Je mets en œuvre une solution d'IA pour l'un des produits de MongoDB et j'ai rencontré le même problème que tous les ingénieurs de mon domaine - comment obtenir suffisamment de données pour entraîner vos réseaux neuronaux ? Collimator s'est avéré être la meilleure solution pour moi en raison de la facilité avec laquelle il était possible d'obtenir des données de notre back-end, d'utiliser cela pour créer des données synthétiques, puis de réintégrer ces données dans mon réseau neuronal. J'expérimente maintenant l'entraînement de mes réseaux neuronaux au sein de Collimator.

Je suis en train d'utiliser Collimator pour construire un robot autonome en preuve de concept. J'ai commencé par construire le système de perception en utilisant l'apprentissage automatique et après avoir décidé que la licence Matlab était trop chère pour moi, j'ai décidé de développer en Python où je commence avec des modèles open-source et je les développe. J'ai regardé Jupyter, Eclipse, Pycharm et AWS Cloud9 mais j'ai constamment rencontré des problèmes parce que l'écriture des systèmes de perception prenait beaucoup de temps et l'entraînement de mes modèles était trop coûteux et lourd. Au lieu d'être un projet de loisir, c'est devenu un projet principal. J'ai trouvé Collimator en recherchant des outils alternatifs et je suis content de l'avoir fait. J'ai utilisé Collimator pour concevoir mon système. L'interactivité entre l'environnement Python et graphique est exactement ce dont j'avais besoin. Les messages d'erreur sont faciles à comprendre et à déboguer. De plus, je n'ai plus besoin de configurer des clusters AWS pour exécuter mon modèle en ligne.

Je suis chercheur à Vienne et j'utilise Matlab depuis de nombreuses années. Mon laboratoire a décidé de faire la transition vers Collimator il y a quelques mois et je suis très heureux que nous l'ayons fait. Collimator est de loin le meilleur logiciel de modélisation et de simulation que j'ai utilisé pour les raisons suivantes : Obtenir de l'aide en Matlab et C devenait plus difficile à mesure que mon projet gagnait en complexité. Au cours des dernières années, j'avais l'impression de passer plus de temps à apprendre les complexités de Matlab plutôt qu'à faire ma recherche réelle. L'utilisation des diagrammes de blocs que Collimator fournit m'a permis de simplifier mon code et de réorienter le temps que je passais à écrire des scripts compliqués vers ma recherche. Depuis Covid, il a été difficile de travailler avec certains de mes collègues puisque nous devons alterner les jours au laboratoire. Cela signifiait que recevoir des retours prenait environ 2-3 jours jusqu'à ce que mes collègues viennent. Cela a ralenti notre recherche de manière assez significative. Cependant, maintenant avec Collimator, je peux continuer à travailler avec mes collègues qui sont à distance. Je les tague généralement directement dans mon modèle pour obtenir des retours et ils reçoivent la notification instantanément. C'est comme si nous étions dans la même pièce.