6 min read

构建“学习型组织”|大地量子内部学术分享会首次公开

“一个人的眼界总归是有限的,还好我们有一群人”
构建“学习型组织”|大地量子内部学术分享会首次公开

我们的团队有多元的文化和深厚的学术背景,我们非常重视知识、技术的共享,希望通过构建一个前沿创新、自我驱动的内部学习生态圈,让每个人都能善于学习、持续学习。同时,我们也希望通过这种方式,塑造团队内部“开放,自驱,进取”的氛围。

每周五下午,我们都有一个固定节目——“学术分享”。这绝对是一个好的学习机会,分享人会把行业最顶尖,应用广泛、成熟的技术普及给大家,让所有人得以站在学术前沿,以启发新的创新方向。

这是大地量子构建“学习型组织”的关键部分,也正是因为持续性地构建“学习型组织”,让我们拥有了强大的技术竞争力。

“一个人的眼界总归是有限的,还好我们有一群人” ——鲁迅

下面,我们将首次公开学术分享的精彩内容

Dr. Zhou  \  大地量子首席基础技术专家

曾参与高分系列卫星重大专项工程

曾在北京大学完成博士后科研工作

专攻遥感科学15年

北京师范大学 博士

北京师范大学 本科

学术分享主持人

1


Dr. Chai (Xi) \  大地量子产品专家
中科院地理科学与资源研究所生态学 博士

中国科学院地理所 博士后

分享主题:《技术开发与实际交付的gap》


现有研发技术生产的数据产品与实际交付需求通常具有一定差距,这种差距主要归因于卫星影像质量、技术操作以及技术能力边界等多方面因素,但通常从事技术研发的大佬并不清楚实际交付的数据产品需求,从事产品交付的大佬技术操作经验也没有研发大佬的丰富,从而在一定程度上引起研发技术与实际交付的GAP。

技术与实际交付的GAP


Xi 在此本次学术分享会上开展了以“遥感数据产品研发技术与实际交付的GAP”为主题的讨论,以达到研发技术与交付的良好衔接,更好、更优地满足实际交付需求。

2

Dr. Liang (Ugo) \  大地量子AI遥感专家

香港中文大学 硕士

武汉大学地图制图学与地理信息工程 博士

分享主题:《GPU加速原理与benchmark》

在学术领域,许多涉及深度学习算法的研究都非常看重更高精度的模型结构,但在应用场景中,从事模型部署的工程师们更关心如何提高现有模型的速度,以便提高数据生产效率或者适应高密实时计算的需求,因此工业界常用的模型往往不是那些实验室中精度最高的模型。

Ugo这次分享的内容包括其所在小组的工作进展以及为什么要做这些事情。Ugo表示,他们的工作包括整合计算资源、优化生产环节各阶段的算法实现,通过各种工程上的改进提升我们的生产力。

为实现高效卷积计算常用的img2col方法

图片来源:sahnimanas.github.io/post/anatomy-of-a-high-performance-convolution/

Ugo分享的内容涉及了各种深度学习库的底层实现、模型的压缩和加速、如何更好的利用 CPU 与 GPU 等知识,描述了为高效验证 idea 和便于 AI 算法落地而需要做的各种事情。

3

Dr. Qin (Yuxiao) \  大地量子首席雷达遥感科学家

InSAR专家

北京大学 本科

香港中文大学 硕士

普渡大学 博士

曾在荷兰SkyGeo担任首席工程师

现任西北工业大学副教授

分享主题:《一个颜狗工程师的生产力美化教程》

“让代码开发像艺术品创作一样愉悦”


Yuxiao 在他的 talk 里分享了他在日常的开发中所使用的一些工具,以及如何通过简单的配置来达到一个较为满意的美化效果。

对于大地量子的工程师们来说,通过终端连接服务器和通过编辑器工具来进行代码开发是每日必备的操作,而正所谓「工欲善其事,必先利其器」,我们一方面可以通过使用合适的工具来提高我们的工作效率,另一方面也可以通过少量的美化和配置使得我们每日的工作环境更加「赏心悦目」,间接地提高我们的生产力。

在他的 talk 里,Yuxiao 依次介绍了 font ligature 的优点、hyper 和 iterm2 等终端的简单配置、ohmyzsh 和 ohmybash 等终端环境的配置、连接服务器后使用 tmux 和 vim 等的心得,以及以上所有这些配置的 dotfiles 的配置和使用等。

最后 Yuxiao 又分享了一下他日常使用 sublime text 4 和宇宙第一编辑器 vscode 的一些心得和技巧。Yuxiao 说,美化其实是无止境的,我们也不应该过分注重,而是应该通过简单的设置,达到「花 20% 的时间达到 80% 的完成度」的目标即可,通过这些配置来避免日常工作的审美疲劳、提高生产力。

最后附上一张大地量子的 “学术猫”