التحسين التلقائي لتنفيذ المصفوفات لتعلم الآلة الموزع والجبر الخطي

غالبًا ما تعبر حسابات تعلم الآلة (ML) باستخدام المتجهات أو المصفوفات أو الانسجة ذات الأبعاد الأعلى. مثل هذه الهياكل البيانية يمكن أن تحتوي على العديد من التطبيقات المختلفة، خاصة في بيئة موزعة: يمكن تخزين مصفوفة كمتجهات صفية أو عمودية، أو كتل بأحجام مختلفة، أو بطرق علاقة، كمجموعة من الثلاثيات (rowIndex، colIndex، value). هناك العديد من تنسيقات التخزين الأخرى الممكنة. يمكن أن يكون لقرار التنسيق أثر عميق على أداء حسابات تعلم الآلة. في هذه الورقة، نقترح إطارًا لتحسين تلقائي للتنفيذ الفيزيائي لحسابات معقدة في تعلم الآلة أو الجبر الخطي في بيئة موزعة، ونطور خوارزميات لحل هذه المشكلة، ونظهر، من خلال نموذج أولي على نظام قاعدة بيانات علائقية موزعة، أن أفكارنا يمكن أن تسرع بشكل جذري من حسابات تعلم الآلة والجبر الخطي الشائعة.