Les hicimos algunas preguntas a Leonardo David González de EMSER, Mirko Panozzo Zénere de ASCENTIO y a Maximiliano Armesto de Taller Technologies para conocer su experiencia en el uso de Nabuconodosor la computadora para ML del CCAD-UNC que tuvo aportes de empresas locales.
Leonardo David Gonzalez
¿En qué empresa trabajás?
EMSER EMPRESA DE SERVICIOS S.A.
¿En que proyecto están trabajando?
Estoy trabajando en varios proyectos de IA. Algunos proyectos requieren reconocimiento de imágenes.
Contanos brevemente tu experiencia con Nabucodonosor y que cosas te permitió hacer que antes no podías.
Utilicé Nabocodonosor para entrenar una red neuronal para el reconocimiento de unos pocos productos. La ventaja fue la de poder experimentar y tomar una idea de los tiempos y recursos que conlleva este tipo de operaciones.
¿Necesitarían más potencia de cálculo? ¿Qué planes tienen para suplirla?
Para producción se requerirá mas potencia y dedicación ya que hay que entrenar muchos productos. Entendemos no es la razón de Nabucodonosor por lo que vamos a alquilar potencia de calculo en AWS. Seria genial no tener que recurrir a este tipo de proveedores en el exterior, ojalá algún día contemos con algún tipo de servicio similar y de costos accesibles que sea Industria Argentina.
¿Cómo se podría mejorar esta experiencia de relación universidad-industria?
Entiendo sería interesante para toda la industria poder tener acceso a un sitio que funcione como showroom permanente o laboratorio muestren de que cosas se puede implementar con inteligencia artificial y/o con big data en el día de hoy, con referencia a los investigadores responsables de publicarlos que sirvan como consultores (y si se los pudiera contratar, mejor!). Algo que no sea netamente documental, algo sencillo pero que se pueda ejecutar sobre Nabu. Un lugar que sea una vidriera de lo que se investiga en FaMAF en cuestión de estos términos, donde se puedan visualizar novedades regulares al respecto.
Mirko Panozzo Zénere
¿En qué empresa trabajás?
Ascentio Technologies S.A.
¿En que proyecto están trabajando?
Estamos trabajando en un sistema llamado Galatea Watcher, encargado de procesar imágenes SAR (Radares de Apertura Sintética) y de datos de posicionamiento AIS (Automatic Identification System) de buques para cruzar la información y realizar la detección de buques ilegales y derrames de petróleo. El sistema está operativo hace un año en la Prefectura Naval Argentina monitoreando el mar Argentino.
Contanos brevemente tu experiencia con Nabucodonosor y que cosas te permitió hacer que antes no podías.
Estamos expandiendo el sistema para soportar nuevas misiones SAR (entre ellas la misión argentina SAOCOM) para brindar servicios con nuevas imágenes, principalmente las de distribución gratuitas como las de la misión Sentinel-1 de la Agencia Espacial Europea y la aplicación de máscaras de tierra para eliminar áreas de costa utilizando DEMs (Modelos de Elevación Digital). La capacidad de procesamiento de Nabucodonosor nos permite avanzar sobre las pruebas de concepto de procesamiento de estas imágenes, algunas de las cuales tienen más de 20 mil x 20 mil píxeles, ya que podemos parelizar el procesamiento de las mismas y no preocuparnos tanto por el manejo de la memoria RAM durante la etapa de validación de los resultados.
Habiendo validado los resultados, ahora estamos trabajando en mejorar el manejo de la memoria RAM para dejar de depender exclusivamente de Nabucodonosor. Pero hasta el momento, nos sirvió de forma tal que si no lo hubiésemos tenido a mano, habríamos tardado mucho más tiempo en validar nuestros resultados porque el esfuerzo se hubiera centrado en la eficiencia a nivel performance.
¿Necesitarían más potencia de cálculo? ¿Qué planes tienen para suplirla?
No necesitamos más potencia. Actualmente estamos trabajando en lograr que el procesador de las imágenes trabaje de forma más eficiente a nivel memoria RAM. A nivel procesamiento no es necesario hacer una mejora significativa, dado que en el tiempo total transcurrido entre la adquisición de la imagen y la entrega del reporte al cliente nuestro procesamiento representa apenas un 10% de dicho tiempo.
¿Cómo se podría mejorar esta experiencia de relación universidad-industria?
En lo que a nuestra experiencia respecta, todo ha sido para bien. Hemos tomado provecho de este nodo creado entre el cluster y la facultad para mejorar nuestro producto. Contar con Nabucodonosor nos permitió, además, poder empezar a generar productos para otros países de Latinoamérica tales como Perú, Colombia y Brasil. Tal vez podríamos mejorar esta relación desde nuestro sector, mostrando los resultados obtenidos para poner en valor lo importante que es disponer de una herramienta como Nabucodonosor.
Maximiliano Armesto
¿En qué empresa trabajás?
Taller Technologies.
¿En que proyecto están trabajando?
GreenVisual: diseño y entrenamiento de una red neuronal para la distinción de cultivos y malezas en el sector agrícola. Estamos utilizando redes neuronales convolucionales para hacer la clasificación. Contamos con un dataset de 8000 imágenes.
Contanos brevemente tu experiencia con Nabucodonosor y que cosas te permitió hacer que antes no podías.
Pudimos entrenar nuestro modelo en Tensor Flow de una manera mucho más rápida. Pasamos de 3 días de entrenamiento a unas 5 horas. Esto nos permitió jugar con más parámetros en el diseño del mismo. Le experiencia fue muy buena el único problema fue cuando los usuarios no respetaban el sistema de encolado de las tasks.
¿Necesitarían más potencia de cálculo? ¿Qué planes tienen para suplirla?
Por ahora no necesitamos más potencia. Nuestro dispositivo deberá correr los modelos en el campo sin conexión, con lo que estamos tramitando un kit de desarrollo NVIDIA.
¿Cómo se podría mejorar esta experiencia de relación universidad-industria?
Creo que muchas veces los usuarios no encolan las tareas por no saber que deben hacerlo. Mejoraría la capacitación en este sentido.
