2.7 KiB
第一阶段发展目标：
1、算法：视觉、文本、语音、搜广推、金融 开源 算法的集成，能更方便的体验使用开源算法。包括算法任务模板(job-template)，算法全自动建模流程(pipeline)，算法推理服务(service)
2、平台开发：数据管理的集成(数据标注/特征平台)，平台公有化/私有化saas版，数据闭环(离线/实时训练闭环)
2、推广、答疑、运营，在相关知识平台发布文章/视频、交流群的答疑、专业社区的分享，git仓库的文案管理，wiki文档等
第二阶段发展目标
1、平台本身，算法模板，pipeline等，商业化。通过边缘计算，区块链技术 将算法/数据 价值商业化。
算法贡献：
技能要求：了解模板开发流程，了解平台使用
视觉、文本、语音、搜广推、金融等开源算法的集成，能让使用者更方便的体验使用开源算法。包括算法任务模板(job-template)，算法全自动建模流程(pipeline)，算法推理服务(service)
平台开发贡献：
技能要求：了解平台架构，了解平台代码
主要涉及前后端的开发，平台架构，新功能设计。比如数据管理的集成(数据标注)，平台公有化/私有化saas版，数据闭环(离线/实时训练闭环)
运营贡献：
比如：推广、答疑、运营，在相关知识平台发布文章/视频、交流群的答疑、专业社区的分享，git仓库的文案管理，wiki文档等
汇总社区需求
算法：
-
视觉：yolo相关模型、darknet相关模型、PaddleSeg 图像分割，orc相关模型，等训练和推理支持
-
语音：wenet语音识别的训练和推理支持。
-
推荐：bin算法，deepfm，ple等算法的训练和推理服务支持
-
文本： bert框架模型的训练和推理支持
平台：
-
去除对kubernetes dashboard的依赖，提供服务支持pod，搜索，日志的查看，删除，执行命令界面。
-
jupyter支持链接spark，支持spark任务模板
-
特征平台，标注系统的支持
-
数据ETL pipeline对接开源调度平台airflow/azkaban/argo等
-
kubeflow-pipeline依赖去除
-
ceph或其他分布式存储部署方式的开源支持
-
边缘集群k8s部署方式的支持 KubeEdge/k3s等部署边缘k8s