理论与计算科学杂志
开放获取

抽象的

使用事件流平台简化机器学习架构

凯·韦纳

机器学习（ML）分为模型训练和模型推理。ML 框架通常使用 HDFS 或 S3 等数据湖来处理历史数据并训练分析模型。生产规模的实时模型推理和监控是使用数据湖的另一个常见挑战。但使用事件流架构可以完全避免这样的数据存储。本次演讲将现代方法与传统批处理和大数据替代方案进行了比较，并解释了诸如简化架构、以相同顺序重新处理事件以训练不同模型的能力以及构建可扩展的、关键任务 ML 架构的可能性等优点。时间预测，减少麻烦和问题。