Capital One Menginovasi Pembelajaran Mesin, Mendorong Kemajuan Industri melalui Agregasi Model Federasi Sumber Terbuka

Dalam tren peningkatan yang transformatif, metodologi pembelajaran mesin bersiap untuk ditingkatkan dengan diperkenalkannya pendekatan yang relatif baru—pembelajaran gabungan (FL). Mempelopori era baru, raksasa keuangan Capital One meningkatkan etos pelatihan model terdesentralisasi, meminimalkan kebutuhan penyimpanan data terpusat. Merinci inovasi pionir perusahaan, Kenny Bean, insinyur perangkat lunak pembelajaran mesin di Capital One, mengemukakan proyek sumber terbuka baru mereka—Federated Model Aggregation (FMA).

FMA dirancang untuk memberdayakan pemrogram dengan kemampuan tak terbatas untuk mengoperasionalkan alur pembelajaran mesin mereka dalam suasana gabungan, memanfaatkan keunggulan yang diberikan FL. Ini adalah kumpulan modul Python yang luar biasa. Selain menyediakan konektor untuk menyederhanakan komunikasi antara modul-modul ini, FMA memberikan fleksibilitas tambahan untuk dihubungkan dengan komponen khusus.

Lebih lanjut memperluas kemampuan FMA, Bean menguraikan klien inklusifnya yang dirancang untuk mendorong interaksi layanan klien; agregator untuk mengasimilasi peningkatan model dari beberapa pelanggan, dan layanan API untuk menangani interaksi UI dan API antar komponen dalam sistem.

Membahas asal usul FMA, Bean, salah satu pengembang utama di balik proyek ini, berbagi bahwa alat sumber terbuka ini diciptakan untuk melayani pengembang yang ingin mengasah model pada data yang bersumber dari berbagai lokasi, yang sering kali tidak dapat diakses untuk dihapus dari situs asal. Dia menegaskan, Peluang untuk menggunakan layanan FMA dan memperkenalkan pembelajaran gabungan ke dalam proses pelatihan akan muncul setiap kali model digunakan secara terdistribusi.

Visi utama di balik FMA, menurut Bean, adalah merancang alat yang dapat beradaptasi dan digunakan kembali, dengan mudah diintegrasikan ke dalam kerangka pelatihan model yang sudah ada sebelumnya. Bean merefleksikan, Pada dasarnya seperti itulah konsep layanan FMA lahir.

Fokus utama lainnya dari tim pengembangan selama awal berdirinya FMA adalah penerapan yang mudah. Hanya dengan satu perintah, model dapat diluncurkan dengan cepat menggunakan FMA. Bean memuji kemudahan pengoperasian ini berkat integrasi proyek dengan Terraform—alat infrastruktur sebagai kode dari HashiCorp.

Mengungkap perjalanan FMA, Bean mengungkapkan bahwa proyek ini awalnya dikonsep untuk kasus penggunaan tertentu, namun potensi untuk aplikasi yang lebih luas dengan cepat dikenali, sehingga mengarah pada keputusan untuk menjadikannya sebagai penawaran sumber terbuka. Menggaungkan keyakinan Capital One terhadap potensi timbal balik dari komunitas teknologi sumber terbuka, Bean menambahkan, Capital One selalu menjadi penerima manfaat dari teknologi sumber terbuka, dan kami sangat yakin untuk berkontribusi kepada komunitas yang telah sangat membantu kami melalui kami. metamorfosis teknologi.

Dengan ambisi untuk terus meningkatkan FMA, tim ini dengan tekun mengerjakan penemuan fitur dan meningkatkan interaksi mereka dengan komunitas yang lebih luas untuk mempercepat penerimaan masukan. Mereka juga berupaya memperluas komponen proyek ke bahasa lain. Dampak FMA pada dunia pembelajaran mesin mewakili kekuatan proyek sumber terbuka, seperti yang telah kita lihat pada platform seperti AppMaster.