Catatan Comps: ICCSW-HPC-ACI

Dalam dua minggu terakhir, diselenggarakan beberapa workshop dan event computing di kampus. Mari kita tulis-tulis, sekedar sharing dan biar gak lupa infonya.

  • ICCSW

Tanggal 24-25 September 2015, ada ICCSW (Imperial College Computing Student Workshop). Berhubung bentrok dengan Idul Adha, jadi Nyo datang kesana setelah sholat Ied. Secara overall sih, karena banyak topik yang gak nyambung (nyambungnya pas computer vision doang) jadi agak kurang tertarik.

Yang dinanti (selain lunch tentunya) yaitu dua keynote speech-nya. Pertama, adalah Chris DiBona, Director of Open Source di Google pusat. Banyak insight soal Google yang care banget tentang open source, juga disinggung tentang Android di Google. Pulang dari keynote speech, Nyo jadi borong banyak merchandise Google deh..

Keynote speech kedua adalah Erik Mueller  dari IBM Watson, yang juga telah menulis banyak buku soal computer reasoning. Menarik juga IBM Watson, menjawab banyak pertanyaan2 dari natural language. Kemarin lebih banyak diterangkan mengenai sistem Watson Jeopardy, yang memang ia bangun dulu. Pernah tahu kuis tebak2an dengan dikasih beberapa hint? Nah, si waston Jeopardy berkompetisi melawan 2 orang grand-champion kuis Jeopardy! dan menang! Hmm…

Algoritma Watson mengkombinasi event calculus, answer set programming, sampai declarative methods (describe problem, computer solves) untuk menemukan models of narative. Says, inputs adalah Questions, maka sistem memprosesnya dengan Nodes (symptomps/signs), Mux (graph), edges (concepts/subquestions), confidence nodes (Bayesian inference), sampai padda stopping conditions.

IBM Watson sekarang juga merambah ke area Healthcare. Jadi, si dokter tinggal nanya sama Watson, “Watson, saya punya pasien, gejalanya..ini..ini..itu… kira-kira sakit apa ya?”. Watson merespon dengan mengkolaborasi data-data pasien (obat yang sedang diminum, riwayat penyakit, dsb… Lalu, memberi jawaban list diagnosa penyakit, sekaligus tuntunan terapi, obat2, clinical studies, dsb. Wahah… enak banget ya kerja dokter kalo gitu ^_^

IBM Watson bukan sendirian melakukan research di computer reasoning, ada juga Facebook dengan bAbI-nya (haha, namanya… :p), Microsoft Research dengan MCTest-nya, dan juga VQA (Visual Question Answering) yang menjawab pertanyaan ttg images (hmm… ini baru nyerempet computer vision), etc.

Setelah ICCSW, mampir bentar ke pameran robotics, kinda showcasing robots in the campus. Lucu sih, secara udah lama gak maenan robot lagi semenjak 4 tahun silam… =,=;

Warna warni #Google 😍 . Ngeraup merchadise selama ICCSW kmrn 😅

A photo posted by Vanya2v (@vanya_2v) on Sep 27, 2015 at 6:18am PDT

//platform.instagram.com/en_US/embeds.js

  • HPC

Lalu, tanggal 2 Oktober lalu ada HPC (High Performance Computing) workshop, lagi – lagi kolaborasi dengan IBM Research. Topik yang menarik bagiku sebenarnya hanya beberapa, yang nyerempet machine learning dan computer vision. Tapi memang beda machine learning large-scale dan analisis semantik audio-visual serta facial recognition, wew… #pusing

Misal, mengenai analysis audio textual, mereka ternyata memakai konsep bag-of-words (kayak bag-of-words di pLSA computer vision, tapi ini bag-of-audio-words). Lucu, ternyata sudah bisa dikenali juga makanan apa yang kita makan lewat suara (misal, permen karet, crisp, kacang, dsb). Cek juga web facial recognition dan segala hal soal behavioral understanding lewat images di ICL –> http://ibug.doc.ic.ac.uk/ 

  • ACI

Yang terakhir adalah Lecture Series mengenai aplikasi computing di industri. Sepertinya nih kampus memang ingin banget bridging the gap antara industri-akademik, sehingga berbagai strategi – termasuk lecture series ini – dilakukan. Hari pertama, ada 4 companies yang datang: Yelp, BlackRock, SwiftKey, dan Google. Yang paling seru sih, dikasih cemilan (snacks/crisp/coklat plus minuman, jus, dsb) dan juga lunch (pizza, sushi, buah2an), ahahaha…. #ngelusperut #makingendut

Yelp memberi kuliah mengenai  haProxy dan scheduling yang efektif dengan latency yang acceptable (~20 ms) between services. well, kebanyakan Nyo gak nyambung karena lebih ke networks dan paket2an data. Blackrock lebih gak nyambung lagi karena lebih tentang IT di perusahaan investasi (asset manager). SwiftKey lumayan menarik, aplikasi di smartphone untuk personal keyboard (kinda smart-typing/prediction?). Fakta bahwa tahun lalu terdapat lebih dari 24K jenis (merk) Android devices dan versi OS Android berbeda2 (Android API version, mulai dari Jellybean, cupcake, donut, froyo, kitkat –> kenapa nama2 dessert semua?) membuat SwiftKey mengambil keputusan untuk fokus di ranah personalisasi keyboard (dengan lebih dari 50 bahasa) smartphone.

Yang paling nyambung sih presentasi dari Google, mengenai ‘Building Location-based Service’. Lagi-lagi Google, in-the-end, Nyo borong merchandise lagi deh.. huhu, seru yah sepertinya working in the biggest tech-company ini :(( #mupeng. Prediksi bahwa di tahun 2016 akan ada 2 billions smartphones, membuat Google lebih fokus ke mobile location-based di Google Scale.

Tujuan akhirnya di local insight dari mobile-based location mirip-mirip dengan project tim Nyo pas StartUp Weekend bulan Mei lalu di London. Kita berencana membuat Trace, yang kira-kira cara kerjanya seperti itu, kinda explore the location-based context🙂

Mobile location-based dibangun bertahap dari Device location –> semantic location –> local insight.

  1. Device physical  location

Physical location bisa didapatkan dari GPS (tapi kurang akurat sebab no indoor coverages, connectivity delay), WiFi, Bluetooth, atau dari cellular tower. Semuanya memiliki kekurangan baik dari keakuratan, drain the battery, dsb. Jadi, di fused location provider API. New Google beacon, memiliki range yang lebih pendek serta bisa mendeteksi context. Misal, kita sedang di museum, lalu berdiri di depan sebuah lukisan yang dikasih Google beacon. Kita bisa menerima info di smartphone kita mengenai lukisan tersebut.

2.Semantic location

Kalau teman nanya, “Lagi dimana lo?”, terus kita jawab, “Di koordinat 136’67” dan 56’32”

Nyeeh… Gak feasible banget yah kalau kita jawab berdasarkan latitude dan longitude lokasi kita. Biasa kan kita jawab, lagi di McD Tebet atau lagi di depan Subway Sency. Itulah yang dimaksud dengan Semantic location, yaitu find and attach meaning to location. PlacePicker (Android) dan Google Maps yang Anda biasa gunakan (yang ada bulatan biru untuk retrieve position) di smartphone menurut si mas yang presentasi, katanya itu sudah semantic location.

Cara untuk ekstrak semantik, bisa dari penggabungan Map context dan User context. Solved by statistical inference (problem model, machine learning, inference features for places and models to estimate the most likely one). Tapi ini semua require labeled data, as for machine learning techniques –> more data bates smart algorithm. Nyeehh… =,=; . Kita bisa dapat labeled data (ground truth) dari manual survey, kemana saja si users ‘check-in’, atau geo-tag photo. We can learn from all of those…

3.Location insight

Nah, ini tujuan utamanya, diarahkan untuk komersialisasi: for location-based services. Misal, user ada di lokasi tertentu, nanti keluar rekomendasi2 apa saja yang sekiranya relevan. Challenge-nya adalah sampling bias karena gak semua orang punya devices, so far gak user tanpa device = invisible.Data volume juga harus punya minimum volume data, to be viable. Juga, mengenai anomaly detection, because sometimes human behaviour is complex (iya, random, tiba – tiba kalau di history-nya suka akan yang ini2, eh nyeleneh hari itu pengen yang itu, jadi bingung kan ngasih recommendation-nya).

Pattern untuk memberi rekomendasi adalah: aggregate information at PLACE level and at USER level.

Masih banyak beberapa lecture series lagi sih, tapi gak yakin kalau masih dikasih Lunch (ngarep) :p . Anw, jangan dikasih lunch deh soalnya udah niat diet (dilema mahasiswa dan ibu-ibu, yang udah gendut =,=)