Ep 09 - Cristián García (Machine Learning en Jax) - El posible futuro de los frameworks para machine learning

* Cristián habla personalmente y no representando a Quansight de ninguna manera.

Cristián García es el mayor referente de Jax, un framework de machine learning de reciente creación, en Latinoamérica y uno de los principales en open source para machine learning! Trabaja como Machine Learning Engineer en Quansigh y antes **en Landing AI, empresa fundada por Andrew Ng. **Es el creador y desarrollador principal de Treex, librería para Jax. Es organizador del meetup Machine Learning Colombia y del Jax Global Meetup con Weights and Biases.

Twitter: @cgarciae88

Treex: github.com/cgarciae/treex

Jax Global Meetup: www.meetup.com/es/jax-global-meetup/

Quansight es una de las empresas más relevantes en deep learning. Fue fundada por el creador de numpy y scipy; dos de las librerías más importantes del ecosistema de data science y machine learning. Quansight está diseñada para apoyar el ecosistema open source.

Sobre Jax y Treex:

• Jax entra como un tercer framework para machine learning. Es una propuesta nueva. Tiene muchas ventajas como que aprendió todo lo que hizo TensorFlow y Pytorch. Busca hacer las cosas mejor desde 0.
• Jax opera muy similar a numpy y a diferencia de Pytorch pide solo funciones puras. Es un requerimiento duro pero a cambio de ese sacrificio te regresa funciones que hacen cosas que en otros frameworks son difíciles. Una de sus ventajas es la programación distribuida hecha de manera sencilla.
• Treex es una oportunidad para hacer deep learning en Jax a través de pytrees. Una abstracción muy poderosa que trajo Jax y que incluso Pytorch ya está integrando. Treex trata de ser lo más parecido a Pytorch en términos de simplicidad y se ha propuesto ser un complemento específicamente de Flax, más que un competidor directo.
• El público de Jax es de muy alto nivel. Es algo emocionante y a la vez intimidante del ecosistema. Se mueven personas con un calibre muy alto y quieren aprender de forma acelerada. Sin embargo, falta comunicación, tutoriales y modelos para que las personas que están iniciando puedan motivarse a formar parte de la comunidad.
• Hoy en día es más fácil entrar al ecosistema Jax en comparación con hace un año. Aunque aún hay retos. Flax, por ejemplo, no tiene una API muy sencilla. Son cosas que aún le faltan al ecosistema de Jax.Algo que a Cristián le genera curiosidad es qué va a pasar con TensorFlow dada la fuerza que está ganando Jax.