Apr, 2018

Rafiki：面向分析服务的机器学习系统

PDF
TL;DR本文介绍了 Rafiki 系统，它是一个能够在大数据分析、机器学习、云平台中为训练和推断提供服务的系统，其提供了分布式超参数调整和在线组合模型的功能，以实现低延迟和高准确度的平衡，在实验结果中表现出了高效、有效、可扩展和易用的特点。
big data analyticsmachine learningdistributed hyper-parameter tuningensemble modelingcloud platforms
发现论文，激发创造
  • 机器学习技术在大型移动用户数据集上的实际应用

    在这篇论文中，作者描述了从关系数据库管理系统（RDBMS）到分布式大数据分析平台的转变，这个平台适用于大规模机器学习和数据挖掘，利用通信服务提供商 (CSPs) 的大规模交易数据资产以及数据分析技术，用于服务个性化、预测建模和产品优化，而这种数据分析技术是实现对数据的利用和挖掘的关键。

    Feb, 2015

  • 非洲的机器智能研究

    通过多层多尺度和文化意识伦理的角度，本文总结了非洲地区机器智能的最新发展，展示了在音乐、艺术、非正式经济和小型企业等领域中应用机器智能的案例，并就非洲大陆的机器智能排名和指数的可靠性以及不明确的术语算法定义进行了讨论。

    Feb, 2024

  • 大数据系统应对机器学习挑战：向大数据科学服务发展

    介绍大数据科学中使用云计算作为一种实用且成本效益高的解决方案，着重分析软件堆栈的建设模块，为数据科学家提供大数据分析应用的普及服务，为该领域的最新发展和挑战提供各种见解。

    Sep, 2017

  • 机器学习与大数据的结合：无线通信视角

    本文简要介绍大数据分析和机器学习，并探讨它们在下一代无线网络中的潜在应用。提出了一个统一的大数据辅助的机器学习框架，用于预测移动用户的要求，并利用它来改善社交网络感知无线网络的性能，为了描述该框架的效率，提供了一对智能实际应用作为案例研究，以及为激励未来的研究提供开放式研究机会。

    Jan, 2019

  • 实时机器学习：遗失的部分

    针对机器学习在实时决策中的应用，提出需要一种新的分布式执行框架来实现毫秒延迟、高吞吐、任务图的自适应构建以及异构内核的执行等一系列要求，并提出了一个候选方案，其架构已经获得了 63 倍的性能提升。

    Mar, 2017

  • 规模机器学习

    本文介绍了一个自动化的机器学习平台，用于在数字广告技术环境中构建数千个预测用户行为的模型，并实现连续的优化广告活动，涉及数十亿的广告展示量和数亿的用户，以及多个不同的性能目标。

    Feb, 2014

  • 如何整合云服务、数据分析和机器学习技术以降低与现代云基础设施相关的网络风险

    本文研究了云技术、机器学习和数据可视化方法的结合，展示了如何整合云服务、数据分析和机器学习技术以便检测和减少与现代基于云的基础设施相关的网络安全风险。通过应用机器学习监督分类器设计了一个基于著名的 UNSW-NB15 数据集的模型，预测网络行为指标，并展示了如何整合数据分析技术以可视化网络流量。

    May, 2024

  • SimbaML: 将机械模型和机器学习与增强数据相连接

    SimbaML 是一个开源工具，它能够从基于常微分方程的模型中生成逼真的合成数据集并直接分析和纳入 ML 管道中，从而探索从合成数据到真实数据的转移学习，数据增强，确定数据收集需求并对物理启发式 ML 方法进行基准测试。

    Apr, 2023

  • 相关节奏：发现你可能喜欢的音乐的推荐系统

    通过使用机器学习模型及百万曲目数据集，本文提出了一个音乐推荐系统，旨在优化为用户推荐喜欢的歌曲。

    Sep, 2023

  • 通过利用公共数据提取深度神经网络的框架

    使用主动学习和大规模公共数据集的模型提取框架，可以通过黑盒访问从图像和文本领域的各种数据集中训练出的深度分类器，其中仅使用其 30%（30,000 个样本）的数据集。

    May, 2019