Актуальность Создание библиотеки на Go для работы с нейросетями является актуальной задачей. Современные разработчики всё чаще выбирают этот язык для создания высоконагруженных и масштабируемых систем. Однако они сталкиваются с отсутствием нативных инструментов для машинного обучения, что ограничивает возможности языка в этой области. Существующие Python-фреймворки, несмотря на свою популярность, требуют значительных вычислительных ресурсов. Они также сложны для интеграции с микросервисными архитектурами на Go и недостаточно адаптированы для облачных сред. Текущие решения на Go обладают ограниченным функционалом и не покрывают полный цикл создания, обучения и развертывания моделей. Это затрудняет разработку высокопроизводительных и автономных приложений. Создание такой библиотеки позволит устранить эти ограничения и популяризировать Go среди специалистов в области ИИ и машинного обучения. Проблема В современной разработке машинного обучения и искусственного интеллекта отсутствуют нативные, производительные и масштабируемые инструменты на языке Go, что создает значительные ограничения для разработчиков, предпочитающих этот язык. Существующие Python-фреймворки, несмотря на свою популярность, требуют больших вычислительных ресурсов, сложны для интеграции с микросервисными архитектурами на Go и не предоставляют удобных средств для работы в облачных средах. Кроме того, ограниченные возможности текущих решений на Go не позволяют эффективно реализовать полный цикл создания, обучения и развертывания нейросетей, что затрудняет разработку высокопроизводительных и автономных приложений. Цель Разработать работающую библиотеку на языке программирования Go, которая облегчит создание и обучение нейросетей за счёт реализации как минимум 4 ключевых компонентов (полносвязный слой, функции активации, методы оптимизации, функции потерь). Библиотека должна поддерживать обучение моделей на задаче классификации изображений и обеспечивать производительность не менее 70% от существующих Python-фреймворков (например, TensorFlow или PyTorch). Проект будет завершён в течение 18 месяцев и включит подробную документацию, демонстрационные примеры и тесты для упрощения освоения разработчиками. Задачи 1. Изучение математических основ нейросетей для реализации архитектур. 2. Изучение алгоритмов обучения нейросетей и работа с ними в процессе создания библиотеки. 3. Сравнение популярных Python и Go-фреймворков для понимания возможностей и недостатков и выделение из них функций, которые необходимо перенести к нам. 4. Разработка базовых компонентов библиотеки и оптимизация производительности. 5. Разработка компонентов для оддержки облачных вычислений. 6. Тестирование и валидация для оценки корректности и эффективности работы библиотеки. 7. Обеспечение совместимости с экосистемой Go (библиотеки и протоколы) для более четкой работы библиотеки. 8. Оптимизация микросервисной архитектуры, адаптация библиотеки для использования в рамках микросервисов. Результат Библиотека создания и обучения нейросетей на языке Go Партнёры проекта Московский политех ***
