在SPARK SUMMIT 2017上,Nick Pentreath Principal Engineer, IBM分享了题为《SCALING FACTORIZATION MACHINES ON APACHE SPARK WITH PARAMETER SERVERS》,就因式分解简介,带有Spark和Glint的分布式FM等方面的内容做了深入的分析。
https://yq.aliyun.com/download/2099?spm=a2c4e.11154804.0.0.41216a79TWVDUc
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
在SPARK SUMMIT 2017上,Nick Pentreath, Principal Engineer at IBM,所分享的《SCALING FACTORIZATION MACHINES ON APACHE SPARK WITH PARAMETER SERVERS》演讲中,他深入探讨了因式分解机(Factorization Machines, FM)的原理及其在Apache Spark上的规模化实现,特别是在结合使用参数服务器(Parameter Servers)方面的技术细节。虽然给出的知识库资料未直接包含该演讲内容,但我们可以根据Spark和机器学习领域的通用知识,概述这类演讲可能涵盖的关键点:
由于没有直接访问到演讲的具体内容,以上信息基于Spark和分布式机器学习领域的一般知识进行了合理推测。若需深入了解Nick Pentreath在那次演讲中的具体技术细节和案例分析,建议直接查阅会议视频或相关论文资料。