W zastosowaniach komercyjnych liczy się czas i utylizacja sprzętu, który musi na siebie zarabiać, a nie mielić powietrze. Deep Learning ma pewną specyfikę, która nie zawsze jest oczywista, a która może zaważyć na tym czy polecenie zostanie wykonane wolniej niż mogłoby. Prezentacja ma na celu przedstawić kilka kluczowych aspektów w przygotowaniu sprzętu i sposobie jego wykorzystania, które pomogą uzyskać optymalną utylizację sprzętu, jednocześnie odpowiadając na wymagania performance'owe klienta.

Michał Łukaszewski - przez 18 lat programista, od prawie dwóch lat kierownik zespołu zajmującego się benchmarkowaniem rozwiązań deep learningowych. Od 3 lat związany z tematem performance'u AI w Intelu.

Automatyczne testy regresji dostarczają rezultaty szybciej, można je wykonywać znacznie częściej, a co więcej, w porównaniu do testów manualnych, krótszy jest feedback lag. Jest to kluczowe w przypadku nowoczesnych metodyk wytwarzania oprogramowania. Co jednak, gdy mamy coraz więcej testów i nawet ich automatyczne wykonanie zaczyna trwać zbyt długo - 10 minut… 30 minut… może nawet kilka godzin? Podczas prelekcji Tomasz Konieczny pokaże jak serverlessowe usługi chmurowe, takie jak AWS Lambda, mogą zostać wykorzystane do przyspieszenia wykonania testów nawet o kilkaset razy.

Tomasz Konieczny - Senior QA Engineer w Ro. Interesuje się szerokim zakresem zagadnień związanych z testami automatycznymi – od architektury aż po środowiska testowe. Zwolennik dzielenia się wiedzą i wymiany pomysłów. Uważa, że to najszybszy sposób uczenia się. Występował jako prelegent na konferencjach, takich jak TestCon Moscow, What The H@ck, Serverless Days Amsterdam czy Quality Excites.