Diferenciando Consultas Relacionales
Los datos de la cadena de suministro se presentan casi exclusivamente como datos relacionales: pedidos, clientes, proveedores, productos, etc. Estos datos se recopilan a través de los sistemas empresariales, como el ERP, el CRM, el WMS, que se utilizan para operar la empresa.
Sin embargo, la mayoría de las técnicas de aprendizaje automático más comunes no son adecuadas para tratar con datos relacionales. El manejo de datos relacionales suele ser una ocurrencia tardía, que generalmente implica algunos trucos ingeniosos sobre un diseño que no está alineado con la perspectiva relacional.
Lokad ha desarrollado su propia versión de programación diferenciable poniendo el caso de uso relacional en primer plano. De hecho, queremos que nuestras herramientas de aprendizaje automático abracen nativamente la naturaleza relacional de los datos. En comparación con las opciones alternativas, este enfoque ofrece numerosos beneficios, estos modelos son:
- más simples de escribir
- más fáciles de entender y razonar
- más interpretables
- más rápidos de aprender y ejecutar
- etc
La plataforma de Lokad es programática y se ha centrado en el procesamiento y visualización de datos relacionales desde su inicio. Sin embargo, en 2019, nos embarcamos en un nuevo viaje, decidiendo hacer que toda nuestra pila de aprendizaje automático también abrace el paradigma relacional.
Diferenciar consultas relacionales es un pequeño pero fundamental bloque de construcción en esta dirección. Es un medio para propagar gradientes a través de consultas relacionales. Estos gradientes se utilizan, a su vez, para realizar un descenso de gradiente estocástico que generalmente representa el núcleo de la lógica de aprendizaje/optimización.
El siguiente documento presenta una contribución de Paul Peseux (Lokad) sobre este mismo tema.
Título: Diferenciando Consultas Relacionales
Autor: Paul Peseux, Lokad
De las Actas del Taller de Doctorado VLDB 2021, 16 de agosto de 2021.
Resumen: Este trabajo trata sobre la diferenciación automática de una consulta en el contexto de bases de datos y consultas relacionales. Esto se hace para realizar optimizaciones a través del descenso de gradiente en estas bases de datos relacionales. Este trabajo describe una forma de diferenciación automática para un subconjunto de consultas relacionales.
