Tenterò di pulire il Jupyter Notebook (N.d.T. dovrebbe essere questo ) e anche postarlo verso la fine della prossima settimana.

Grazie per la traduzione, ma io speravo in qualche spiegazione...

Altre novità dal progetto:

Happy 1 month anniversary! MLC@Home launched June 30th, so yesterday marked the 1 month anniversary. Thanks to all contribute!
We took a preliminary look at Datasets 1 and 2,and the results were encouraging.
We are able to differentiate the nearly identical machines in Dataset 1 and Dataset 2 based solely on the learned weights, and we were able to plot the weights in 2D weight space, and see some separation/clustering. This leads to come interesting follow-on questions and suggests maybe loss isn't the only way to evaluate a network (thread here)
Linux armhf/arm64 support is in progress. 32-bit client it up and running in testing. Follow along with progress here: Linux/armhf and Linux/arm64 support status thread.
Dataset 3 continues in internal testing. Should be ready in a few more weeks.
The deadlines for new and follow-on WUs has been moved to 4 days instead of 2. This should help the boinc client make some better decisions about scheduling work. However, many already queued work units still have the 2 day deadline, so this will not go away completely.
New server will likely take at least several weeks.

Ormai ci hanno preso gusto e rilasciano una nota a settimana!!

This week we focused on behind-the-scenes work
A new server for the project has been ordered buy may take a while to ship
ARM32 and ARM64 clients have been created in-house but more testing is needed. Performance on the Pi4 especially is quite reasonable.
We spent a lot of time this week trying to get both amd64 and ARM clients to compile statically to simplify deployment. However, the resulting binaries still have issues, and that path might not be an viable option.
We intend to release a preliminary version Datasets 1 and 2 to the public for your own data science analysis as soon as we have at least 1000 samples from each machine type. This will just be a CSV file of the weights for each trained network and the label of which machine type. When the full 10k for each is done, we're release a larger dataset that includes that plus the trained models and some more metatdata about each WU's training progress.
We're working on 2-3 potential different academic papers based on the work so far. One paper based on the analysis of datasets 1 and 2; another one (possibly combined with the previous) on using out weight-space analysis to detect trojan networks hidden in otherwise benign networks; and a possible third paper/talk on the engineering behind building a distributed computing project focused on ML. One conference we're targeting has a submission deadline of late September, so lots to do between now and then.
In relation to the above, we're working on an new version of the client that can support CNNs as well as RNNs. This will allow us to build WUs based on more widely available synthetic network data.
This week was a relatively quiet week in the forums.