Differenzierung relationaler Abfragen
Supply chain-Daten präsentieren sich fast ausschließlich als relationale Daten: Bestellungen, Kunden, Lieferanten, Produkte, etc. Diese Daten werden durch die Business-Systeme - das ERP, das CRM, das WMS - gesammelt, die im Unternehmen eingesetzt werden.
Allerdings sind die meisten herkömmlichen maschinelles Lernen Techniken nicht gut dafür geeignet, mit relationalen Daten umzugehen. Der Umgang mit relationalen Daten ist in der Regel lediglich ein nachträglicher Gedanke, der typischerweise einige clevere Tricks aufbaut auf einem Design, das entschieden nicht mit der relationalen Perspektive übereinstimmt.
Lokad hat seine eigene Variante des differenzierbaren Programmierens entwickelt, welche den relationalen Anwendungsfall in den Mittelpunkt stellt. Tatsächlich möchten wir, dass unsere maschinellen Lernwerkzeuge die relationale Natur der Daten von Haus aus berücksichtigen. Im Vergleich zu alternativen Optionen bietet dieser Ansatz zahlreiche Vorteile, diese Modelle sind:
- einfacher zu schreiben
- einfacher zu verstehen und nachzuvollziehen
- besser interpretierbar
- schneller zu erlernen und schneller in der Ausführung
- usw
Die Lokad-Plattform ist programmatisch und konzentriert sich seit ihrer Entstehung auf die Verarbeitung und Visualisierung relationaler Daten. Allerdings haben wir 2019 einen neuen Weg eingeschlagen und beschlossen, unseren gesamten Machine Learning-Stack ebenfalls an das relationale Paradigma anzupassen.
Die Differenzierung relationaler Abfragen ist ein kleiner, aber fundamentaler Baustein in diese Richtung. Sie ist ein Mittel, um Gradienten durch relationale Abfragen zu propagieren. Diese Gradienten werden wiederum eingesetzt, um einen stochastischen Gradientenabstieg durchzuführen, der in der Regel den Kern der Lern-/Optimierungslogik darstellt.
Das untenstehende Papier präsentiert einen Beitrag von Paul Peseux (Lokad) zu genau diesem Thema.
Title: Differenzierung relationaler Abfragen
Author: Paul Peseux, Lokad
From the Proceedings of the VLDB 2021 PhD Workshop, August 16th, 2021.
Abstract: Diese Arbeit befasst sich mit der Durchführung automatischer Differenzierung einer Abfrage im Kontext relationaler Datenbanken und Abfragen. Dies geschieht, um eine Optimierung durch Gradientenabstieg in diesen relationalen Datenbanken zu ermöglichen. Diese Arbeit beschreibt eine Form der automatischen Differenzierung für einen Teilbereich relationaler Abfragen
