- Le CES 2021 se déroulera en ligne. La Consumer Technology Association (CTA) a officialisé le fait que son événement n'aura pas lieu à Las Vegas l'année prochaine, comme à l'accoutumée. Gary Shapiro, CEO de l'Association, a indiqué à nos confrères de VentureBeat que le salon se déroulera cependant bien du 6 au 9 janvier 2021 et permettra aux exposants, visiteurs et à la presse de participer à des keynotes et des entretiens mais en ligne. Et M. Shapiro indique même que la version 2022 se déroulera en version hybride : une partie en physique, et du contenu en ligne exclusivement.

- Microsoft plus près de PyTorch. Le framework d'apprentissage machine PyTorch créé par Facebook reçoit un soutien de poids. Après avoir annoncé le projet open source DeepSpeed l'hiver dernier pour accélérer pyTorch sans réécriture majeure du code, Microsoft s'investit encore un peu plus dans ce framework open source concurrent de Tensor Flow de Google. En parallèle du lancement de la version 1.6, la firme de Redmond a annoncé prendre en charge lui-même le développement et la maintenance de build PyTorch pour Windows. « Dernièrement, quelques fonctionnalités pour PyTorch n'étaient tout simplement pas disponibles pour la plateforme Windows, comme le support de formation distribué et la librairie de domaine TorchAudio. Pour atténuer cette douleur, Microsoft est heureux d'apporter son expertise Windows à la table et d'apporter PyTorch sur Windows à son meilleur niveau », peut-on lire dans un blog PyTorch commun entre Microsoft et Facebook. 

- Linkedin passe DeText en open source. Le framework Detext de Linkedin spécialisé dans les processus de traitement à base de langage naturel pour classer, classifier et générer des tâches est porté en open source. « Le framework permet aux utilisateurs de mieux utiliser les modèles et les incorporer dans de véritables applications », a expliqué Weiwei Guoo, senior enineering manager chez Linkedin. « Il a été appliqué sur LinkedIn pour le classement des recherches et des recommandations, la classification des intentions de requête et l'auto-complétion des requêtes, avec des améliorations significatives du classement par pertinence pour les membres qui recherchent des personnes et des emplois ». DeText contient plusieurs composants pouvant être personnalisés via des templates préchargés tel que des modèles d'encodage de texte et une couche MLP (multilayer perceptron) combinable avec des fonctions wide et deep learning.