利用语义与机器学习扩展数据科学解决方案：博世案例
人工智能
2023-08-03 v1 分布式、并行与集群计算
摘要
工业 4.0 与物联网（IoT）技术从工厂生产中释放了前所未有的数据量，带来了体量与多样性方面的大数据挑战。在此背景下，云系统等分布式计算方案被用于并行化处理数据并减少计算时间。随着云系统日益普及，越来越多原本非云专家（如数据科学家、领域专家）希望在其上部署解决方案的需求上升。然而，同时满足云系统用户的高需求与培训他们所需的过量时间并非易事。为此，我们提出 SemCloud，一种语义增强的云系统，将云系统与语义技术及机器学习耦合。SemCloud 依赖领域本体与映射进行数据集成，并在分布式计算节点上并行化语义数据集成与数据分析。此外，SemCloud 采用自适应 Datalog 规则与机器学习实现自动化资源配置，使非云专家也能使用云系统。该系统已在含数百万数据、数千次重复运行及领域用户的工业用例中评估，显示出可喜结果。
引用
@article{arxiv.2308.01094,
title = {Scaling Data Science Solutions with Semantics and Machine Learning: Bosch Case},
author = {Baifan Zhou and Nikolay Nikolov and Zhuoxun Zheng and Xianghui Luo and Ognjen Savkovic and Dumitru Roman and Ahmet Soylu and Evgeny Kharlamov},
journal= {arXiv preprint arXiv:2308.01094},
year = {2023}
}
备注
Paper accepted at ISWC2023 In-Use track