Buchumschlag

Accelerating Transfer Learning with Near-Data Computation on Cloud Object Stores

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Petrescu, Diana, Guirguis, Arsany, Quoc, Do Le, Picorel, Javier, Guerraoui, Rachid, Dinu, Florin
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Databases
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bullion: A Column Store for Machine Learning
von: Liao, Gang, et al.
Veröffentlicht: (2024)

NeurStore: Efficient In-database Deep Learning Model Management System
von: Xiang, Siqi, et al.
Veröffentlicht: (2025)

Leveraging Approximate Caching for Faster Retrieval-Augmented Generation
von: Bergman, Shai, et al.
Veröffentlicht: (2025)

Sketched Sum-Product Networks for Joins
von: Tsan, Brian, et al.
Veröffentlicht: (2025)

Pre-Execution Query Slot-Time Prediction in Cloud Data Warehouses: A Feature-Scoped Machine Learning Approach
von: Pathak, Prashant Kumar
Veröffentlicht: (2026)

Employ SmartNICs' Data Path Accelerators for Ordered Key-Value Stores
von: Schimmelpfennig, Frederic, et al.
Veröffentlicht: (2026)

PolarStore: High-Performance Data Compression for Large-Scale Cloud-Native Databases
von: Hu, Qingda, et al.
Veröffentlicht: (2025)

SafeLoad: Efficient Admission Control Framework for Identifying Memory-Overloading Queries in Cloud Data Warehouses
von: Wu, Yifan, et al.
Veröffentlicht: (2026)

Distributional Machine Unlearning via Selective Data Removal
von: Allouah, Youssef, et al.
Veröffentlicht: (2025)

A Brain-Computer Interface Data Persistence System for Multi-Scenario and Multi-Modal Data: NeuroStore
von: Chen, Yang, et al.
Veröffentlicht: (2025)

Couler: Unified Machine Learning Workflow Optimization in Cloud
von: Wang, Xiaoda, et al.
Veröffentlicht: (2024)

EmpireDB: Data System to Accelerate Computational Sciences
von: Alabi, Daniel, et al.
Veröffentlicht: (2024)

Algorithmic Data Minimization for Machine Learning over Internet-of-Things Data Streams
von: Shaowang, Ted, et al.
Veröffentlicht: (2025)

Robust and Efficient Collaborative Learning
von: Mrini, Abdellah El, et al.
Veröffentlicht: (2025)

FOCUS: Boosting Schema-aware Access for KV Stores via Hierarchical Data Management
von: Liu, Zhen, et al.
Veröffentlicht: (2025)

A Polystore Architecture Using Knowledge Graphs to Support Queries on Heterogeneous Data Stores
von: Azevedo, Leonardo Guerreiro, et al.
Veröffentlicht: (2023)

ActiveDP: Bridging Active Learning and Data Programming
von: Guan, Naiqing, et al.
Veröffentlicht: (2024)

Data-Agnostic Cardinality Learning from Imperfect Workloads
von: Wu, Peizhi, et al.
Veröffentlicht: (2025)

GEqO: ML-Accelerated Semantic Equivalence Detection
von: Haynes, Brandon, et al.
Veröffentlicht: (2024)

Next Generation Cloud-native In-Memory Stores: From Redis to Valkey and Beyond
von: Rosensch"old, Carl-Johan Fauvelle Munck af, et al.
Veröffentlicht: (2025)

RCRank: Multimodal Ranking of Root Causes of Slow Queries in Cloud Database Systems
von: Ouyang, Biao, et al.
Veröffentlicht: (2025)

Data Cleaning and Machine Learning: A Systematic Literature Review
von: Côté, Pierre-Olivier, et al.
Veröffentlicht: (2023)

Biathlon: Harnessing Model Resilience for Accelerating ML Inference Pipelines
von: Chang, Chaokun, et al.
Veröffentlicht: (2024)

Towards Trustworthy Federated Learning with Untrusted Participants
von: Allouah, Youssef, et al.
Veröffentlicht: (2025)

Balancing Privacy, Robustness, and Efficiency in Machine Learning
von: Allouah, Youssef, et al.
Veröffentlicht: (2023)

Efficient Federated Search for Retrieval-Augmented Generation using Lightweight Routing
von: Dhasade, Akash, et al.
Veröffentlicht: (2025)

Combining the Strengths of Dutch Survey and Register Data in a Data Challenge to Predict Fertility (PreFer)
von: Sivak, Elizaveta, et al.
Veröffentlicht: (2024)

SEAnet: A Deep Learning Architecture for Data Series Similarity Search
von: Wang, Qitong, et al.
Veröffentlicht: (2026)

QJoin: Transformation-aware Joinable Data Discovery Using Reinforcement Learning
von: Wang, Ning, et al.
Veröffentlicht: (2025)

VeML: An End-to-End Machine Learning Lifecycle for Large-scale and High-dimensional Data
von: Le, Van-Duc, et al.
Veröffentlicht: (2023)

On the Relevance of Byzantine Robust Optimization Against Data Poisoning
von: Farhadkhani, Sadegh, et al.
Veröffentlicht: (2024)

Learning-based Sketches for Frequency Estimation in Data Streams without Ground Truth
von: Yuan, Xinyu, et al.
Veröffentlicht: (2024)

SemPipes -- Optimizable Semantic Data Operators for Tabular Machine Learning Pipelines
von: Ovcharenko, Olga, et al.
Veröffentlicht: (2026)

Efficient Data Valuation Approximation in Federated Learning: A Sampling-based Approach
von: Wei, Shuyue, et al.
Veröffentlicht: (2025)

SoftPipe: A Soft-Guided Reinforcement Learning Framework for Automated Data Preparation
von: Chang, Jing, et al.
Veröffentlicht: (2025)

LLaPipe: LLM-Guided Reinforcement Learning for Automated Data Preparation Pipeline Construction
von: Chang, Jing, et al.
Veröffentlicht: (2025)

Hippasus: Effective and Efficient Automatic Feature Augmentation for Machine Learning Tasks on Relational Data
von: Papadias, Serafeim, et al.
Veröffentlicht: (2026)

Accelerating String-Key Learned Index Structures via Memoization-based Incremental Training
von: Kim, Minsu, et al.
Veröffentlicht: (2024)

From Source to Target: Leveraging Transfer Learning for Predictive Process Monitoring in Organizations
von: Weinzierl, Sven, et al.
Veröffentlicht: (2025)

TCDRM: A Tenant Budget-Aware Data Replication Framework for Multi-Cloud Computing
von: Bernardin, Santatra Hagamalala, et al.
Veröffentlicht: (2025)