Powered by TensorFlow: utilizing deep learning to better predict extreme weather

KARTHIK KASHINATH : 극한의 날씨가 변화하고 있습니다 더 극심한 강우량, 심한 홍수, 산불이 있습니다

라디오 서명이 있어요, [INAUDIBLE] 극단적 인 사건을보다 정확하게 예측할 수 있음 우리가 지금 직면하고있는 큰 도전의 종류입니다 매일 100 테라 바이트의 기후 데이터가 있습니다 위성으로부터, 관측으로부터, 모델로부터

따라서 기후 데이터는 큰 데이터 문제입니다 우리는 빠른 것을 필요로합니다 모든 데이터를 빠르고 정확하게 탐색 할 수 있습니다 그리고 깊은 학습은 거의 완벽하게 문제를 해결할 수 있습니다 기후 과학

THORSTEN KURTH : 많은 NERSC 사용자가 TensorFlow를 사용하고 있습니다 더 인기있는 프레임 워크 중 하나입니다 TensorFlow를 사용하여 신속하게 반복합니다 다른 모델을 통해 다른 레이어 매개 변수 이 특별한 기후 프로젝트를 위해, 깊은 학습 모델을 만들기 위해, 우리는 분할 모델 (segmentation models) 성공할 것으로 입증 된 예를 들어, 우리의 위성 이미지 분할 작업

그리고 TensorFlow를 사용하여 모델을 향상시킵니다 성능이 좋은 일련의 모델을 찾을 때까지 이 특정 작업에 충분합니다 그러나 데이터의 양, 데이터의 복잡성, 네트워크는 14 테라 플롭이 필요했습니다 따라서 워크 스테이션에서이 작업을 수행하려는 경우, 훈련하는 데 몇 달이 걸릴 것입니다 MIKE HOUSTON : 이러한 문제를 진정으로 해결하려면 가장 큰 계산 자원 행성에서 사용할 수 있습니다

Summit 슈퍼 컴퓨터와 같은 시스템, 그것은 총 크기의 두 개의 테니스 코트입니다 내 말은,이게 최첨단 기술이야 일반적인 노트북보다 1 백만 배나 빠릅니다 33 exaflops

워크 스테이션에서하는 일을 상상해보십시오 그러나 지금은 그 힘의 27,000 배가 있다고 상상해보십시오 우리는 지금 그것을 할 수 있습니다 THORSTEN KURTH : 실제로 얼마나 좋은지 놀랐습니다 저울

1,000 노드, 2,000 노드 5,000 노드 MIKE HOUSTON : 이번이 처음이었습니다 누구든지이 규모에서 AI 애플리케이션을 실행합니다 기후 과학자들이 알아내는 대신 고조파 코드를 작성하는 방법, 그들은 파이썬에서 자연스럽게 표현할 수 있습니다

TensorFlow에서 모든 고성능 코드를 얻을 수 있습니다 대부분의 HPC 사람들은 TensorFlow 내에서 익숙합니다 KARTHIK KASHINATH : 이제 우리는 인공 지능은 실제로 예측에 기여할 수 있습니다 이 극한의 기상 이변들 MIKE HOUSTON : 전통적인 HPC와 AI를 결합하면, 우리는 우리가 해결할 수 없다고 생각했던 것들을 다룰 수 있습니다

핵융합로 연구, 질병 이해 알츠하이머 병처럼, 암, 맞지? 참 놀랍군 THORSTEN KURTH : 우리는 과다 활동 TensorFlow와 같은 프레임 워크를 사용하면 대규모로 확장 할 수 있습니다 멋진 공연을 얻을 수 있습니다 목표를 달성하십시오 KARTHIK KASHINATH : 유전학, 신경 과학, 우주론, 고 에너지 물리학, 그것은 나를 위해 대단히 흥미 롭습니다

Businesses predict weather impact using cloud-based machine learning

>> AccuWeather는 56 년 전 State College에서 창립되었습니다 펜실베니아와 이제 우리는 글로벌 기업으로 성장했습니다

우리는 큰 데이터가 있지만 처음부터 그 중심에 있습니다 정말 날씨 야 우리의 사명의 핵심이며 우리가 초점을 맞추고 있습니다 우리는 또한 AI 주입하기 시작했습니다 더 많은 사업 관행을 수동 코딩이 많이있었습니다

매우 시간 집약적이며, 노동 집약적입니다 통과하는 데 몇 개월이 걸릴 것입니다 날씨가 비즈니스에 미치는 영향을 분석 할 수 있습니다 이제 우리는 우리가 활용하는 AccuWeather D_3 Azure 기계 학습을 빨리 배우기 똑같은 과정이며 순간적입니다 D_3은 데이터 기반 의사 결정을 나타냅니다

AccuWeather 우리는 기업이 원하는 것을 알고 있습니다 날씨가 어떻게 영향을 미치는지 알기 고객 맞춤 데이터를 가져 와서 병합 할 수있었습니다 날씨 데이터와 기계 학습 스트림을 통해 실행하십시오 >> 척도가 우리가 찾고있는 가장 큰 이유입니다

이 D_3을 Azure에 배포하십시오 우리가 우리의 API 및 기타 항목 Azure, 우리는 기계 학습을 깨닫게되었습니다 우리가 prebuild 수 있도록 더 잘할 수있는 알고리즘 고객의 인바운드 데이터를 수집하고, 미래가 어떻게 영향을받을 수 있는지 배우십시오 이로 인해 우리는 많은 것을 움직일 수있었습니다 우리가 과거에 가질 수 있었던 것보다 더 빨리

기술 지원 및 배포 및 사용 전문 지식 Azure에서 사용할 수있는 기계 학습 도구 우리 디자인 팀에게는 매우 중요했습니다 >> 소비자 여정 사업에 대한 투자는 동일한 경로에 있습니다 따라서 날씨가 소비자에게 미치는 영향을 알고, 이 모든 사업에 영향을 미칩니다 영향력이있다 구매할 제품이 무엇인지, 기분 전환에 어떤 활동을 할 것인가

그것이 우리가하는 일의 핵심입니다 AccuWeather에서 우리는 기업, 우리는 사람들을 돕고 싶다 >> 조직으로 정말 좋은 결합 데이터 그건 전에 결합 된 적이 없어요 그 모든 것들이 훨씬 더 정확해질 것입니다 >> Microsoft는 Microsoft와 우리가 거기에 도착하는 데 도움이되는 하늘빛 올바른 방법으로 빠르게 도착할 수 있습니다

Predicting weather impact using cloud-based machine learning

>> AccuWeather는 56 년 전 State College에서 창립되었습니다 펜실베니아와 이제 우리는 글로벌 기업으로 성장했습니다

우리는 큰 데이터가 있지만 처음부터 그 중심에 있습니다 정말 날씨 야 우리의 사명의 핵심이며 우리가 초점을 맞추고 있습니다 우리는 또한 AI 주입하기 시작했습니다 더 많은 사업 관행을 수동 코딩이 많이있었습니다

매우 시간 집약적이며, 노동 집약적입니다 통과하는 데 몇 개월이 걸릴 것입니다 날씨가 비즈니스에 미치는 영향을 분석 할 수 있습니다 이제 우리는 우리가 활용하는 AccuWeather D_3 Azure 기계 학습을 빨리 배우기 똑같은 과정이며 순간적입니다 D_3은 데이터 기반 의사 결정을 나타냅니다

AccuWeather 우리는 기업이 원하는 것을 알고 있습니다 날씨가 어떻게 영향을 미치는지 알기 고객 맞춤 데이터를 가져 와서 병합 할 수있었습니다 날씨 데이터와 기계 학습 스트림을 통해 실행하십시오 >> 척도가 우리가 찾고있는 가장 큰 이유입니다

이 D_3을 Azure에 배포하십시오 우리가 우리의 API 및 기타 항목 Azure, 우리는 기계 학습을 깨닫게되었습니다 우리가 prebuild 수 있도록 더 잘할 수있는 알고리즘 고객의 인바운드 데이터를 수집하고, 미래가 어떻게 영향을받을 수 있는지 배우십시오 이로 인해 우리는 많은 것을 움직일 수있었습니다 우리가 과거에 가질 수 있었던 것보다 더 빨리

기술 지원 및 배포 및 사용 전문 지식 Azure에서 사용할 수있는 기계 학습 도구 우리 디자인 팀에게는 매우 중요했습니다 >> 소비자 여정 사업에 대한 투자는 동일한 경로에 있습니다 따라서 날씨가 소비자에게 미치는 영향을 알고, 이 모든 사업에 영향을 미칩니다 영향력이있다 구매할 제품이 무엇인지, 기분 전환에 어떤 활동을 할 것인가

그것이 우리가하는 일의 핵심입니다 AccuWeather에서 우리는 기업, 우리는 사람들을 돕고 싶다 >> 조직으로 정말 좋은 결합 데이터 그건 전에 결합 된 적이 없어요 그 모든 것들이 훨씬 더 정확해질 것입니다 >> Microsoft는 Microsoft와 우리가 거기에 도착하는 데 도움이되는 하늘빛 올바른 방법으로 빠르게 도착할 수 있습니다