Rafiki：作为分析服务系统的机器学习
数据库
2018-04-24 v1 人工智能
分布式、并行与集群计算
摘要
大数据 analytics 在过去几年中获得了巨大发展势头。将机器学习模型应用于大数据已成为大多数分析任务（尤其是高风险应用）的隐含要求或期望。典型应用包括针对在线产品评论的情感分析、用于监测用户每日摄入的食物记录应用中的图像分类，以及股票走势预测。扩展传统数据库系统以支持上述分析令人感兴趣但充满挑战。首先，几乎不可能在数据库引擎中实现所有机器学习模型。其次，需要专业知识来优化训练和推理过程的效率与效果，这给系统用户带来了沉重负担。在本文中，我们开发并呈现了一个称为 Rafiki 的系统，以提供机器学习模型的训练与推理服务，并促进基于云平台之上的复杂分析。Rafiki 为训练服务提供分布式超参数调优，并为推理服务提供在线集成建模，以在延迟与准确率之间进行权衡。实验结果证实了 Rafiki 的效率、有效性、可扩展性与易用性。
引用
@article{arxiv.1804.06087,
title = {Rafiki: Machine Learning as an Analytics Service System},
author = {Wei Wang and Sheng Wang and Jinyang Gao and Meihui Zhang and Gang Chen and Teck Khim Ng and Beng Chin Ooi},
journal= {arXiv preprint arXiv:1804.06087},
year = {2018}
}
备注
13 pages