論文の概要: The PHOTON Wizard -- Towards Educational Machine Learning Code Generators

• arxiv url: http://arxiv.org/abs/2002.05432v1
• Date: Thu, 13 Feb 2020 10:42:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 13:49:36.489519
• Title: The PHOTON Wizard -- Towards Educational Machine Learning Code Generators
• Title（参考訳）: photon wizard -- 教育用機械学習コードジェネレータに向けて
• Authors: Ramona Leenings, Nils Ralf Winter, Kelvin Sarink, Jan Ernsting, Xiaoyi Jiang, Udo Dannlowski, Tim Hahn
• Abstract要約: 我々は,プログラミングスキルを応用科学の対象グループに伝達するために,グラフィカルユーザインタフェースのアクセシビリティと受容性に基づく,新しい教育的アプローチを提唱する。 本稿では,概念実証,オープンソース Web アプリケーション PHOTON Wizard について概説し,GUI インタラクションを Python 機械学習フレームワーク PHOTON の有効なソースコードに動的に変換する。
• 参考スコア（独自算出の注目度）: 3.140265238474237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the tremendous efforts to democratize machine learning, especially in applied-science, the application is still often hampered by the lack of coding skills. As we consider programmatic understanding key to building effective and efficient machine learning solutions, we argue for a novel educational approach that builds upon the accessibility and acceptance of graphical user interfaces to convey programming skills to an applied-science target group. We outline a proof-of-concept, open-source web application, the PHOTON Wizard, which dynamically translates GUI interactions into valid source code for the Python machine learning framework PHOTON. Thereby, users possessing theoretical machine learning knowledge gain key insights into the model development workflow as well as an intuitive understanding of custom implementations. Specifically, the PHOTON Wizard integrates the concept of Educational Machine Learning Code Generators to teach users how to write code for designing, training, optimizing and evaluating custom machine learning pipelines.
• Abstract（参考訳）: 機械学習の民主化、特に応用科学における多大な努力にもかかわらず、この応用はコーディングスキルの欠如によってしばしば妨げられている。 効率的で効率的な機械学習ソリューションを構築するためのプログラム理解の鍵を考えるとき、私たちは、プログラミングスキルを応用科学のターゲットグループに伝えるグラフィカルユーザインタフェースのアクセシビリティと受け入れを基盤とした、新しい教育的アプローチを議論します。 本稿では,概念実証,オープンソース Web アプリケーション PHOTON Wizard について概説し,GUI インタラクションを Python 機械学習フレームワーク PHOTON の有効なソースコードに動的に変換する。 これにより、理論的機械学習知識を持つユーザは、モデル開発ワークフローに関する重要な洞察と、カスタム実装の直感的な理解を得ることができる。 具体的には、PHOTON Wizardは教育機械学習コードジェネレータの概念を統合し、ユーザーがカスタム機械学習パイプラインの設計、トレーニング、最適化、評価のためのコードを書く方法を教える。

関連論文リスト

• Application-Driven Innovation in Machine Learning [56.85396167616353]
  機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。 このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。 このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
  論文  参考訳（メタデータ） (2024-03-26T04:59:27Z)
• Augmenting Automation: Intent-Based User Instruction Classification with Machine Learning [0.0]
  本稿では,意図に基づくユーザ指導分類を導入することで,自動化の新たなアプローチを提案する。 ユーザの指示をインテントとして表現し,事前に定義された命令に頼らずに電気回路の動的制御を可能にする。
  論文  参考訳（メタデータ） (2024-03-02T16:06:03Z)
• Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
  コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。 現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
  論文  参考訳（メタデータ） (2023-12-30T17:48:37Z)
• "It's Weird That it Knows What I Want": Usability and Interactions with Copilot for Novice Programmers [5.317693153442043]
  本稿では,このようなコード自動生成ツールであるGithub Copilotを用いて,学生を入門レベルで観察する最初の研究について述べる。 我々は,この技術の学習におけるメリットと落とし穴に対する学生の認識を探求し,新たに観察された相互作用パターンを提示し,学生が直面する認知的・メタ認知的困難を議論する。
  論文  参考訳（メタデータ） (2023-04-05T15:07:50Z)
• Implementation of an Automated Learning System for Non-experts [26.776682627968476]
  本稿では,YMIRと呼ばれる自動機械学習システムの実装について詳述する。 トレーニング/検証データをシステムにインポートした後、AI知識のないユーザは、データをラベル付けし、モデルをトレーニングし、単にボタンをクリックするだけでデータマイニングと評価を行うことができる。 システムのコードはGitHubにすでにリリースされている。
  論文  参考訳（メタデータ） (2022-03-26T00:28:29Z)
• OpenDR: An Open Toolkit for Enabling High Performance, Low Footprint Deep Learning for Robotics [0.0]
  ロボットのためのオープンディープラーニングツールキット(OpenDR)について紹介する。 OpenDRは、ロボット企業や研究機関が容易に利用できるオープンで、非プロプライエタリで、効率的で、モジュール化されたツールキットの開発を目指している。
  論文  参考訳（メタデータ） (2022-03-01T12:59:59Z)
• Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
  私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
  論文  参考訳（メタデータ） (2022-01-29T01:03:29Z)
• PyKale: Knowledge-Aware Machine Learning from Multiple Sources in Python [6.276936701568444]
  Pykaleは、グラフ、画像、テキスト、ビデオに関する知識を意識した機械学習のためのPythonライブラリである。 我々は、標準的なソフトウェアエンジニアリングプラクティスに基づいて、新しいグリーン機械学習ガイドラインを定式化する。 私たちはPyTorch上にPyKaleを構築し、リッチなPyTorchエコシステムを活用しています。
  論文  参考訳（メタデータ） (2021-06-17T18:35:37Z)
• Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
  我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。 本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
  論文  参考訳（メタデータ） (2021-06-01T20:07:16Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。