冰山一角：如何让机器学习为系统工作

摘要

机器学习已经成为改进计算机系统的强大工具，学术界和工业界都在进行大量研究，利用机器学习解决系统问题。大多数工作集中在学习模式和用这些学习模式代替启发式来解决系统问题，如编译器优化、查询优化、故障检测、索引和缓存。然而，真正改善系统的解决方案需要在将机器学习集成到系统中同时保持系统的效率、可用性、可靠性和可维护性。在这次演讲中，我将根据我在b谷歌构建和部署这些系统的经验，介绍为系统解决方案设计、实现和部署ML的关键方面和令人惊讶的乐趣。

生物

Deniz是b谷歌Brain Research的机器学习系统团队的软件工程师。她于2017年在robert van Renesse的指导下获得康奈尔大学分布式系统博士学位，专攻共识协议和自适应系统。自获得博士学位以来，她一直从事大型数据库系统和学习系统的研究。目前，她专注于使用机器学习提高系统的先进水平，主要关注缓存和索引。她的作品曾出现在顶级会议和研讨会上，如NeurIPS的SOSP和ML for Systems。

时间和地点

2022年10月25日下午1:30在MH 225