Looper：一个面向产品决策的端到端机器学习平台
机器学习
2022-06-23 v8 人工智能
软件工程
摘要
现代软件系统和产品越来越依赖机器学习模型，基于与用户、基础设施和其他系统的交互来做出数据驱动的决策。为了更广泛地采用，这种实践必须（i）容纳没有机器学习背景的产品工程师，（ii）支持细粒度的产品指标评估，以及（iii）针对产品目标进行优化。为了解决先前平台的不足，我们介绍了一个名为 Looper 的机器学习平台的通用原则和架构，该平台提供用于决策和反馈收集的简单 API。Looper 覆盖了从收集训练数据和模型训练到部署和推理的端到端机器学习生命周期，并将支持扩展到个性化、考虑异质性处理效应的因果评估以及针对产品目标的贝叶斯调优。在 2021 年的生产部署期间，Looper 同时托管了 440 到 1000 个机器学习模型，每秒做出 400 万到 600 万个实时决策。我们总结了平台采用者的经验并描述了他们的学习曲线。
引用
@article{arxiv.2110.07554,
title = {Looper: An end-to-end ML platform for product decisions},
author = {Igor L. Markov and Hanson Wang and Nitya Kasturi and Shaun Singh and Sze Wai Yuen and Mia Garrard and Sarah Tran and Yin Huang and Zehui Wang and Igor Glotov and Tanvi Gupta and Boshuang Huang and Peng Chen and Xiaowen Xie and Michael Belkin and Sal Uryasev and Sam Howie and Eytan Bakshy and Norm Zhou},
journal= {arXiv preprint arXiv:2110.07554},
year = {2022}
}
备注
11 pages + references, 7 figures; to appear in KDD 2022