Mojo : le prochain grand projet de Chris Lattner pour révolutionner la programmation d’apprentissage automatique

2025-09-05
Mojo : le prochain grand projet de Chris Lattner pour révolutionner la programmation d’apprentissage automatique

Chris Lattner, créateur de LLVM et du langage Swift, discute de son nouveau langage, Mojo, avec Ron. Mojo vise à rendre l’exploitation de toute la puissance des GPU modernes productive et amusante. La conception se concentre sur la création d’un langage facile à utiliser tout en fournissant le contrôle nécessaire pour l’écriture de noyaux de pointe. Un concept clé consiste à exiger des programmeurs qu’ils comprennent les détails du matériel, mais en rendant cela gérable et partageable grâce à la métaprogrammation sécurisée pour les types. L’objectif est de prendre en charge la spécialisation à la fois pour le calcul et pour la plateforme matérielle. Lattner soutient que cela est nécessaire pour empêcher les fournisseurs uniques de dominer l’écosystème informatique de l’IA.

Lire plus
Développement

Quantitative de Jane Street : Des compétitions de mathématiques au trading piloté par l’IA

2025-03-16
Quantitative de Jane Street : Des compétitions de mathématiques au trading piloté par l’IA

In Young Cho, trader quantitatif chez Jane Street, partage son parcours professionnel atypique, de la pré-médecine au trading quantitatif. Elle raconte ses expériences de stage et de travail chez Jane Street, notamment l’utilisation de langages de programmation comme OCaml et VBA pour le trading et le développement, ainsi que des anecdotes amusantes sur les interactions avec les courtiers. L’épisode explore en profondeur la recherche sur le trading chez Jane Street, des modèles linéaires simples aux réseaux de neurones profonds complexes, et comment ils utilisent l’apprentissage automatique dans des environnements à faibles données, à fort bruit et sujets à de fréquents changements de régime. In Young Cho détaille les quatre étapes de son processus de recherche : exploration, collecte de données, modélisation et production, et discute de la tension entre les outils de recherche flexibles et les systèmes de production robustes. Enfin, elle donne un aperçu des orientations futures de la recherche en apprentissage automatique chez Jane Street, notamment l’extension à davantage de catégories d’actifs et de modalités de données, et l’utilisation de l’IA pour améliorer l’efficacité des traders.

Lire plus
IA