Små biler og store talenter viser kanadiske politikere kraften i maskinlæring

Til slutt kom den ned til 213 tusendeler av et sekund! Det var forskjellen mellom de to beste tidene i finalen til det første AWS AWS DeepRacer Student Wildcard-arrangementet som ble arrangert i Ottawa, Canada i mai.

Jeg så med ærefrykt da 13 studenter konkurrerte i et direkte wildcard-løp for AWS DeepRacer-student League, den første globale autonome racingligaen for studenter som tilbyr undervisningsmateriell og ressurser for å komme i gang med maskinlæring (ML).

Studenter traff startstreken for å sette ML-ferdighetene sine på prøve i Canadas hovedstad, hvor parlamentsmedlemmer heiet dem frem, inkludert parlamentarisk sekretær for innovasjon, vitenskap og økonomisk utvikling, Andy Fillmore. Daphne Hong, en fjerdeårs ingeniørstudent ved University of Calgary, vant løpet med en rundetid på 11:167 sekunder. Ikke langt bak var Nixon Chan fra University of Waterloo og Vijayraj Kharod fra Toronto Metropolitan University.

Daphne vant etter å ha kjempet mot nervene tidligere på dagen da hun tok treningsløp mens hun slet med å snu svingene og raskt justerte modellen. "Etter å ha sett hvordan det fysiske sporet klarte seg sammenlignet med det virtuelle gjennom dagen, var jeg i stand til å gjøre noen justeringer og overvinne disse hjørnene og runde dem som jeg hadde tenkt, så jeg er super, super glad for det," sa en strålende Daphne etter å ha blitt overrakt mesterskapet sitt.

Daphne mottok også et Amazon Canada-gavekort på $1,000 500, mens andre- og tredjeplassen - Nixon Chan og Vijayraj Kharod - fikk trofeer og gavekort på $XNUMX. De to beste deltakerne har nå en sjanse til å løpe virtuelt i AWS DeepRacer Student League-finalen i oktober. "Hele opplevelsen føles som en seier for meg," sa DeepRacer-deltaker Connor Hunszinger fra University of Alberta.

Arrangementet fremhevet ikke bare viktigheten av maskinlæringsutdanning for kanadiske beslutningstakere, men gjorde også klart at disse unge kanadierne kunne være klar til å gjøre store ting med sine ML-ferdigheter.

Veien til Ottawa Wildcard

Dette Ottawa-løpet er en av flere jokertegn-arrangementer som finner sted rundt om i verden i år som en del av AWS DeepRacer Student League for å bringe studenter sammen for å konkurrere live i person. De to beste finalistene i hvert Wildcard-løp vil ha muligheten til å konkurrere i AWS DeepRacer Student League-finalen, med en sjanse til å vinne opp til $5,000 XNUMX USD i undervisningen. De tre beste syklistene fra studentligafinalen i oktober går videre til det globale AWS DeepRacer League Championship som arrangeres kl. AWS re: Oppfinne i Las Vegas i desember.

Studenter som løp i Ottawa begynte reisen sin i mars da de konkurrerte i den globale AWS DeepRacer Student League ved å sende inn modellen sin til det virtuelle 3D-simuleringsmiljøet og legge ut tider på ledertavlen. Fra studentligaen ble de beste studentracerne over hele Canada valgt ut til å konkurrere i jokertegn-arrangementet. Studentene trente modellene sine som forberedelse til arrangementet gjennom det virtuelle miljøet og brukte deretter ML-modellene sine for første gang på en fysisk bane i Ottawa. Hver elevkonkurrent fikk ett tre minutters forsøk på å fullføre sin raskeste runde med kun hastigheten til bilen som ble kontrollert.

«Ærlig talt, jeg anser egentlig ikke mine jevnaldrende her som mine konkurrenter. Jeg elsket å kunne jobbe med dem. Det virker mer som et vennlig, støttende og samarbeidende miljø. Vi heiet alltid på hverandre, sier Daphne Hong, vinner av AWS DeepRacer Student League Canada Wildcard. "Dette arrangementet er flott fordi det lar folk som egentlig ikke har så mye AI- eller ML-erfaring å lære mer om bransjen og se den live med disse bilene. Jeg ønsker å dele mine funn og min kunnskap med de rundt meg, de i samfunnet mitt og spre ordet om ML og AI.»

Bygge tilgang til maskinlæring i Canada

Maskinlæringstalenter er etterspurt, og utgjør en stor del av AI-jobboppslagene i Canada. Den kanadiske økonomien trenger folk med ferdighetene som nylig ble vist på DeepRacer-arrangementet, og kanadiske beslutningstakere er innstilt på å bygge en AI-talentpool.

Ifølge World Economic Forum, 58 millioner jobber vil bli skapt av veksten av maskinlæring i løpet av de neste årene, men akkurat nå er det bare 300,000 XNUMX ingeniører med relevant opplæring for å bygge og distribuere ML-modeller.

Det betyr at organisasjoner av alle typer ikke bare må lære opp sine eksisterende arbeidere med ML-ferdigheter, men også investere i opplæringsprogrammer og løsninger for å utvikle disse evnene for fremtidige arbeidere. AWS gjør sitt med en mengde produkter for elever på alle nivåer.

• AWS stipend for kunstig intelligens og maskinlæring, et utdannings- og stipendprogram på 10 millioner dollar, rettet mot å forberede undertjente og underrepresenterte studenter innen teknologi globalt for karrierer i verdensrommet.
• AWS Deep Racer, verdens første globale autonome racingliga, åpen for utviklere globalt for å komme i gang i ML med en 1/18^th skala racerbil drevet av forsterkningslæring. Utviklere kan konkurrere i den globale racingligaen om premier og belønninger.
• AWS DeepRacer-student, en versjon av AWS DeepRacer som er åpen for studenter 16 år og eldre globalt med gratis tilgang til 20 timer med ML-undervisningsinnhold og 10 timer med dataressurser for modelltrening månedlig uten kostnad. Deltakere kan konkurrere i den globale racingligaen eksklusivt for studenter for å vinne stipend og premier.
• Maskinlæringsuniversitet, selvbetjente ML-opplæringskurs med læring i ditt eget tempo pedagogisk innhold bygget av Amazons ML-forskere.

Cloud computing gjør tilgang til maskinlæringsteknologi mye enklere, raskere og morsomt, hvis AWS DeepRacer Student League Wildcard-arrangementet var noen indikasjon. Løpet ble opprettet av AWS, som en hyggelig, praktisk måte å gjøre ML mer tilgjengelig for alle som er interessert i teknologien.

Kom i gang med din maskinlæringsreise og ta del i AWS DeepRacer Student-ligaen i dag for din sjanse til å vinne premier og ære.

Om forfatteren

Nicole Foster er direktør for AWS Global AI/ML og Canada Public Policy hos Amazon, hvor hun leder retningen og strategien for offentlig politikk for kunstig intelligens for Amazon Web Services (AWS) rundt om i verden, så vel som selskapets offentlige politiske innsats til støtte for AWS virksomhet i Canada. I denne rollen fokuserer hun på spørsmål knyttet til fremvoksende teknologi, digital modernisering, cloud computing, cybersikkerhet, databeskyttelse og personvern, offentlige anskaffelser, økonomisk utvikling, kvalifisert immigrasjon, arbeidsstyrkeutvikling og fornybar energipolitikk.