Août 2017
Sam Witteveen et Martin Andrews ont lancé TensorFlow et deep learning Singapour en février 2017. La communauté est passée à 1 600 membres en seulement 8 mois. Au cours de l'entretien, ils ont discuté de certains défis uniques avec une croissance si rapide, ainsi que des moyens de rendre le contenu technique intéressant et amusant.
Sam, Martin, dites-nous pourquoi vous avez décidé de créer une communauté de machine learning et de deep learning à Singapour.
Sam:Martin et moi avons commencé à discuter de la constitution d'une communauté en novembre 2016. Nous avons constaté que les gens s'intéressaient au machine learning et au deep learning, mais il n'y avait vraiment pas de groupe de rencontre. Nous avons officiellement commencé en février 2017 après une promotion intense de notre part. Martin a participé à de nombreux événements Python, et j'ai contacté les start-up locales.
Dès le départ, notre philosophie consistait à associer des contenus destinés aux développeurs débutants comme avancés à des présentations éclair et/ou à des intervenants extérieurs.
Martin : En outre, une partie de notre philosophie est que nous ne pouvons pas nous entretenir sans code. Toute personne qui s'exprime doit montrer un code qui fonctionne. Même si Singapour possède une scène MeetUp florissante et une culture où les gens se rendent à un ou plusieurs MeetUp chaque semaine, il est assez difficile de faire en sorte que les gens s'expriment lors d'événements. Lorsque nous avons commencé, nous savions que ce serait un problème, et nous avons donc donné des conférences à chacun de nos événements. Ainsi, même si nous n'avons pas d'intervenant invité, Sam et moi nous assurons qu'il y a du contenu pour les débutants et quelque chose de plus avant-garde à chaque événement. Nous pensons également qu'il est important que les événements se produisent régulièrement et qu'on puisse en tenir compte. Google a mis à disposition un espace pouvant accueillir 200 personnes pour ses événements. C'est très utile, car cela signifie que nous n'avons pas à nous soucier de cet aspect.
Le réseautage fait-il partie de vos événements ?
Sam: On n'empêche personne de se mettre en réseau, mais il n'y a vraiment pas de temps alloué à la mise en réseau. Cela étant dit, les gens continuent de réseauter naturellement.
Martin:Pour une raison quelconque, la pizza est très chère à Singapour et nous n'avons pas trouvé d'autres aliments de qualité destinés aux développeurs (rires). Donc nous n'avons pas à manger.
Nos réunions se déroulent généralement de 19 h à 21 h. Ensuite, environ la moitié de la foule est dispersée, et le reste du temps passe simplement du temps pour discuter.
Vous parliez de promouvoir les réunions de votre communauté. Comment l'avez-vous fait ? Quels outils avez-vous utilisés ?
Sam:Le bouche-à-oreille nous a permis de nous connaître. Nous nous assurons également d'inclure au moins un sujet "intéressant", comme le sous-titrage d'images, à chaque rencontre. Cela a été un facteur majeur pour faire revenir les gens. Chaque mois, nous avons également choisi un thème principal. Nous avons un thème pour le mois. Par exemple, nous avons abordé le deep learning pour mobile, les différents thèmes liés au texte, etc.
Avant notre premier meetup, j'ai publié des annonces auprès des communautés Facebook pour les développeurs et les start-up. Depuis, nous utilisons Meetup.com, et cela fonctionne bien pour nous.
Vous êtes passé de 0 à 1 600 membres en seulement 7 mois. Quels sont les défis uniques associés à une croissance aussi rapide ?
Sam:L'une de nos difficultés est de rendre les réunions intéressantes pour les nouveaux participants qui n'ont pas pu y participer, mais aussi pour les membres plus expérimentés qui souhaitent accéder à un contenu plus avancé. Nous envisageons maintenant de répéter le contenu pour débutants comme des événements distincts de "ratio". De plus, TensorFlow est une technologie à la pointe de la technologie. Certains de nos collaborateurs viennent à l'occasion des réunions avec l'impression que cela pourrait leur être utile, mais ils ne savent pas à 100% comment procéder. Donc, Martin et moi nous sommes activement mis à disposition pour discuter. Notre défi est de trouver des personnes qui utilisent des applications intéressantes du ML/DL et de leur demander d'en parler.
Martin:Les débutants ne sont pas très locuteurs. Ils veulent juste apprendre. Les personnes avancées veulent toujours des choses plus avancées. Nous devons donc trouver le juste équilibre entre les éléments vocaux et notre jugement sur le bon mix. Trouver de nouveaux sujets intéressants à aborder chaque mois est également difficile.
Sam:Nous déployons également d'autres espaces de rencontre (rires).
Dans quelle mesure les débutants ont-ils du mal à accéder à l'univers du deep learning ?
Sam:Si vous savez coder, vous pouvez assimiler les bases très rapidement. Nous savions que certains utilisateurs n'avaient peut-être pas l'expérience de Python. Nous avons donc envoyé un lien vers une classe Python de base avant l'exécution d'un événement "Journée des débutants". J'ai été très satisfait des commentaires par la suite. Presque toutes les 100 personnes qui ont assisté ont eu l’impression d’avoir appris beaucoup de choses.
Martin:Plutôt que d'être exclusifs, nous essayons d'insister sur le fait que tout le monde peut pratiquer le deep learning. Nous essayons également de rendre tous nos exemples très visuels. Par exemple, je me suis enregistré en train de dire quelques chiffres sur mon téléphone Android, puis nous les avons convertis en images de spectrogrammes et j'ai utilisé un réseau standard pour les distinguer. Il s'agit d'un exemple de niveau débutant qui intéresse également les participants plus expérimentés. Sam a utilisé le concept de CycleGAN pour montrer à quoi ressemble l'hiver à Singapour, ce qui n'arrivera jamais dans la vie réelle. Nous essayons de donner aux membres de notre communauté les moyens d'essayer de nouvelles choses tout en s'amusant.
Sam:La technologie est vraiment intéressante si vous pouvez la présenter de façon intéressante. Je pense que nous gagnons beaucoup de respect en montrant ce qui n'a pas fonctionné et comment nous avons pu résoudre le problème. Nous ne sommes donc pas perçus comme si nous savions tout depuis le début et disposaient de toutes les réponses.
Vous avez mentionné qu'il est difficile de trouver des personnes désireuses de prendre la parole lors de réunions. Comment les motiver et dans quelle mesure y parvenez-vous ?
Martin:Nous envoyons un questionnaire à chaque nouveau membre (MeetUp.com peut le faire automatiquement). Nous leur demandons quel est leur niveau d'expérience et s'ils ont déjà utilisé le deep learning, ainsi que la question suivante : "S'ils réussissent, ils en parleront-ils". En raison de la façon dont ils sont formulés, il est assez difficile de dire non (rires). Plus de 80% ont exprimé la possibilité de parler, mais cela reste difficile. Nous essayons d'offrir une expérience très simple pour les gens, en poussant l'idée que si quelqu'un donne un éclair de présentation qui concerne son expérience personnelle du deep learning, tout le public sera impatient d'entendre.
On dirait que beaucoup de choses se passent. Comment vous organisez-vous et trouvez-vous du temps pour vous préparer à des réunions et gérer la communauté ?
Sam:L'organisation des réunions ne prend pas beaucoup de temps. Préparer le contenu est ce qui prend beaucoup de temps.
Martin:L'une de mes raisons personnelles est que je voulais avoir une date limite artificielle pour produire de nouveaux contenus chaque mois. Sinon, il est très facile de le repousser. Nous souhaitions également savoir qui est qui dans la scène locale, car nous supposions que de nombreuses personnes pourraient être cachées dans les campus universitaires.
Le machine learning et le deep learning peuvent s'appliquer de nombreuses façons intéressantes. Avez-vous des exemples issus de votre communauté ?
Martin:L'un de nos membres a utilisé l'apprentissage par transfert (pour entraîner un réseau pré-entraîné à reconnaître de nouveaux objets) et l'a entraîné à reconnaître sa famille sur les photos de vacances. Je ne savais pas que quelqu'un essayerait quelque chose comme ça, ou que cela fonctionnerait réellement. Je veux dire que le réseau pré-entraîné n’a pas été conçu pour reconnaître des personnes spécifiques.
Sam:Des personnes travaillent avec des start-up pour collecter des données afin de savoir si les personnes âgées ont fait une chute ou non. Sur la base de ces données, elle essaie de prédire s'il faut envoyer une personne pour vérifier si cette personne âgée a besoin d'aide.
Les membres possèdent leur propre expertise du domaine. Vous leur donnez quelques conseils et c'est très bien qu'ils reviennent et vous indiquent si cela a fonctionné.
Qu'attendez-vous le plus dans un avenir proche ?
Sam: Frank Chen, de l'équipe Google Brain, va nous parler des prochaines nouveautés de TensorFlow. C'est à la fois agréable de venir en tant qu'orateur et d'avoir choisi notre groupe pour faire les annonces.
Martin:Nous sommes impatients de lancer les TPU dans le cloud...
Sam:Nous sommes ouverts à la discussion avec d'autres organisateurs, surtout s'ils se trouvent dans cette région du monde et qu'ils veulent prendre la parole. Nous sommes toujours à la recherche d'intervenants et nous serions ravis de prendre la parole lors d'autres meetups organisés dans la région.