Groß angelegtes Lernen: ein Beitrag zu verteilten asynchronen Clustering-Algorithmen
Der erste große Durchbruch von Lokad war die Verwendung hoch untypischer Arten von Prognosen für Supply-Chain-Zwecke, insbesondere Quantilprognosen. Bei Lokad waren Quantilprognosen die Vorläufer von probabilistischen Prognosen. Quantile markierten den ersten signifikanten Abweichung von dem, was immer noch als die ‘mainstream’ Supply-Chain-Theorie betrachtet wird. Dieser Durchbruch war mit der Arbeit von Benoit Patra, dem ersten Mitarbeiter von Lokad, verbunden. (Als CEO und Gründer trat ich erst viel später in die Gehaltsliste meines eigenen Unternehmens ein.)
Fünfzehn Jahre später stellte ich zu meinem Entsetzen fest, dass die Manuskripte der verschiedenen Doktorarbeiten, die bei Lokad durchgeführt wurden, nie auf unserer Website veröffentlicht wurden. Also, besser spät als nie, lassen Sie uns dieses Manuskript erneut veröffentlichen!
Autor: Benoit Patra
Datum: März 2012
Zusammenfassung:
Die in diesem Manuskript behandelten Themen sind von Forschungsproblemen inspiriert, die bei der Firma Lokad aufgetreten sind und im ersten Kapitel zusammengefasst werden. Kapitel 2 behandelt eine nichtparametrische Methode zur Vorhersage der Quantile einer reellwertigen Zeitreihe. Insbesondere stellen wir unter minimalen Annahmen ein Konsistenzresultat für diese Technik auf. Der Rest der Dissertation ist der Analyse von verteilten asynchronen Clustering-Algorithmen (DALVQ) gewidmet. Kapitel 3 bietet zunächst eine mathematische Beschreibung der Modelle und bietet dann eine theoretische Analyse, in der die Existenz eines asymptotischen Konsenses und die fast sichere Konvergenz zu kritischen Punkten der Verzerrung nachgewiesen werden. Im nächsten Kapitel schlagen wir eine gründliche Diskussion sowie einige Experimente zu Parallelisierungsschemata vor, die für eine praktische Implementierung von DALVQ-Algorithmen umgesetzt werden sollen. Schließlich enthält Kapitel 5 eine effektive Implementierung von DALVQ auf der Cloud Computing-Plattform Microsoft Windows Azure. Wir untersuchen unter anderem die Geschwindigkeitssteigerungen, die der Algorithmus mit mehr parallelen Rechenressourcen bringt, und vergleichen diesen Algorithmus mit der sogenannten Lloyd-Methode, die ebenfalls verteilt ist und auf Windows Azure bereitgestellt wird.
Wussten Sie schon?: Die Zusammenfassung erwähnt ‘Windows Azure’, was tatsächlich der kommerzielle Name von Microsoft Azure in den ersten Jahren war.
Jury:
