Capital One은 머신 러닝을 혁신하고 오픈 소스 연합 모델 집계를 통해 업계 발전을 촉진합니다

변화하는 상승 추세에서 머신러닝 방법론은 비교적 새로운 접근 방식인 연합 학습(FL)의 도입으로 업그레이드될 예정입니다. 새로운 시대를 선도하는 금융 거대 기업인 Capital One 분산형 모델 교육의 정신을 강화하여 중앙 데이터 저장소의 필요성을 최소화합니다. Capital One 의 기계 학습 소프트웨어 엔지니어인 Kenny Bean은 회사의 선구적인 혁신을 자세히 설명하면서 새로운 오픈 소스 프로젝트인 FMA(Federated Model Aggregation)를 제안합니다.

FMA는 FL이 제공하는 이점을 활용하여 연합 환경에서 기계 학습 파이프라인을 운영할 수 있는 무제한 기능을 프로그래머에게 부여하도록 설계되었습니다. 이는 Python 모듈의 선구적인 앙상블입니다. 이러한 모듈 간의 통신을 간소화하는 커넥터를 제공하는 것과 함께 FMA는 맞춤형 구성 요소와 연결할 수 있는 추가적인 유연성을 제공합니다.

FMA의 기능을 더욱 확장하는 Bean은 클라이언트-서비스 상호 작용을 촉진하도록 설계된 포괄적인 클라이언트에 대해 자세히 설명합니다. 여러 고객의 모델 업그레이드를 동화하는 집계기와 시스템 내 구성 요소 간의 UI 및 API 상호 작용을 처리하는 API 서비스입니다.

프로젝트의 주요 개발자 중 한 명인 Bean은 FMA의 기원에 대해 논의하면서 오픈 소스 도구가 원본 사이트에서 제거하기 위해 종종 액세스할 수 없는 다양한 위치에서 가져온 데이터에 대한 모델을 연마하려는 개발자를 위해 만들어졌다고 공유합니다. 그는 모델이 분산 방식으로 사용될 때마다 FMA 서비스를 사용하고 훈련 프로세스에 연합 학습을 도입할 수 있는 기회가 나타난다고 단언합니다.

Bean에 따르면 FMA의 핵심 비전은 적응 가능하고 재사용 가능하며 기존 모델 훈련 프레임워크에 쉽게 통합되는 도구를 설계하는 것이었습니다. Bean은 이렇게 반성합니다. FMA 서비스의 개념은 본질적으로 이렇게 탄생했습니다.

FMA 창립 당시 개발팀의 또 다른 주요 초점은 간편한 배포였습니다. 단 하나의 명령으로 FMA를 통해 모델을 신속하게 시작할 수 있습니다. Bean은 이러한 운영 용이성을 HashiCorp의 코드형 인프라 도구인 Terraform과 프로젝트의 통합 덕분이라고 생각합니다.

FMA의 여정을 공개하면서 Bean은 이 프로젝트가 처음에는 특정 사용 사례를 위해 개념화되었지만 더 광범위한 응용 프로그램에 대한 잠재력이 빠르게 인식되어 이를 오픈 소스 제품으로 만들기로 결정했다고 밝혔습니다. 오픈 소스 기술 커뮤니티의 상호 잠재력에 대한 Capital One 의 믿음을 반영하여 Bean은 Capital One은 항상 오픈 소스 기술의 수혜자였으며 우리를 통해 엄청난 도움을 준 커뮤니티에 기여할 것을 진심으로 믿습니다. 기술적 변태.

FMA를 지속적으로 개선하려는 야심으로 팀은 기능 발견에 부지런히 노력하고 피드백 수신을 촉진하기 위해 더 넓은 커뮤니티와의 상호 작용을 강화하고 있습니다. 그들은 또한 프로젝트의 구성 요소를 추가 언어로 확장하기 위해 노력하고 있습니다. 기계 학습 세계에 대한 FMA의 영향은 AppMaster.