Affrontare la rapida crescita della tua community

Agosto 2017

Sam Witteveen e Martin Andrews hanno avviato TensorFlow e Deep Learning Singapore a febbraio 2017. La community è cresciuta fino a raggiungere 1600 membri in soli 8 mesi. Nell'intervista hanno discusso di alcune sfide uniche con una crescita così rapida e anche di modi per rendere i contenuti tecnici interessanti e divertenti.

Martin Andrews Sam Witteveen

Sam, Martin, spiegaci perché hai deciso di creare una community di machine learning e deep learning a Singapore.

Sam: Io e Martin abbiamo iniziato a parlare della creazione di una community a novembre 2016. Ci abbiamo visto che le persone erano interessate al machine learning e al deep learning, ma in realtà non c'era un gruppo di meetup. Abbiamo iniziato ufficialmente a febbraio 2017 dopo un'intensa promozione da parte nostra. Martin è stato relatore di molti eventi Python e ho contattato il mondo delle startup locali.

Fin dall'inizio, la nostra filosofia era di offrire contenuti per sviluppatori principianti ed esperti combinati con lightning talk e/o relatori ospiti.

Martin: Un'altra parte della filosofia è che non avremo una discussione senza un codice: chiunque parli deve mostrare un codice che funzioni. Anche se a Singapore la scena dei MeetUp è vivace e la cultura di persone che si esibisce a uno o più MeetUp ogni settimana, è piuttosto difficile far parlare le persone agli eventi. Quando abbiamo iniziato, sapevamo che questo sarebbe stato un problema, così sia io che Sam abbiamo parlato a ogni nostro evento. Quindi, anche se non abbiamo un relatore ospite, ci assicuriamo che ci siano contenuti per principianti e qualcosa di più all'avanguardia a ogni evento. Inoltre, crediamo sia importante che gli eventi si svolgano regolarmente e che di cui ci si possa fidare. Google ha messo a disposizione una sala per i nostri eventi con una capienza di 200 persone. È molto utile, perché significa che non dobbiamo preoccuparci di questo aspetto.

Il networking fa parte degli eventi?

Sam: Non fermiamo nessuno dal fare networking, ma in realtà non c'è tempo da dedicare al networking. Detto questo, le persone continuano a interagire in modo organico.

Martin: per qualche motivo la pizza è molto costosa a Singapore e non siamo concordi con nessun altro buon cibo per sviluppatori (risata). Quindi non abbiamo alimento.

I meetup di solito si tengono dalle 19 alle 21, poi circa metà della folla si distende e gli altri si riuniscono e chiacchierano.

Stavi parlando della promozione dei meetup della tua community. Com'è andata, quali strumenti hai utilizzato?

Sam: Il passaparola è stato il modo in cui le persone ci hanno conosciuto. Inoltre, ci assicuriamo di avere almeno un argomento "interessante", come le didascalie delle immagini, a ogni meetup. Questo è stato un fattore determinante per convincere gli utenti a tornare. Ogni mese abbiamo anche scelto un argomento centrale. Abbiamo un tema del mese. Ad esempio, abbiamo parlato del deep learning per dispositivi mobili, dei vari temi che riguardano il testo e così via.

Prima del nostro primo meetup, ho pubblicato alcuni annunci nelle community di Facebook per sviluppatori e startup. Da allora abbiamo utilizzato Meetup.com e per noi funziona bene.

Hai fatto crescere il tuo canale da 0 a 1600 membri in soli 7 mesi. Quali sono alcune sfide uniche associate a una crescita così rapida?

Sam: Una delle nostre sfide è rendere i meetup interessanti per i nuovi arrivati che non hanno potuto partecipare ai meetup precedenti e, allo stesso tempo, per i membri più più anziani che desiderano contenuti più avanzati. Le ripetizioni dei contenuti per principianti sono ora considerate eventi di recupero separati. Inoltre, dato che TensorFlow è all'avanguardia, abbiamo persone che partecipano ai meetup con la sensazione che possa essere utile a loro, ma non sanno al 100% come fare. Io e Martin ci siamo resi disponibili attivamente per parlare. La nostra sfida è trovare persone che fanno applicazioni interessanti di ML/DL e invitarle a parlarne.

Martin: I principianti non sono molto espressivi, ma vogliono solo imparare. Le persone più avanzate vogliono sempre funzionalità più avanzate. Quindi dobbiamo bilanciare gli elementi più vocali con il nostro giudizio sul mix giusto. Trovare nuovi argomenti interessanti di cui parlare ogni mese è una sfida.

Sam: Stiamo anche ampliando le dimensioni del nostro meetup (risata).

Quanto è difficile per i principianti entrare nel mondo del deep learning?

Sam: Se sai programmare, puoi imparare le nozioni di base molto velocemente. Sapevamo che le persone potrebbero non avere esperienza con Python, quindi abbiamo inviato un link a una classe Python di base prima di un evento del "Beginners Day" che abbiamo tenuto. Sono stato molto soddisfatto del feedback che ho ricevuto in seguito. Quasi tutte le 100 persone che hanno partecipato sembravano di aver imparato tantissimo.

Martin: Piuttosto che essere esclusivi, cerchiamo di sottolineare che tutti possono fare il deep learning. Cerchiamo anche di rendere tutti i nostri esempi molto visivi. Ad esempio, mi ho registrato mentre pronunciavo alcune cifre sul mio telefono Android, poi le abbiamo convertite in immagini di spettrogrammi e ho usato una rete standard per distinguerle. Questo è un esempio di livello principiante che può interessare anche i partecipanti più esperti. Sam ha utilizzato il concetto di CycleGAN per mostrare com'è l'inverno a Singapore, cosa che non avverrà mai nella vita reale. Cerchiamo di dare ai membri della nostra community la possibilità di provare cose nuove e divertirsi allo stesso tempo.

Sam: La tecnologia è davvero interessante se puoi mostrarla in un modo interessante. Penso che guadagniamo molto rispetto mostrando cosa non ha funzionato e come siamo riusciti a risolverlo. Non veniamo percepiti come se conoscessimo tutto dall'inizio e avessimo tutte le risposte.

Hai detto che è difficile trovare persone disposte a parlare ai meetup. In che modo le stai motivando e quanto è efficace?

Martin: invieremo un questionario a ogni nuovo membro (MeetUp.com può farlo automaticamente). In pratica, ci chiediamo qual è il loro livello di esperienza, se hanno già utilizzato il deep learning e c'è anche una domanda che chiede: "Se hanno successo, ne parlerebbero?". Per via del modo in cui vengono formulati, è piuttosto difficile dire no (risata). Oltre l'80% ha espresso la possibilità di parlare, ma è ancora difficile riuscirci. Stiamo cercando di rendere il tutto estremamente semplice per le persone, spingendo l'idea che se qualcuno fa un discorso relativo alla sua esperienza personale di deep learning, l'intero pubblico sarà impaziente di sentirlo.

Sembra che tu abbia molte cose in corso. Come fai a organizzare e trovare il tempo per prepararti ai meetup e gestire la community?

Mario: Organizzare i meetup non richiede molto tempo. La preparazione dei contenuti è ciò che richiede molto tempo.

Martin: Uno dei motivi personali per cui ho deciso di farlo è che volevo fissare un termine artificioso per produrre contenuti nuovi ogni mese. Altrimenti è molto facile rimandare. Volevamo scoprire "chi è chi" nella scena locale, perché sospettavamo che molte persone potessero essere nascoste nei campus universitari.

Il machine learning e il deep learning possono essere applicati in molti modi interessanti. Avete qualche esempio dalla vostra community?

Martin: uno dei nostri membri ha utilizzato Transfer Learning (con cui si prende una rete preaddestrata e si addestra a riconoscere nuovi oggetti) e l'ha addestrata a riconoscere la sua famiglia dalle foto delle vacanze. Non avevo idea che qualcuno provasse una cosa del genere o che avrebbe funzionato. La rete preaddestrata non è stata concepita per riconoscere persone specifiche.

Sam: Abbiamo persone che lavorano con le startup per prendere dati per monitorare se le persone anziane hanno subito una caduta. In base a questi dati, cercano di prevedere se è necessario mandare qualcuno a controllare se questa persona anziana ha bisogno di aiuto.

I membri dispongono di competenze specifiche nell'ambito del tuo gruppo e tu fornisci loro alcuni suggerimenti. È fantastico quando torneranno per informarti se ha funzionato.

Cosa ti aspetti di più nel prossimo futuro?

Sam: Frank Chen del team Google Brain ci parla delle prossime novità di TensorFlow. È bello che abbia partecipato come relatore e che abbia scelto il nostro gruppo per gli annunci.

Martin: Non vediamo l'ora del rilascio di TPU nel cloud...

Sam: Siamo anche molto disponibili a parlare con altri organizzatori, specialmente se si trovano in questa parte del mondo e vogliono tenere un discorso. Siamo sempre alla ricerca di relatori e saremmo anche lieti di parlare ad altri MeetUp della regione.