北京大学计算机系教授博士生导师崔斌：以机器学系统Angel支持大数据所带来的挑战

然后我们的系统不单单是自己做了很多的一些算法，同时它也能够支持现在，融合现在的系统，现在已经做到把11：50（英）已经做上去了。我们不去具体修改11：53（英）里面的一些代码，只是在参数部分做一些修改，然后性能大概提高了一倍。这是我们提供的一些算法，像逻辑回归、12：03（英）做分类的、12：04（英）做主题模型的、矩阵分解、12：07（英）做决策数的等等这些我们都已经支持。

然后我们对这个系统也跟很多系统做了对比，包括跟12：16（英）然后测试了不同的算法，然后不同的集训环境，包括我们自己实验室比较小的集群；然后在腾讯的工业环境里面，又是几千台服务器这样的集群。然后不同的数据集，基本上这个性能都得到了几倍，或者十倍以上的一个提升。这个大家有兴趣的，可以在网上去看。

然后这个系统也在腾讯的实际业务上面，做了很多的部署跟应用。像视频推荐、微信里面的推荐、点击率预估、应用建模基本上性能都提高了一个量级以上。

最后简单做一些总结，我们这个系统，是我的课题组和腾讯的数据平台部共同来联合开发的。它同时考虑的工业界的可用性跟我们学术的创新性。那现在已经在getup上面已经开源了，你如果在这面搜素angel你就能搜到我们这个系统。

然后这个系统到目前已经有2400多个Star。然后也很多人提供了，提出了很多的问题，像包括13：30（英）有些相关系统的作者也来到上面提问。如果大家有兴趣的话，可以去看看，你觉得你需要什么样的功能，也可以在上面提，我们看到的话，如果有需要，我们自己可以再加上去。你需要什么算法支持，我们就可以去加。

这个工作我们也在我们领域的相关顶级会议上，发表过多篇的文章。然后目前也是作为第三代计算平台，在腾讯上在使用。

好，最后简单做一下总结。过去几年，我们跟腾讯合作，做一个分布式学习的系统，这是能够支持非常大规模的数据，非常高维。这样的计算任务都能做，接下来我们希望利用现有的系统，通过参数服务器的一个服务的架构，能够把其他的包括流处理的、包括深度学习系统都整合进去。另外就是基于对开源的设计，我们对这个系统做进一步的开发。能够（在）保证系统稳定性的基础上，能更好的提高算法的性能。

好，这是我的一个基本的介绍，谢谢大家。

（编辑：网站开发网_马鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!