OpenMLDB 社区月报 | 2022年10月
OpenMLDB 开源机器学习数据库，提供线上线下一致的生产级特征平台。
博客
OpenMLDB Meetup No.7 回顾 | OpenMLDB＋AutoX：整合自动特征工程，拥抱高效机器学习
OpenMLDB Meetup No.7 回顾
OpenMLDB 线上引擎资源需求预估模型，助你快速预估资源消耗
OpenMLDB 线上计算的最大优势为可以低延迟（毫秒级）高效处理实时特征计算请求。其中，为了达到低延迟，OpenMLDB 默认使用了基于内存的存储引擎。但是，当业务增长时，对于内存资源消耗以及访问吞吐需求的压力也会上升。本篇文章主要介绍基于 **内存存储引擎** 的资源预估（磁盘引擎见最后的说明），可以帮你更好的预估、配置用于部署 OpenMLDB 的机器资源。
基于 OpenMLDB 的联邦学习方案被国际数据挖掘学术会议 CIKM 录取
本周，数据挖掘领域的国际顶级学术会议 **CIKM 2022** (https://www.cikm2022.org/) 正在美国亚特兰大举行。由第四范式和新加坡国立大学合作的论文 **"A System for Time Series Feature Extraction in Federated Learning"** 被 CIKM 录取。
【转载】Byzer + OpenMLDB 实现端到端的，基于实时特征计算的机器学习流程
本文示范如何使用 OpenMLDB 和 Byzer-lang 联合完成一个完整的机器学习应用。Byzer-lang 作为面向大数据和 AI 的一门语言，通过 Byzer-Notebook 和用户进行交互，用户可以轻松完成数据的抽取、ETL、特征/模型训练、保存、部署到最后预测等整个端到端的机器学习流程。
OpenMLDB 在本例中接收 Byzer 发送的指令和数据，完成数据的实时特征计算，并经特征工程处理后的数据集返回 Byzer，供其进行后续的机器学习训练和预测。
开源机器学习数据库 OpenMLDB：线上线下一致的生产级特征平台
本文整理自 OpenMLDB PMC 卢冕 在 OpenMLDB Meetup No.6 中的分享——《开源机器学习数据库 OpenMLDB：线上线下一致的生产级特征平台》。
OpenMLDB 在 37 手游特征计算场景中的应用
本文整理自 37 手游技术主管彭佳铭和高级算法工程师左伟健在 OpenMLDB Meetup No.6 中的分享 ——《OpenMLDB 在 37 手游特征计算场景中的应用》。
