ஜர்னல் ஆஃப் தியரிட்டிகல் & கம்ப்யூட்டேஷனல் சயின்ஸ்
திறந்த அணுகல்

சுருக்கம்

நிகழ்வு ஸ்ட்ரீமிங் பிளாட்ஃபார்ம் மூலம் இயந்திர கற்றல் கட்டிடக்கலைகளை எளிதாக்குதல்

காய் வெஹ்னர்

இயந்திர கற்றல் (ML) மாதிரி பயிற்சி மற்றும் மாதிரி அனுமானம் என பிரிக்கப்பட்டுள்ளது. ML கட்டமைப்புகள் பொதுவாக HDFS அல்லது S3 போன்ற தரவு ஏரியை வரலாற்றுத் தரவைச் செயலாக்குவதற்கும், பகுப்பாய்வு மாதிரிகளைப் பயிற்றுவிப்பதற்கும் பயன்படுத்துகின்றன. மாதிரி அனுமானம் மற்றும் உண்மையான நேரத்தில் உற்பத்தி அளவில் கண்காணிப்பது தரவு ஏரியைப் பயன்படுத்தும் மற்றொரு பொதுவான சவாலாகும். ஆனால் நிகழ்வு ஸ்ட்ரீமிங் கட்டமைப்பைப் பயன்படுத்தி, அத்தகைய தரவு சேமிப்பை முற்றிலும் தவிர்க்க முடியும். இந்த பேச்சு பாரம்பரிய தொகுதி மற்றும் பெரிய தரவு மாற்றுகளுக்கான நவீன அணுகுமுறையை ஒப்பிடுகிறது மற்றும் எளிமைப்படுத்தப்பட்ட கட்டிடக்கலை, வெவ்வேறு மாதிரிகளை பயிற்றுவிப்பதற்காக ஒரே வரிசையில் நிகழ்வுகளை மீண்டும் செயலாக்கும் திறன் மற்றும் உண்மையான ஒரு அளவிடக்கூடிய, மிஷன்-சிக்கலான ML கட்டமைப்பை உருவாக்குவதற்கான சாத்தியம் போன்ற பலன்களை விளக்குகிறது. தலைவலி மற்றும் பிரச்சனைகளுடன் கூடிய நேர கணிப்புகள். Apache Kafka மற்றும் TensorFlow ஆகிய ஓப்பன் சோர்ஸ் கட்டமைப்பை மேம்படுத்துவதன் மூலம் Kai Waehner இதை எவ்வாறு அடைய முடியும் என்பதை பேச்சு விளக்குகிறது.