MLX y AXLearn, dos nuevos frameworks de IA lanzados por Apple

Apple Coding Daily - Ein Podcast von Julio César Fernández Muñoz

Nos adentramos en el fascinante mundo del aprendizaje automático y la innovación tecnológica, centrándonos en las últimas herramientas desarrolladas por Apple: MLX y AXLearn. Exploramos cómo estas plataformas están revolucionando el campo del Machine Learning (ML) y Deep Learning (DL), con un enfoque particular en su integración y optimización para el potente hardware de Apple Silicon. Este episodio es una inmersión profunda en el estado actual y las perspectivas futuras de la tecnología de aprendizaje automático en el ecosistema de Apple. Profundizamos en MLX, un framework de array para aprendizaje automático diseñado específicamente para el silicio de Apple, destacando sus APIs familiares, su eficiente manejo de la memoria y la capacidad de realizar cálculos de manera perezosa para optimizar la eficiencia. Luego, cambiamos nuestra atención a AXLearn, una biblioteca construida sobre JAX y XLA, que se especializa en el desarrollo de modelos de aprendizaje profundo a gran escala, abordando los retos de ingeniería de software en el aprendizaje profundo y aprovechando la capacidad de procesamiento distribuido y eficiente. Convierte en un Senior iOS Developer con el Swift Full Stack Bootcamp. Encuentra toda la información aquí: IV Swift Full Stack Bootcamp 2024. Descubre nuestro canal de Twitch en: twitch.tv/applecoding. Descubre nuestras ofertas para oyentes: - Cursos en Udemy (con código de oferta) - Apple Coding Academy - Suscríbete a Apple Coding en nuestro Patreon. - Canal de Telegram de Swift. Acceso al canal. --------------- Consigue las camisetas oficiales de Apple Coding con los logos de Swift y Apple Coding así como todo tipo de merchadising como tazas o fundas. - Tienda de merchandising de Apple Coding. --------------- Tema musical: "For the Win" de "Two Steps from Hell", compuesto por Thomas Bergensen. Usado con permisos de fair use. Escúchalo en Apple Music o Spotify.

Visit the podcast's native language site