加速人在回路机器学习：挑战与机遇
数据库
2018-04-18 v1
摘要
机器学习（ML）工作流的开发是一个繁琐的迭代实验过程：开发者反复修改工作流，直到达到所需的准确率。我们描述了一种加速该过程的“人在回路”ML系统的愿景：通过智能地随时间跟踪变更与中间结果，此类系统能够实现快速迭代、快速响应反馈、内省与调试，以及后台执行与自动化。我们最后介绍了 Helix，我们对此类系统的初步尝试，其已在典型迭代工作流上相对于竞争系统实现了高达 10 倍的加速。
引用
@article{arxiv.1804.05892,
title = {Accelerating Human-in-the-loop Machine Learning: Challenges and Opportunities},
author = {Doris Xin and Litian Ma and Jialin Liu and Stephen Macke and Shuchen Song and Aditya Parameswaran},
journal= {arXiv preprint arXiv:1804.05892},
year = {2018}
}
备注
to be published in SIGMOD '18 DEEM Workshop