Sto implementando una soluzione AI per uno dei prodotti di MongoDB e ho affrontato lo stesso problema che ogni ingegnere nel mio campo affronta: come ottenere abbastanza dati per addestrare le reti neurali? Collimator si è rivelato la soluzione migliore per me grazie alla facilità con cui è stato possibile ottenere dati dal nostro back end, usarli per creare dati sintetici e poi trasferire quei dati nella mia rete neurale. Ora sto sperimentando l'addestramento delle mie reti neurali all'interno di Collimator.

Sto usando Collimator per costruire un robot autonomo come prova di concetto. Ho iniziato costruendo il sistema di percezione utilizzando il ML e, dopo aver deciso che la licenza Matlab era troppo costosa per me, ho deciso di sviluppare in Python, dove inizio con modelli open-source e li sviluppo ulteriormente. Ho guardato Jupyter, Eclipse, Pycharm e AWS Cloud9, ma ho incontrato costantemente problemi perché scrivere i sistemi di percezione richiedeva molto tempo e addestrare i miei modelli era troppo costoso e complicato. Invece di essere un progetto secondario, è diventato un progetto principale. Ho trovato Collimator mentre cercavo strumenti alternativi e sono contento di averlo fatto. Ho usato Collimator per progettare il mio sistema. L'interattività tra l'ambiente Python e quello grafico è esattamente ciò di cui avevo bisogno. I messaggi di errore sono facili da capire e da correggere. Inoltre, non devo più configurare cluster AWS per eseguire il mio modello online.

Sono un ricercatore a Vienna e ho usato Matlab per molti anni. Il mio laboratorio ha deciso di fare la transizione a Collimator alcuni mesi fa e sono molto contento che l'abbiamo fatto. Collimator è di gran lunga il miglior software di modellazione e simulazione che abbia mai usato per i seguenti motivi: Ottenere aiuto in Matlab e C stava diventando più difficile man mano che il mio progetto cresceva in complessità. Negli ultimi anni, mi sembrava di passare più tempo a imparare le complessità di Matlab piuttosto che a fare la mia vera ricerca. Usare i diagrammi a blocchi che Collimator fornisce mi ha permesso di semplificare il mio codice e di spostare il tempo che stavo spendendo a scrivere script complicati di nuovo sulla mia ricerca. Dall'inizio del Covid, è stato difficile lavorare con alcuni dei miei colleghi poiché dobbiamo alternare i giorni in laboratorio. Questo significava che ottenere feedback richiedeva circa 2-3 giorni fino a quando i miei colleghi non venivano in laboratorio. Questo rallentava notevolmente la nostra ricerca. Tuttavia, ora con Collimator posso continuare a lavorare insieme ai miei colleghi che sono a distanza. Di solito li taggo direttamente nel mio modello per ricevere feedback e loro ricevono la notifica istantaneamente. Sembra di essere nella stessa stanza.