写点什么

OpenMLDB

0 人感兴趣 · 28 次引用

  • 最新
  • 推荐
https://static001.geekbang.org/infoq/56/561d98e6c9b42a4913051399a6cee56a.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

Feature Store Meetup V3 回顾|华为商城 & 第四范式 & 众安保险特征平台建设实践

6月12日,星策社区主办的第三期「Feature Store Meetup」于线上开展,本次活动由思否视频号、CSDN直播间、示说网同步支持,累计观看人次超过4500+

https://static001.geekbang.org/infoq/a4/a4d4b6c1b581a0927f3b47cbdf989a46.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

Meetup 回顾|DevOps&MLOps 如何在企业中解决机器学习困境?

6月5日,由星策社区主办的「DevOps+MLOps Meetup」于线上召开,活动由51CTO视频号、CSDN直播间、开源中国视频号、极狐GitLab视频号四平台同步支持,累计观看人次超过5000。星策社区发起人——谭中意,在本次活动中重点介绍了DevOps与MLOps的概念与异同之处;

https://static001.geekbang.org/infoq/d4/d41ada01abbcee1eec73d3b7b8544f10.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

OpenMLDB Pulsar Connector:高效打通实时数据到特征工程

今天主要为大家介绍三个方面的内容: Pulsar Connector简介 OpenMLDB Connector on Pulsar介绍 OpenMLDB Connector on Pulsar演示

https://static001.geekbang.org/infoq/f7/f7868fa3cb3d03d04fc01d80a4bac674.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

活动预告 | OpenMLDB Meetup No.2

OpenMLDB x Pulsar | OpenMLDB Pulsar Connector,数据到特征的高速传输

深入浅出特征工程 – 基于 OpenMLDB 的实践指南(上)

一个真实场景的机器学习应用一般会包含两个主体流程,即特征工程和机器学习模型(以下简称模型)。大家对模型一定很了解,平时也是接触的最多的,比如从经典的逻辑回归、决策树模型,到近几年大火的深度学习模型,都是聚焦于如何开发高质量的模型。对于特征工

开源机器学习数据库 OpenMLDB v0.4.0 产品介绍

本文根据卢冕在『OpenMLDB Meetup No.1』中的演讲整理而成。

https://static001.geekbang.org/infoq/7b/7b8e04b45f98d08fd0834baf55a759d8.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

OpenMLDB 在 AKULAKU 实时特征计算场景的应用

本文根据 Akulaku 算法总监马宇翔在『OpenMLDB Meetup No.1』中的演讲整理而成。

【OpenMLDB Meetup #1】会议纪要

OpenMLDB 社区于 2022 年 1 月 15 日举行了第一次面向整个社区的 meetup,不仅由 OpenMLDB 的核心开发团队分享了整体架构以及 v0.4.0 的新特性演示,而且邀请到了 OpenMLDB 的企业客户 - Akulaku 来分享基于 OpenMLDB 的实时特征计算实战场景。

https://static001.geekbang.org/infoq/48/48e5941ef25e8190a514fb1f1062a723.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

OpenMLDB 12 月会议纪要

OpenMLDB 社区于近期邀请了社区的贡献者和使用者举行了12月份的社区会议。

企业智能转型对 AI 技术的挑战及应对,答案是 MLOps

笔者在参加12月20日举行的,由LF AI & Data基金会和OpenI启智社区联合举办的2021新一代人工智能院士高峰论坛上分享对于企业智能转型,以及AI技术面临的挑战和应对。

https://static001.geekbang.org/infoq/2b/2b6b0c889c17428cd8e2af8042966203.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

国内首次 Feature Store Meetup 回顾

2021年12月11日,由第四范式开发者社区主办的国内首次“Feature Store Meetup”,邀请到了来自美团、小米、伴鱼、第四范式的国内机器学习工程领域前沿专家,共同带来关于MLOps、及Feature Store的相关分享。

https://static001.geekbang.org/infoq/6f/6f3c321aeadd3dd57bb0fe6f4f0b6fec.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

开源机器学习数据库 OpenMLDB 贡献者计划全面启动

随着OpenMLDB 0.3.0版本的发布,OpenMLDB社区发起「OpenMLDB贡献者计划」(OpenMLDB Contributor Program,简称OCP),希望更多开发者参与社区建设,一同构建包容、友好、完善的开源生态,加速AI工程化落地进程。

OpenMLDB 11 月份社区会议纪要

OpenMLDB 社区于近期邀请了社区的贡献者和使用者举行了十一月份的社区会议。本次会议主要总结了 OpenMLDB 0.3.0 版本的更新,以及讨论 0.4.0 版本的几个重要需求规划。同时,社区成员对于 OpenMLDB 后续的需求和社区发展规划提供了宝贵的建议。

第四范式 OpenMLDB 在金融风控数据库的计算优化实践

近日,在DataFunSummit:智能金融在线峰会上,第四范式平台架构师陈迪豪以《OpenMLDB风控数据库计算优化》为主题,重点介绍了第四范式开源机器学习数据库OpenMLDB在金融领域的应用,以及底层时序特征的处理、窗口的计算优化细节等,让用户可以理解风控数据库

OpenMLDB v0.3.0 正式发布,支持快速部署使用的单机模式

OpenMLDB 社区于近期 2021年11月5日,正式发布了新版本 v0.3.0。在本版本中,第一次引入了单机模式,支持更为快速便捷的部署和上手使用体验。欢迎大家访问我们的 Github Repo 试用 https://github.com/4paradigm/OpenMLDB。

OpenMLDB Weekly Update(2021.10.11-2021.10.18)

OpenMLDB本周合并 Pull requests 16个,新增Pull requests 14个,关闭 Issues 13个,新增 Issues 11个。总计136个文件修改,新增5036行代码,删除1985行代码。 

OpenMLDB Weekly Update(2021.10.4-2021.10.11)

本周合并 Pull requests 4个,新增Pull requests 7个,关闭 Issues 3个,新增 Issues 4个。总计45个文件修改,新增1261行代码,删除245行代码。

OpenMLDB Weekly Update(2021.9.27-2021.10.4)

本周合并 Pull requests 5个,新增Pull requests 6个,关闭 Issues 1个,新增 Issues 5个。总计150个文件修改,新增531行代码,删除432行代码。

OpenMLDB Weekly Update(2021.9.19-2021.9.26)

本周合并 Pull requests 8个,新增Pull requests 5个,关闭 Issues 11个,新增 Issues 20个。总计84个文件修改,新增6677行代码,删除511行代码。 

OpenMLDB Weekly Update(2021.9.12-2021.9.19)

本周合并 Pull requests 12个,新增Pull requests 4个,关闭 Issues 6个,新增 Issues 18个。总计353个文件修改,新增36056行代码,删除879行代码。

OpenMLDB Weekly Update(2021.9.5-2021.9.12)

OpenMLDB本周合并 Pull requests 11个,新增Pull requests 9个,关闭 Issues 14个,新增 Issues 12个。总计57个文件修改,新增3002行代码,删除539行代码。

OpenMLDB Weekly Update(2021.8.30-2021.9.6)

OpenMLDB本周合并 Pull requests 18个,新增Pull requests 9个,关闭 Issues 10个,新增 Issues 26个。总计94个文件修改,新增1502行代码,删除7764行代码。发布Release版本v0.2.3。

https://static001.geekbang.org/infoq/64/646ea47dc6c7dfdd4231ef16d2426a2d.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

OpenMLDB:一文了解带参数查询语句(paramterized query statement) 的细节

In database management systems (DBMS), a prepared statement or parameterized statement is a feature used to execute the same or similar database statements repeatedly with high efficiency. Typically used with SQL statements such as queries

https://static001.geekbang.org/infoq/5c/5ccd2bb1c166532bce311b7297e988e7.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

OpenMLDB: 一文了解窗口倾斜优化技术细节

OpenMLDB是针对AI场景优化的开源数据库项目,实现了数据与计算一致性的离线MPP场景和在线OLTP场景计算引擎。MPP引擎可基于Spark实现,并通过拓展Spark源码实现数倍性能提升。本文主要解释OpenMLDB如何基于Spark来解决窗口数据的倾斜问题。

OpenMLDB_OpenMLDB技术文章_InfoQ写作社区