Ottertune: 基于大规模机器学习的数据库自动调参

Ottertune: 基于大规模机器学习的数据库自动调参

时长: 13分01秒

播放次数: 121

已有52人参加

立即参加

like 3
comment 0

课程详情
课程评价(0)
讲师简介
卡内基梅隆大学计算机硕士,数据库组科研助理。北京大学计算机本科,现就读于卡内基梅隆大学计算机硕士(MCDS项目),于卡内基梅隆大学数据库组受Andy Pavlo教授指导,进行基于大规模机器学习的数据库自动调参的研究。本科期间访问爱丁堡大学,受樊文飞院士指导参与新的图计算系统GRAPE的研究,并获SIGMOD最佳论文奖。 曾访问香港科技大学受陈雷教授指导,以及北大崔斌教授指导进行基于三角形的并行子图枚举算法的研究。 将于2018年暑假于Databricks实习进行关于Spark的研发工作。

主题介绍
介绍基于机器学习的数据库自动调参系统Ottertune (发表于2017 SIGMOD会议)
1.数据库调参的挑战
2.Ottertune的机器学习算法
3.Ottertune的性能
4.Ottertune的现状和未来的工作
0

0条评价

    没有相关评论

x

评分:
确定