Проект Adept: Мотивация и цели

В отечественной экосистеме инструментов для машинного обучения в настоящее время отсутствуют решения общего назначения, аналогичные PyTorch или TensorFlow. Это обусловлено, в частности, дефицитом специалистов широкого профиля, обладающих экспертизой как в разработке высоконагруженных вычислительных систем, так и в теории и практике машинного обучения.

Цель проекта

Создание экспериментальной платформы машинного обучения, предназначенной для накопления опыта в разработке систем данного класса. Проект включает два основных направления:

1. Исследовательское — разработка архитектурных решений и оптимизаций.
2. Образовательное — формирование практической базы для обучения.

Образовательная ценность

Проект может служить платформой для обучения студентов принципам построения архитектур систем машинного обучения, охватывающей следующие аспекты:

• Архитектурные блоки ML-платформ
• Уровни абстракции в вычислительных системах
• Межъязыковое взаимодействие (Python, C++, Vulkan)
• Реализация математических абстракций (тензоры, операции)
• Методы автоматического дифференцирования (Autograd)
• Построение и оптимизация вычислительных графов
• Разработка вычислительных ядер
• Кроссплатформенная разработка
• Работа со специализированным оборудованием через Vulkan
• Реализация распространённых модулей нейронных сетей

Практическое применение

Кодовая база проекта может использоваться как:

• Наглядная демонстрация перечисленных концепций
• Основа для студенческих проектов и исследований
• База для образовательных материалов:
  • Статьи и учебные пособия
  • Доклады и презентации
  • Лекционные курсы
  • Практические задания

Проект Adept создаёт уникальную возможность для формирования нового поколения разработчиков, способных создавать полноценные вычислительные платформы для машинного обучения.