共计 2817 个字符，预计需要花费 8 分钟才能阅读完成。
开源之夏 2022 我的项目已公布，申请 Jina AI 我的项目的同学能够筹备起来了~
开源之夏是由「开源软件供应链点亮打算」发动，并长期反对的一项暑期开源流动。旨在激励寰球在校学生，积极参与开源软件的开发保护，促成优良开源软件社区的蓬勃发展，造就和挖掘更多优良的开发者。
往年是开源之夏举办的第三届，共计吸引了 124 家社区提报超过 300+ 我的项目。Jina AI 作为业内当先的神经搜寻 (Neural Search) 开源企业，在开源之夏 2022 中共计提报了 3 个我的项目工作。
同学们现已能够进行工作申请，取得 Jina AI 资深工程师的亲自领导，以及 Jina AI 实习机会。实现我的项目并奉献给社区后，还将取得开源之夏流动奖金和结项证书。
Jina AI 我的项目工作详情一览
我的项目一：近似最近邻搜索算法 HNSW 的改良与优化
波及技术畛域：AI, 近似最近邻, 向量检索
编程语言：C++, Python
我的项目难度： 进阶
分割导师：felix.wang@jina.ai
我的项目反对报名语言： 中文
我的项目成绩仓库：
https://github.com/jina-ai/an…
我的项目形容：
针对海量向量数据的搜寻，无论是工业界还是学术界都做了大量的钻研。因为准确的向量搜寻在海量数据的场景下搜寻工夫过长，所以目前的常见做法，是在向量上建设近似搜寻索引。学术上咱们称之为近似最近邻搜寻 ANN (Approximate Nearest Neighbor Search) 问题，通常都是通过就义搜寻精度来换取工夫和空间的形式，从大量样本中获取最近邻。
依据 Benchmark 上 ANN 算法的基准测试后果，基于图构造的 HNSW 算法在查问速度和精度上优于其余 ANN 算法。然而 HNSW 算法自身的次要问题就是对内存占用较大，限度了其能够索引的数据大小。
目前咱们的开源向量索引产品 AnnLite 外围近似搜索算法是基于 HNSW 来实现，并在此基础上提供了更加丰盛的性能（例如反对前置过滤近似查问）。为了使得 AnnLite 可能具备更强的竞争力和理论利用价值，咱们心愿可能进一步对 HNSW 算法进行改良和优化。
技术要求：
开发者须要对 ANN 算法有较深刻的了解，能够纯熟应用 C++ 编程语言
产出要求：
- 须要 HNSW 反对向量量化 quantization 技术，缩小内存占用的同时可能放慢向量间隔的计算；
- 对 HNSW 的图索引构造进行改良，在雷同数据索引大小的状况下，进一步缩小图规模大小；
- 降级前置条件过滤引擎，缩小前置过滤消耗的工夫；
- 须要可能撰写残缺的文档，单元测试和集成测试。
申请地址
https://summer-ospp.ac.cn/#/o…
我的项目二：反对基于 Redis 的近似最近邻搜寻
波及技术畛域：AI, 数据库，存储，近似最近邻, 向量检索
编程语言：Python
我的项目难度 ：进阶
分割导师：bo.wang@jina.ai
我的项目反对报名语言： 中文
我的项目成绩仓库：
https://github.com/jina-ai/do…
我的项目形容
神经搜寻 (Neural Search) 特指应用人工神经网络模型的搜寻零碎。很多常见的搜寻利用，比方以图搜图、听声辨乐，都须要神经搜寻。在神经搜寻零碎中，所有的文件会通过人工神经网络被示意为一个向量并存储在索引中。当用户进行搜寻时，用户的查问指标也会被示意为一个向量。通过比拟查问向量与索引向量的类似度 / 间隔，咱们能够找到最为匹配的文件。
基于神经网络的搜寻通常须要在短时间内查问到最类似的文件。这依赖于近似最近邻搜寻 (Approximately Nearest Neightbour Search)，简称 ANN 搜寻。作为一个前沿钻研畛域，学者们曾经提出很多高效的 ANN 算法。Redis 数据库目前曾经反对基于图的 ANN 搜索算法：HNSW，该算法可能最大水平的达到检索召回率和检索工夫的均衡。
DocArray 作为 Jina AI 神经搜寻全家桶的底层模块，可能帮忙开发者疾速开发搜寻零碎。在 DocArray 中，咱们曾经反对了多种向量数据库作为存储后盾，如 ANNLite, Weaviate, Qdrant 以及 Elasticsearch。
为了帮忙 Redis 社区的开发者，咱们心愿反对 Redis 数据库作为 DocArray 的存储后盾，帮忙用户高效的进行向量检索。
技术要求
须要开发者对 DocArray, Redis 以及背地基于 HNSW 的 ANN 搜索算法有肯定了解。
产出要求
- 须要在 DocArray 中集成 Redis 作为存储后盾；
- 代码有残缺的文档及单元测试、集成测试；
- 须要在 DocArray 中产出 Redis ANN 搜寻的基准，即：应用基于 Redis 的查问速度 / 召回率比照咱们曾经反对的存储后盾，后果将发表在咱们的比拟基准页面。
申请地址
https://summer-ospp.ac.cn/#/o…
我的项目三：基于深度学习的 3D 物体特色表白与学习
波及技术畛域：AI, 深度学习框架, 表征学习, 3D Mesh 模型
编程语言 ：Python
我的项目难度： 进阶
分割导师：jem.fu@jina.ai
我的项目反对报名语言： 中文
我的项目成绩仓库：
https://github.com/jina-ai/ex…
我的项目形容
3D 物体的表征模式多种多样，其中一个比拟典型的办法是 3D 点云，即某个坐标系下的点的数据集。相比于文本、图像，其蕴含了物体更加丰盛的信息，包含三维坐标 X，Y，Z、色彩、分类值、强度值、工夫等等。
3D 物体一个比拟典型的利用场景就是元宇宙，其中存在着大量的数字 3D 模型。准确建模与了解这些虚构物体能够帮忙咱们更好的实现对 3D 模型进行分类，搜寻，以及治理。
目前咱们曾经对一些 3D 物体模型的预训练模型进行了封装，并且反对对模型的微调 (Finetune)，使得用户能够更加便捷地将这些模型利用到理论生产环境中。
为了更好的适应具体应用场景，针对预训练模型的微调通常会应用表征学习。表征学习 (Representation Learning) 是深度学习的一个分支，其广泛应用于工业界，它通过训练深度学习模型优化输出数据的向量示意，以适应类似度计算、检索、举荐等不同利用。
将深度表征学习与 3D 模型数据联合能够将 3D 物体的特色更好的展示进去，以此反对各个领域下对 3D 物体数据的搜寻需要。
本我的项目旨在集成更多针对 3D 物体的神经网络模型，并实现对不同模型的对立治理。
技术要求
对深度学习 / 表征学习有根本了解，纯熟应用和把握 Python，纯熟应用和把握 PyTorch 等深度学习框架
产出要求
- 调研并实现目前 SOTA 的 3D 点云编码网络
- 实现 3D 点云数据的预处理，反对对不同模型的疾速训练
- 须要可能撰写残缺的文档，单元测试和集成测试
申请地址
https://summer-ospp.ac.cn/#/o…
报名申请 Jina AI 我的项目工作
以上就是 Jina AI 在开源之夏 2022 的我的项目工作及详情，现已开启学生与社区我的项目沟通通道，其余要害工夫节点如下如所示：
