Estoy implementando una solución de IA para uno de los productos de MongoDB y enfrenté el mismo problema que todos los ingenieros en mi campo enfrentan: ¿cómo obtener suficientes datos para entrenar tus redes neuronales? Collimator resultó ser la mejor solución para mí debido a lo fácil que fue obtener datos de nuestro back end, usarlos para crear datos sintéticos y luego mover esos datos de nuevo a mi red neuronal. Ahora estoy experimentando con el entrenamiento de mis redes neuronales dentro de Collimator.

Estoy usando Collimator para construir un robot autónomo como prueba de concepto. Comencé construyendo el sistema de percepción usando ML y después de decidir que la licencia de Matlab era demasiado cara para mí, decidí que necesitaba desarrollar en Python donde comienzo con modelos de código abierto y los desarrollo. Miré Jupyter, Eclipse, Pycharm y AWS Cloud9, pero constantemente me encontré con problemas porque escribir los sistemas de percepción tomaba mucho tiempo y entrenar mis modelos era demasiado caro y engorroso. En lugar de ser un proyecto personal, se convirtió en un proyecto principal. Encontré Collimator mientras investigaba herramientas alternativas y me alegra haberlo hecho. He usado Collimator para diseñar mi sistema. La interactividad entre el entorno de Python y el entorno gráfico es exactamente lo que necesitaba. Los mensajes de error son fáciles de entender y depurar. Además, ya no tengo que configurar clústeres de AWS para ejecutar mi modelo en línea.

Soy investigador en Viena y he estado usando Matlab durante muchos años. Mi laboratorio decidió hacer la transición a Collimator hace unos meses y estoy muy contento de que lo hayamos hecho. Collimator es, con mucho, el mejor software de modelado y simulación que he utilizado por las siguientes razones: Obtener ayuda en Matlab y C se estaba volviendo más desafiante a medida que mi proyecto crecía en complejidad. En los últimos años, sentí que estaba pasando más tiempo aprendiendo sobre las complejidades de Matlab en lugar de hacer mi investigación real. Usar los diagramas de bloques que proporciona Collimator me ha permitido simplificar mi código y volver a dedicar el tiempo que estaba gastando escribiendo scripts complicados a mi investigación. Desde Covid, ha sido difícil trabajar con algunos de mis colegas ya que tenemos que alternar días en el laboratorio. Esto significaba que obtener retroalimentación tomaría alrededor de 2-3 días hasta que mis colegas vinieran. Esto ralentizó nuestra investigación de manera bastante significativa. Sin embargo, ahora con Collimator puedo seguir trabajando junto con mis colegas que están remotos. Suelo etiquetarlos directamente en mi modelo para obtener retroalimentación y reciben la notificación al instante. Se siente como si estuviéramos en la misma habitación.