大規模学習：分散非同期クラスタリングアルゴリズムへの貢献
Lokadの最初の大きなブレークスルーは、サプライチェーンの目的に特に適した非典型的なタイプの予測、具体的には分位数予測の使用でした。Lokadでは、分位数予測が確率的予測の先駆者でした。分位数は、Lokadがまだ「主流」と考えられているサプライチェーン理論からの最初の重要な逸脱を示していました。このブレークスルーは、Lokadの最初の従業員であるBenoit Patraの業績と関連していました。（CEOおよび創設者として、私は自分の会社の給与リストに参加するまでにはずっと後になりました。）
15年後、私は恐ろしいことに、Lokadで行われた複数の博士号の論文がまだウェブサイトに掲載されていないことに気付きました。ですので、遅くとも今さらながら、この論文を再公開しましょう！
著者: Benoit Patra
日付: 2012年3月
要約:
この論文では、Lokadで遭遇した研究問題に触発されたテーマについて述べています。第2章では、実数値の時系列の分位数を予測するための非パラメトリックな手法について取り扱っています。特に、この手法の一貫性結果を最小限の仮定の下で確立しています。論文の残りの部分は、分散非同期クラスタリングアルゴリズム（DALVQ）の分析に捧げられています。第3章では、モデルの数学的な説明を提案し、その後、漸近的な合意の存在と歪みの臨界点へのほぼ確実な収束を証明しています。次の章では、DALVQアルゴリズムの実用的な展開のために実装する並列化スキームについて詳しく議論し、いくつかの実験も行っています。最後に、第5章では、クラウドコンピューティングプラットフォームであるMicrosoft Windows Azure上でのDALVQの効果的な実装を含んでいます。このアルゴリズムがより多くの並列計算リソースでもたらす高速化や、Windows Azure上にも展開されているいわゆるLloydの方法との比較など、他のトピックも研究しています。
おもしろい事実: 要約には「Windows Azure」という言葉がありますが、これは初期の数年間におけるMicrosoft Azureの商業名でした。
審査員:
