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
时序数据库
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。
OpenMLDB BUG 悬赏令
自今年启动 OpenMLDB 贡献者计划后，我们陆陆续续收到了来自世界各地开发者的支持和鼓励，也在各位的帮助下见证了 OpenMLDB 一步步的迭代升级，一次次的成熟完善。
活动预告 | 2022 SACC 中国系统架构师大会
10月27日 下午14：30-15:30，OpenMLDB PMC、第四范式资深体系架构科学家 张浩，将在 2022 SACC 中国系统架构师大会中为大家带来议题为《开源机器学习数据库 OpenMLDB：线上线下一致的高可用特征平台》的内容分享。
【Meetup预告】OpenMLDB＋AutoX：整合自动特征工程，拥抱高效机器学习
2022年10月29日（周六）上午 10：00-12:00，开源机器学习数据库 OpenMLDB 第七期 Meetup 将通过线上直播的形式展开。
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。
博客马拉松｜和 OpenMLDB 一路向前
在 10 月，OpenMLDB 与 Jina AI、太极图形、OpenPPL、电鸭社区、Ladies Who Tech、云启资本等合作伙伴，举办围绕开发者文化的 1024 嘉年华活动，一起做有意思的活动，发现有意思的开发者，共创有意思的项目！
【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。
