冰山一角:如何让机器学习为系统工作

摘要

机器学习已经成为改进计算机系统的有力工具 学术界和工业界是否都在进行大量的研究来解决这个问题 使用机器学习解决系统问题. 大多数工作集中在学习模式和 用这些学习模式代替启发式来解决系统问题，例如 编译优化，查询优化，故障检测，索引，缓存. 然而, 真正改善系统的解决方案需要保持效率、可用性、 系统的可靠性和可维护性，同时将机器学习集成到 该系统. 在这次演讲中，我将介绍设计的关键方面和令人惊讶的乐趣， 基于我的构建经验，为系统解决方案实现和部署ML 并在谷歌部署这些系统.

生物

Deniz是Google Brain Research系统机器学习团队的软件工程师. 她于2017年在康奈尔大学获得分布式系统博士学位 robert van Renesse的监督，专门研究共识协议和自适应 系统. 自博士毕业以来，她一直从事大型数据库系统的研究并学习 系统. 目前，她专注于提高系统使用的最先进技术 机器学习，主要关注缓存和索引. 她的作品已在 顶级会议和研讨会，如NeurIPS的SOSP和ML系统.

时间和地点

2022年10月25日下午1:30在MH 225