Top 12 Open
Source AI Projects to Add to Your Tech Stack
Theo:
https://www.digitalocean.com/resources/articles/open-source-ai-platforms
Bài được đưa lên Internet ngày:
10/02/2024
Kể từ giữa những năm 1980, phần
mềm nguồn mở OSS (Open Source Software) đã
liên tục tăng trưởng về mặt phát triển và ứng dụng
như một giải pháp thay thế cho phần mềm độc quyền
đắt tiền. Các cộng đồng hỗ
trợ phát triển nguồn mở luôn tìm kiếm những cách thức
mới để làm cho cơ sở hạ tầng có khả năng tương tác
và mở rộng hơn, đồng thời hỗ trợ các công nghệ
mới, và AI cũng không ngoại lệ. Khi
ngày càng nhiều tổ chức tăng cường đầu tư vào AI,
ngày càng nhiều nhà phát triển tìm cách tích hợp AI
nguồn mở vào bộ công nghệ của mình.
Nhiều nhà phát triển
hiện nay ưa chuộng các framework AI nguồn mở hơn các API
và phần mềm độc quyền. Theo báo cáo "Tác
động Kinh tế và Lực lượng Lao động của AI Nguồn Mở"
của Linux Foundation, 89% các tổ chức
đã áp dụng AI sử dụng AI nguồn mở dưới một hình
thức nào đó cho cơ sở hạ tầng của họ.
Trong bài viết này, chúng tôi khám phá
việc áp dụng rộng rãi AI nguồn mở trong giới phát
triển và nghiên cứu, nhờ vào các khoản đầu tư đáng
kể từ các tập đoàn công nghệ lớn. Chúng tôi cũng đi
sâu vào việc áp dụng này hứa hẹn những công nghệ
mang tính chuyển đổi cho các tổ chức như thế nào.
Những
điểm chính của bài viết
AI nguồn mở là việc sử dụng mã AI
và hệ thống có sẵn miễn phí, hoạt động theo giấy
phép phần mềm nguồn mở và miễn phí. Nó có thể được
chia sẻ, sửa đổi, nghiên cứu và phân phối miễn phí.
AI nguồn mở mang lại lợi ích về
khả năng tương tác, chi phí thấp hoặc không có chi phí
chung (overhead cost), và các lựa chọn tùy chỉnh lớn hơn
cho bộ tính năng và khả năng tương thích dữ liệu.
Những thách thức của AI nguồn mở
bao gồm như cầu học tập tăng lên, tính khả dụng của
bộ dữ liệu hạn chế và các trường hợp sử dụng có
thể bị hạn chế.
Các nền tảng AI nguồn mở hàng đầu
bao gồm TensorFlow, Pytorch, Open AI và OpenCV.
AI
nguồn mở là gì?
AI nguồn mở là một hệ
thống, mô hình hoặc thuật toán AI với mã nguồn có thể
truy cập miễn phí mà bạn có thể sử dụng, sửa đổi,
nghiên cứu và chia sẻ cho các dự án AI của mình.
Nó tồn tại theo các giấy phép phần
mềm nguồn mở và miễn phí, chẳng hạn như giấy phép
Apache, MIT, BSD-3 và GNU General Public.
Tính mở này khuyến khích việc tạo ra
các ứng dụng AI sáng tạo khi một cộng đồng những
người đam mê hợp tác, đẩy nhanh quá trình phát triển
các giải pháp thực tế.
Các dự án này, có sẵn trên các nền
tảng như GitHub, cho phép đổi
mới trên nhiều lĩnh vực như chăm
sóc sức khỏe, tài chính và giáo
dục. Sự sẵn có của các khuôn khổ
AI trên các hệ điều hành đa dạng như Microsoft Windows,
Linux, iOS và Android cho phép các nhà phát triển giải quyết
các thách thức phức tạp một cách hiệu quả. Các
ứng dụng phổ biến hơn của AI nguồn mở bao
gồm các mô hình ngôn ngữ lớn, công cụ dịch máy và
chatbot.
AI nguồn mở dân chủ hóa việc tiếp cận
các công nghệ tiên tiến và đẩy nhanh quá trình phát
triển các ứng dụng có tác động cho nhiều trường hợp
sử dụng của doanh nghiệp.
Khi
nào nên sử dụng AI nguồn mở
Việc sử dụng AI nguồn mở có thể mang
lại lợi ích trong một số trường hợp sử dụng nhất
định, tùy thuộc vào mục tiêu sử dụng AI cũng như
nguồn lực của tổ chức. Điều này
là do AI nguồn mở có chi phí vận hành tối thiểu (nếu
có), có thể điều chỉnh theo tập dữ liệu cụ thể của
tổ chức và cung cấp các tính năng tùy chỉnh so với các
mô hình AI nguồn đóng hoặc độc quyền. Với những
đặc điểm này, AI nguồn mở là lựa chọn lý tưởng
nếu bạn có thời gian thử nghiệm với các tập dữ liệu
tùy chỉnh, có các tham số cụ thể về cách bạn có thể
sử dụng dữ liệu công ty với phần mềm của bên thứ
ba hoặc muốn thử nghiệm một trường hợp sử dụng AI
chuyên biệt.
Bạn nên sử dụng AI
nguồn mở nếu bạn:
Có dữ liệu tổ
chức tùy chỉnh mà bạn muốn sử dụng để đào tạo
và triển khai mô hình.
Muốn đào tạo mô
hình AI cho một ngành hoặc trường hợp sử dụng cụ
thể và muốn nó hiểu được bối cảnh và thuật ngữ
của ứng dụng của bạn.
Yêu cầu các chức
năng hoặc tính năng cụ thể không có sẵn trong các mô
hình hoặc nền tảng AI có sẵn.
Cần mô hình AI của
bạn phù hợp với phong cách, quy trình làm việc và định
dạng của công ty với các đầu ra cụ thể của nó.
Dữ
liệu đào tạo cho AI nguồn mở
Các mô hình AI nguồn mở
cần dữ liệu để tạo ra kết quả chính xác và phù hợp
một cách hiệu quả. Tuy nhiên, làm thế nào để thu thập
dữ liệu cho một công nghệ dựa trên sự hỗ trợ của
cộng đồng và có sẵn cho cả những người đam mê và
các nhà phát triển chuyên nghiệp? Bạn có thể đã sử
dụng các mô hình nguồn mở với dữ liệu công ty của
mình, nhưng nếu không có sẵn dữ liệu, bạn phải tìm
kiếm dữ liệu trực tuyến và đảm bảo rằng dữ liệu
đó cũng là nguồn mở và được cấp phép hợp lệ để
bạn có thể sử dụng mà không gặp phải sự phản đối.
Điều này đã dẫn đến việc một số bộ dữ liệu
huấn luyện mô hình ngôn ngữ lớn nguồn mở được quản
lý và cung cấp trong cộng đồng nguồn mở:
Khi sử dụng dữ liệu cho mô hình AI nguồn
mở, bạn cần đảm bảo rằng dữ liệu được gắn nhãn
hiệu quả, không có bất kỳ mục trùng lặp nào, có đủ
dữ liệu để mô hình học thông tin mới và không
chứa bất kỳ thông tin nhạy cảm hoặc độc quyền nào.
Ưu
điểm của AI nguồn mở
AI nguồn mở đã nổi lên như một động
lực mạnh mẽ thúc đẩy đổi mới và khả năng tiếp
cận trong nhiều lĩnh vực. Các đặc điểm độc đáo của
nó mang lại những lợi thế đáng kể cho các nhà phát
triển, nhà nghiên cứu và tổ chức. Những
lợi ích chính bao gồm:
Đa dạng trường hợp sử dụng:
Nền tảng AI nguồn mở cung cấp một loạt các ứng dụng
thực tế, ví dụ như phát hiện gian lận theo thời gian
thực, phân tích hình ảnh y tế, đề xuất được cá
nhân hóa và trải nghiệm học tập được thiết kế
riêng.
Khả năng tiếp cận: Các dự án
và mô hình AI nguồn mở dễ dàng tiếp cận đối với
các nhà phát triển, nhà nghiên cứu và tổ chức, tạo
điều kiện cho việc áp dụng và sử dụng rộng rãi. Vì
được cung cấp miễn phí, nó cũng có chi phí vận hành
thấp.
Tham gia cộng đồng: Việc sử
dụng AI nguồn mở cung cấp cho các tổ chức quyền truy
cập vào một cộng đồng các nhà phát triển đa dạng,
những người liên tục đóng góp vào việc cải tiến và
phát triển các công cụ AI.
Minh bạch và cải tiến lặp đi lặp
lại: Bản chất cộng tác của AI nguồn mở thúc đẩy
tính minh bạch và tạo điều kiện cho việc cải tiến
liên tục, dẫn đến việc phát triển các công cụ giàu
tính năng, đáng tin cậy và có tính mô-đun.
Tính trung lập
với nhà cung cấp: Các giải pháp AI nguồn mở
đảm bảo các tổ chức không
bị khóa trói vào bất kỳ nhà cung cấp cụ thể nào,
cho phép bạn xây dựng bộ công nghệ của mình một cách
linh hoạt và giúp bạn đạt được khả năng tương tác
tốt hơn giữa các công cụ phần mềm.
Những
thách thức và cân nhắc của AI nguồn mở
Mặc dù AI nguồn mở mang lại tính linh
hoạt, nhưng việc thừa nhận và giảm thiểu những thách
thức vốn có của nó là rất quan trọng:
Nguy cơ sai lệch và thất bại: Việc
bắt tay vào phát
triển AI tùy chỉnh mà không có mục tiêu rõ ràng có
thể dẫn đến kết quả không đồng nhất, lãng phí tài
nguyên và thất bại của dự án. Các dự án này thường
có nhu cầu học tập cao hơn và đòi hỏi các kỹ năng
lập trình và phân tích dữ liệu cụ thể.
Định kiến trong thuật toán: Các
thuật toán có định kiến có khả năng tạo ra kết quả
sai lệch và duy trì các giả định có hại, làm suy yếu
độ tin cậy và tính hữu ích của các giải pháp AI.
Mối lo ngại về bảo mật: Khả năng
tiếp cận AI nguồn mở làm dấy lên mối lo ngại về
bảo mật, vì các tác nhân độc hại có thể lợi dụng
các công cụ này để thao túng kết quả hoặc tạo ra
nội dung có hại.
Các vấn đề liên quan đến dữ liệu:
Dữ liệu đào tạo có định kiến có thể dẫn đến
kết quả phân biệt đối xử, trong khi dữ liệu trôi
dạt và lỗi gắn nhãn có thể khiến các mô hình AI trở
nên kém hiệu quả và không đáng tin cậy. Cũng có những
lo ngại về cách thu thập dữ liệu nguồn mở hiệu quả
cho các mô hình AI.
Rủi ro công nghệ thuê ngoài: Các
doanh nghiệp sử dụng giải pháp AI nguồn mở từ các
nguồn bên ngoài có thể khiến các bên liên quan gặp rủi
ro, điều này nhấn mạnh tầm quan trọng của việc cân
nhắc thận trọng và triển khai có trách nhiệm.
Tương
lai của AI nguồn mở
AI nguồn mở đang định
hình lại khả năng mở rộng và chuyển đổi của doanh
nghiệp. Ảnh hưởng của nó trải
rộng trên nhiều ngành, thúc đẩy việc áp dụng rộng
rãi và tích hợp AI sâu hơn. Những tiến bộ trong
NLP, các công cụ như Hugging Face Transformers và các thư
viện thị giác máy tính như OpenCV hứa
hẹn các ứng dụng phức tạp như chatbot tiên tiến, nhận
dạng hình ảnh và tự động hóa. Các dự án như
OpenAssistant
và UnslothAI đang giới thiệu nhiều ứng
dụng với AI nguồn mở và cách bạn có thể sử dụng
công nghệ này trên các ứng dụng cá nhân và chuyên
nghiệp.
Tuy nhiên, việc áp dụng
AI nguồn mở đòi hỏi sự điều hướng cẩn thận và
quan hệ đối tác chặt chẽ. Mặc dù dễ tiếp cận,
nhưng nó thường đòi hỏi sự tinh chỉnh đáng kể để
đảm bảo hiệu quả, độ tin cậy và an toàn cho doanh
nghiệp. Các giải pháp AI được thiết kế riêng có
thể là cần thiết, vì các công cụ nguồn mở có thể
không đáp ứng được yêu cầu và cũng tiềm ẩn các mối
lo ngại về pháp lý và quyền riêng tư dữ liệu. Các tổ
chức phải đầu tư vào nguồn lực và chuyên môn để sử
dụng hiệu quả.
Tài
nguyên
Câu
hỏi thường gặp về AI nguồn mở
AI nguồn mở là gì?
AI nguồn mở là một hệ
thống AI trong đó mã nguồn có thể được chia sẻ,
nghiên cứu, sửa đổi và phân phối miễn phí để sử
dụng cho mục đích thương mại. Nó được phân phối
theo các giấy phép phần mềm miễn phí và nguồn mở như
Apache, MIT và GNU General Public.
Sự khác biệt giữa AI nguồn mở và
nguồn đóng là gì?
Trong khi mã nguồn của AI nguồn mở được
cung cấp miễn phí và có thể tùy chỉnh phần lớn tùy
thuộc vào các tính năng bạn yêu cầu, AI nguồn đóng giữ
mã nguồn riêng tư và có các tính năng do nhà cung cấp
cung cấp.
Khi nào tôi nên sử dụng trí tuệ nhân
tạo nguồn mở?
AI nguồn mở có khả
năng tùy chỉnh cao và không tốn chi phí chung. Bạn có thể
hưởng lợi khi sử dụng nó cho các ứng dụng có nhiều
yêu cầu cụ thể, bộ dữ liệu tùy chỉnh hoặc muốn có
lợi tức đầu tư lớn.
Tùy chọn AI nguồn mở nào tốt nhất?
Tùy chọn mã nguồn mở tốt nhất sẽ phụ
thuộc vào trường hợp sử dụng mong muốn của bạn. Tuy
nhiên, bạn có thể tìm thấy mã hỗ trợ ngôn ngữ lập
trình lớn, thị giác máy tính, máy học và chatbot.
Xây
dựng với Nền tảng GradientAI của DigitalOcean
Nền
tảng DigitalOcean GradientAI giúp việc
xây dựng và triển khai các tác nhân AI trở nên dễ dàng
hơn mà không cần quản lý cơ sở hạ tầng phức tạp.
Xây dựng các tác nhân tùy chỉnh, được quản lý toàn
diện, được hỗ trợ bởi các LLM mạnh mẽ nhất thế
giới từ Anthropic, DeepSeek, Meta, Mistral và OpenAI. Từ
chatbot hướng đến khách hàng đến quy trình làm việc
phức tạp, đa tác nhân, hãy tích hợp AI tác nhân vào ứng
dụng của bạn chỉ trong vài giờ với tính năng thanh
toán minh bạch, dựa trên mức sử dụng và không cần
quản lý cơ sở hạ tầng.
Video: Giới
thiệu Nền tảng GenAI: Đơn giản hóa Phát triển AI cho
Mọi người
Các tính năng chính:
Suy luận không cần máy chủ với các
LLM hàng đầu và tích hợp API đơn giản
Quy trình làm việc RAG với cơ sở
kiến thức để truy xuất được tinh chỉnh
Khả năng gọi hàm để truy cập thông
tin theo thời gian thực
Đội ngũ đa tác nhân và định tuyến
tác nhân cho các tác vụ phức tạp
Giới hạn kiểm duyệt nội dung và
phát hiện dữ liệu nhạy cảm
Các đoạn mã chatbot có thể nhúng để
tích hợp trang web dễ dàng
Khả năng quản lý phiên bản và khôi
phục để thử nghiệm an toàn
Hãy
bắt
đầu với Nền tảng GradientAI của DigitalOcean để
truy cập mọi thứ bạn cần để xây dựng, vận hành và
quản lý những điều lớn lao tiếp theo.
Về tác giả
Jess
Lulka, Tác giả; Trưởng phòng Tiếp thị Nội dung; Xem
hồ sơ tác giả
Jess Lulka là Trưởng phòng Tiếp thị Nội
dung tại DigitalOcean. Cô có hơn 10 năm kinh nghiệm trong
lĩnh vực nội dung kỹ thuật B2B và đã viết về khả
năng quan sát, trung tâm dữ liệu, IoT, ảo hóa máy chủ và
kỹ thuật thiết kế. Trước DigitalOcean, cô từng làm
việc tại Chronosphere, Informa TechTarget và Digital
Engineering. Cô sống tại Seattle và thích đọc sách, du
lịch và trò chuyện phiếm ở quán.
12 NỀN TẢNG AI NGUỒN MỞ HÀNG ĐẦU CHO
ĐỔI MỚI
(Sẽ lần lượt được giới thiệu trong
thời gian tới)
Since the
mid-1980s, open
source software has continued to grow in development and
applications as an alternative to expensive, proprietary software.
The communities that support open source development consistently
look for new ways to make infrastructure more interoperable and
scalable, and support new technologies, and AI is no exception. As
more organizations increase their investment in AI, more developers
are looking to see how they can integrate open source AI as part of
their tech stack.
Many developers
now prefer open-source AI frameworks over proprietary APIs and
software. According to the Linux Foundation’s report, The Economic
and Workforce Impacts of Open Source AI, 89% of organizations
that have adopted AI use open-source AI in some form for their
infrastructure.
In this article,
we explore the widespread adoption of open source AI among developers
and researchers, driven by significant investments from tech giants.
We also delve into how this adoption promises transformative
technologies for organizations.
Key
article takeaways
Open source
AI is the use of freely available AI code and systems that operate
under free and open source software licenses. It can be shared,
modified, studied, and distributed at no cost.
Open source
AI provides the benefits of interoperability, low to no overhead
cost, and greater customization options for feature sets and data
compatibility.
Challenges
of open source AI include an increased learning curve, limited
dataset availability, and potentially limited use cases.
Top open
source AI platforms include TensorFlow, Pytorch, Open AI, and
OpenCV.
What
is open source AI?
Open source AI
is an AI system, model, or algorithm with freely accessible source
code that you can use, modify, study, and share for your AI projects.
It exists under free and open source software licenses, such as the
Apache, MIT, BSD-3, and GNU General Public licenses.
This openness
encourages the creation of creative AI applications as a community of
enthusiasts collaborates, expediting the development of practical
solutions.
These projects,
available on platforms like GitHub,
enable innovation across sectors such as healthcare,
finance, and education.
The availability of AI frameworks on diverse operating systems like
Microsoft Windows, Linux, iOS, and Android empowers developers to
address complex challenges efficiently. The more popular applications
of open source AI include
large language models, machine translation tools, and chatbots.
Open source AI
democratizes access to cutting-edge technologies and accelerates the
development of impactful applications for a range of enterprise use
cases.
When
to use open source AI
Using open
source AI can be beneficial in certain use cases, depending on your
goals for using AI, as well as your organization’s resources. This
is because open source AI has minimal (if any) overhead costs, can be
adjusted to your organization’s specific data sets, and offers
customizable features compared to closed
source or proprietary AI models. With these characteristics, open
source AI is ideal if you have the time to experiment with custom
data sets, have specific parameters around how you can use company
data with third-party software, or want to try out a specialized AI
use case.
You should use
open source AI specifically if you:
Have custom
organizational data you want to use for model training and
deployment.
Want to
train the AI model for a specific industry or use case, and have it
understand the context and terminology of your application.
Require
specific functions or features that aren’t available in
out-of-the-box AI models or platforms.
Need your
AI model to match the company style, workflow, and formats with its
specific outputs.
Training
data for open source AI
Open source AI
models require data to effectively produce accurate and relevant
outcomes. Yet how do you gather data for a technology that is based
on community support and available to both enthusiasts and
professional developers? You might already be using these open source
models with your company data, but if you don’t have readily
available data, you must find it online and make sure it is also open
source and is properly licensed so you can use it without pushback.
This has led to several open source large-language model training
sets being curated and available within the open source community:
When using data
for your open source AI model, you want to make sure that the data is
effectively labeled, clear of any duplicate entries, has enough data
for the model to learn new information, and does not contain any
sensitive or proprietary information.
Advantages
of open source AI
Open-source AI
has emerged as a powerful force in driving innovation and
accessibility across various fields. Its unique characteristics offer
significant advantages for developers, researchers, and organizations
alike. The key benefits include:
Diverse
use cases: Open
source AI platform offers a wide array of practical applications,
such as real-time fraud
detection, medical image analysis, personalized recommendations,
and tailored learning experiences.
Accessibility:
Open source AI projects and models are readily accessible to
developers, researchers, and organizations, facilitating their
widespread adoption and use. Because it is freely available, it also
has a low overhead cost.
Community
engagement: Using
open source AI provides organizations with access to a diverse
community of developers who continuously contribute to the
enhancement and advancement of AI tools.
Transparency
and iterative improvement:
Open source AI’s collaborative nature fosters transparency and
facilitates ongoing improvement, resulting in the development of
feature-rich, dependable, and modular tools.
Vendor
neutrality: Open
source AI solutions ensure organizations are not
bound to any specific vendor, which allows you to build out your
tech stack with flexibility and helps you achieve more
interoperability between software tools.
Challenges
and considerations of open source AI
While
open-source AI does provide flexibility and it’s crucial to
acknowledge and mitigate its inherent challenges:
Risk
of misalignment and failure:
Embarking on custom
AI development without clear objectives can result in misaligned
outcomes, resource waste, and project failure. These projects also
usually have a higher learning curve and require specific
programming and data analysis skill sets.
Bias
in algorithms:
Biased algorithms have the potential to generate flawed results and
perpetuate harmful assumptions, undermining the reliability and
usefulness of AI solutions.
Security
concerns: The
accessibility of open source AI raises security concerns, as
malicious actors could exploit these tools to manipulate outcomes or
create harmful content.
Data-related
issues: Biased
training data can lead to discriminatory outcomes, while data drift
and labeling errors can render AI models ineffective and unreliable.
There are also concerns around how to effectively gather open source
data for AI models.
Outsourced
technology risks:
Enterprises using open-source AI solutions from external sources may
expose their stakeholders to risks, emphasizing the importance of
cautious consideration and responsible implementation.
The
future of open source AI
Open source AI
is reshaping enterprise scalability and transformation. Its influence
spans industries, driving widespread adoption and deeper AI
integration. Advancements in NLP, tools like Hugging Face
Transformers, and computer vision libraries like OpenCV promise
complex applications such as advanced chatbots, image recognition,
and automation. Projects such as OpenAssistant
and UnslothAI are showcasing a variety of applications with open
source AI and just how you can use the technology across personal and
professional applications.
However,
adopting open-source AI requires careful navigation and strong
partnerships. While accessible, it often requires significant
fine-tuning
for enterprise effectiveness, trust, and safety. Bespoke AI solutions
may be necessary, as open-source tools may fall short and also bring
about potential legal and data privacy concerns. Organizations must
invest in resources and expertise for effective use.
Resources
Open
source AI FAQs
What
is open source AI?
Open source AI
is an AI system in which code can be shared, studied, modified, and
distributed for commercial use at no cost. It is distributed under
free and open source software licenses like Apache, MIT, and GNU
General Public licenses.
What
is the difference between open source and closed source AI?
While open
source AI code is freely available and can be largely customized
depending on what features you require, closed source AI keeps its
source code private and has vendor-provided features.
When
would I use open source AI?
Open source AI
is highly customizable and has no overhead cost. You can benefit from
using it for applications that have a lot of specific requirements,
custom data sets, or want to have a large return on investment.
What
is the best open source AI option?
The best open
source option will depend on your desired use case. However, you can
find code that supports large language, computer vision, machine
learning, and chatbots.
Build
with DigitalOcean’s GradientAI Platform
DigitalOcean
GradientAI Platform makes it easier to build and deploy AI agents
without managing complex infrastructure. Build custom, fully-managed
agents backed by the world’s most powerful LLMs from Anthropic,
DeepSeek, Meta, Mistral, and OpenAI. From customer-facing chatbots to
complex, multi-agent workflows, integrate agentic AI with your
application in hours with transparent, usage-based billing and no
infrastructure management required.
Video:
Introducing the
GenAI Platform: Simplifying AI Development for All
Key
features:
Serverless
inference with leading LLMs and simple API integration
RAG
workflows with knowledge bases for fine-tuned retrieval
Function
calling capabilities for real-time information access
Multi-agent
crews and agent routing for complex tasks
Guardrails
for content moderation and sensitive data detection
Embeddable
chatbot snippets for easy website integration
Versioning
and rollback capabilities for safe experimentation
Get
started with DigitalOcean GradientAI Platform for access to
everything you need to build, run, and manage the next big thing.
About the
author
Jess
Lulka, Author; Content Marketing Manager; See
author profile
Jess Lulka is a
Content Marketing Manager at DigitalOcean. She has over 10 years of
B2B technical content experience and has written about observability,
data centers, IoT, server virtualization, and design engineering.
Before DigitalOcean, she worked at Chronosphere, Informa TechTarget,
and Digital Engineering. She is based in Seattle and enjoys pub
trivia, travel, and reading.
Dịch: Lê Trung Nghĩa
letrungnghia.foss@gmail.com
