机器学习与系统融合的技术突破

会议背景

第四届机器学习与系统会议（MLSys 2021）旨在搭建机器学习研究者与系统开发者的桥梁。随着深度学习革命推进，两个原本独立发展的领域展现出强烈的互补性：机器学习需要更高效的系统支持，而系统优化可借助机器学习实现智能资源分配。

技术方向融合

系统支持机器学习（Sys for ML）

机器学习算法常需近似计算而非绝对精确，通过降低系统保证要求可实现更经济、快速和可扩展的运算。例如通信与存储专场中，《共享机器学习集群的网络内聚合》研究如何通过低成本操作提升机器学习效率。

机器学习优化系统（ML for Sys）

利用机器学习预测系统资源分配策略，包括：

• 机器启停决策
• 任务设备调度数量
• 机器故障判定
• 冗余需求计算

文化融合与创新

系统社区强调实际可运行的系统验证，而机器学习社区更关注算法潜力探索。MLSys促成两种文化的碰撞，使系统研究获得理论延伸，机器学习研究更注重实证验证。

芯片与编译器专题

本届会议新增全天芯片与编译器研讨会，由某中心高级首席科学家组织，将机器学习系统设计讨论延伸至芯片层级。该专题聚焦：

• 硬件厂商最新硅片技术
• 编译器优化方案
• 跨社区协同创新

会议特色

• 采用线上模式大幅降低参会成本（学生25美元/专业人士100美元）
• 涵盖数据库管理、需求预测、时间序列、芯片设计等技术标签
• 某中心学者深度参与会议组织与论文发表

更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
公众号二维码