지능형 데이터 및 시스템 무료 슬롯소(IDS 무료 슬롯소)의 무료 슬롯소장인 Feng Yan의 빅 데이터 무료 슬롯는 Amazon, Microsoft Research 및 Google과 같은 업계 파트너와의 협력으로 이어졌습니다. 최근 National Science Foundation CAREER 상을 통해 Yan은 기계 학습의 가장 중요한 측면 중 하나인 환경 영향을 다룰 수 있게 되었습니다.
최근 Yan은 사회를 개선할 수 있는 무료 슬롯를 추구하려는 열망과 함께 CAREER 상의 이러한 측면에 대해 논의했습니다.
무료 슬롯 프로젝트의 목표는 무엇입니까?
MLaaS(Machine-Learning-as-a-Service)는 클라우드 인프라에서 모델 설계, 모델 훈련, 모델 제공과 같은 기계 학습 작업의 최적화된 실행을 제공하는 새로운 컴퓨팅 패러다임입니다. 이 무료 슬롯 프로젝트의 목표는 MLaaS에 대한 근본적인 이해를 얻고 MLaaS의 고유한 기능을 활용하여 효율적이고 자동화된 사용자 중심 MLaaS 시스템을 설계하는 것입니다.
이 무료 슬롯를 수행하게 된 계기는 무엇입니까?
MLaaS에 대한 수요 급증과 함께 모델 복잡성 및 데이터 크기가 폭발적으로 증가함에 따라 이미 컴퓨팅 리소스 및 에너지 요구 사항이 크게 증가하고 있습니다. 안타깝게도 기존 MLaaS 시스템은 리소스 관리가 부족하고 사용자가 지정한 성능 및 비용 요구 사항에 대한 지원이 제한되어 있어 컴퓨팅 리소스와 에너지의 낭비가 가중됩니다.
예를 들어, 클라우드에서 일반적인 ML 모델을 훈련하는 데는 수십 시간에서 수백 시간이 걸릴 수 있으며 비용은 수백 달러에서 수천 달러에 이릅니다. Emma Strubell et al.의 최근 무료 슬롯에 따르면 자동화된 접근 방식(예: 자동 ML(AutoML))을 사용하여 대규모 모델을 설계하고 교육하는 데는 수백만 달러의 엄청난 비용으로 274,120시간이 걸릴 수 있습니다.
매년 수십 개의 새로운 MLaaS 기능과 서비스가 출시되고 있음에도 불구하고 MLaaS의 리소스 관리는 종종 간과되었습니다. MLaaS의 최신 리소스 관리는 ML 워크로드의 고유한 기능을 고려하지 않아 효율성이 떨어집니다.
위 내용은 자동화되고 효율적인 MLaaS를 지원하기 위한 새로운 리소스 관리 방법론을 개발하고 배운 교훈을 교육에 통합하여 학생과 더 많은 청중이 효율적인 MLaaS의 중요성과 긴급성을 이해할 수 있도록 동기를 부여했습니다.
이 상은 당신과 당신의 작업에 어떤 의미가 있습니까?
이 권위 있는 상을 받게 되어 매우 영광입니다.... 이를 통해 내 무료 슬롯실을 확장하고 더 많은 재능 있는 학생들을 모집하여 제안된 자동화되고 효율적인 Machine-Learning-as-a-Service 주제에 대해 작업할 수 있습니다.
이 영예로운 상을 받게 되어 매우 영광입니다. 이 상은 내가 제안한 무료 슬롯 교육 안건을 수행하는 데 필요한 지원을 제공합니다.
당신의 일을 통해 사회에 어떤 영향을 미치고 싶나요?
이 프로젝트는 기계 학습 및 클라우드 컴퓨팅 분야에서 빠르게 증가하는 사회적 수요와 관련된 자원 및 에너지 소비는 물론 탄소 배출량을 대폭 줄일 수 있는 잠재력을 가지고 있습니다. 또한 이 프로젝트는 학부생과 대학원생에게 시스템 최적화 기술과 최신 기계 학습 분야 지식을 결합하여 교육하고 차세대 무료 슬롯자 및 엔지니어로 준비할 수 있는 독특한 기회를 제공할 것입니다.
추가하고 싶은 내용이 있으신가요?
저는 모든 학생들의 훌륭한 무료 슬롯 작업과 이 프로젝트에 대한 기여에 감사드리고 싶습니다. 지속적인 지원과 도움을 주신 컴퓨터 과학 및 공학부 학과장 Eelke Folmer 박사, 훌륭한 멘토링을 해주신 멘토 Sushil Louis 박사, 그리고 우리 부서의 다른 동료들의 지원, 도움 및 협력에 감사드립니다.
