Différencier les requêtes relationnelles
Les données de la chaîne d’approvisionnement se présentent presque exclusivement sous forme de données relationnelles : commandes, clients, fournisseurs, produits, etc. Ces données sont collectées via les systèmes d’entreprise - l’ERP, le CRM, le WMS - qui sont utilisés pour exploiter l’entreprise.
Cependant, la plupart des techniques d’apprentissage automatique courantes ne sont pas adaptées pour traiter les données relationnelles. Le traitement des données relationnelles est généralement une réflexion après coup, impliquant généralement quelques astuces astucieuses sur une conception qui n’est pas du tout alignée sur la perspective relationnelle.
Lokad a développé sa propre version de la programmation différentiable en mettant en avant le cas d’utilisation relationnel. En effet, nous voulons que nos outils d’apprentissage automatique embrassent nativement la nature relationnelle des données. Comparées aux autres options, cette approche présente de nombreux avantages, ces modèles sont :
- plus simples à écrire
- plus faciles à comprendre et à raisonner
- plus interprétables
- plus rapides à apprendre et à exécuter
- etc
La plateforme Lokad est programmatique et se concentre sur le traitement et la visualisation des données relationnelles depuis sa création. Cependant, en 2019, nous nous sommes lancés dans un nouveau voyage, décidant de faire en sorte que l’ensemble de notre pile d’apprentissage automatique embrasse également le paradigme relationnel.
Différencier les requêtes relationnelles est un petit mais fondamental élément de base dans cette direction. C’est un moyen de propager les gradients à travers les requêtes relationnelles. Ces gradients sont ensuite utilisés pour effectuer une descente de gradient stochastique qui représente généralement le cœur de la logique d’apprentissage/optimisation.
Le document ci-dessous présente une contribution de Paul Peseux (Lokad) sur ce sujet très précis.
Titre : Différencier les requêtes relationnelles
Auteur : Paul Peseux, Lokad
Dans les Actes de l’atelier de doctorat VLDB 2021, 16 août 2021.
Résumé : Ce travail concerne la différenciation automatique d’une requête dans le contexte des bases de données et des requêtes relationnelles. Cela est fait afin d’effectuer une optimisation par descente de gradient dans ces bases de données relationnelles. Ce travail décrit une forme de différenciation automatique pour un sous-ensemble de requêtes relationnelles.
