論文の概要: Julia Language in Machine Learning: Algorithms, Applications, and Open
Issues
- arxiv url: http://arxiv.org/abs/2003.10146v2
- Date: Sun, 17 May 2020 10:52:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 23:32:49.919975
- Title: Julia Language in Machine Learning: Algorithms, Applications, and Open
Issues
- Title(参考訳): 機械学習におけるjulia言語: アルゴリズム、アプリケーション、オープンイシュー
- Authors: Kaifeng Gao, Gang Mei, Francesco Piccialli, Salvatore Cuomo, Jingzhi
Tu, Zenan Huo
- Abstract要約: 機械学習は、科学と工学の分野で開発を推進している。
現在、機械学習アルゴリズムの開発に最もよく使われているプログラミング言語は、PythonとC/C ++である。
本稿では,機械学習におけるJulia言語の適用に関する研究成果と開発状況を要約する。
- 参考スコア(独自算出の注目度): 5.666843255747851
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning is driving development across many fields in science and
engineering. A simple and efficient programming language could accelerate
applications of machine learning in various fields. Currently, the programming
languages most commonly used to develop machine learning algorithms include
Python, MATLAB, and C/C ++. However, none of these languages well balance both
efficiency and simplicity. The Julia language is a fast, easy-to-use, and
open-source programming language that was originally designed for
high-performance computing, which can well balance the efficiency and
simplicity. This paper summarizes the related research work and developments in
the application of the Julia language in machine learning. It first surveys the
popular machine learning algorithms that are developed in the Julia language.
Then, it investigates applications of the machine learning algorithms
implemented with the Julia language. Finally, it discusses the open issues and
the potential future directions that arise in the use of the Julia language in
machine learning.
- Abstract(参考訳): 機械学習は、科学と工学の分野で開発を推進している。
シンプルで効率的なプログラミング言語は、様々な分野における機械学習の応用を加速することができる。
現在、機械学習アルゴリズムの開発に最もよく使われているプログラミング言語は、Python、MATLAB、C/C ++である。
しかしながら、これらの言語は効率と単純さのバランスがよくない。
julia言語は、高速で使いやすいオープンソースのプログラミング言語で、元々は高性能コンピューティングのために設計されており、効率とシンプルさのバランスがとれます。
本稿では,機械学習におけるJulia言語の適用に関する研究成果と展開について要約する。
最初に、Julia言語で開発された一般的な機械学習アルゴリズムを調査した。
次に、Julia言語で実装された機械学習アルゴリズムの適用について検討する。
最後に、機械学習におけるJulia言語の使用におけるオープンな問題と潜在的な将来方向について論じる。
関連論文リスト
- CoLA: Exploiting Compositional Structure for Automatic and Efficient
Numerical Linear Algebra [62.37017125812101]
機械学習における大規模線形代数問題に対して, CoLA という, 単純だが汎用的なフレームワークを提案する。
線形演算子抽象と合成ディスパッチルールを組み合わせることで、CoLAはメモリと実行時の効率的な数値アルゴリズムを自動的に構築する。
偏微分方程式,ガウス過程,同変モデル構築,教師なし学習など,幅広い応用で有効性を示す。
論文 参考訳(メタデータ) (2023-09-06T14:59:38Z) - Toolformer: Language Models Can Teach Themselves to Use Tools [62.04867424598204]
言語モデル(LM)は、特に大規模において、いくつかの例やテキスト命令から新しいタスクを解く素晴らしい能力を示す。
LMは、シンプルなAPIを通じて外部ツールの使用を自覚し、両方の世界のベストを達成できることを示します。
Toolformerは、どのAPIを呼び出すか、いつ呼び出すか、どの引数を渡すか、結果を将来のトークン予測に最もうまく組み込む方法を訓練したモデルです。
論文 参考訳(メタデータ) (2023-02-09T16:49:57Z) - AI2: The next leap toward native language based and explainable machine
learning framework [1.827510863075184]
提案されたフレームワークは、AI$2$と名付けられ、自然言語インターフェースを使用して、非スペシャリストが機械学習アルゴリズムの恩恵を受けることができる。
AI$2$フレームワークの主なコントリビューションは、ユーザーが機械学習アルゴリズムを英語で呼び出すことで、インターフェースの使用が容易になる。
もうひとつのコントリビューションは、データの適切な記述とロードを支援する前処理モジュールだ。
論文 参考訳(メタデータ) (2023-01-09T14:48:35Z) - What is it like to program with artificial intelligence? [10.343988028594612]
大規模言語モデルは、自然言語で表される様々な問題を解決するためにコードを生成することができる。
この技術はすでに、少なくとも1つの広く使用されているプログラミングエディタ拡張、GitHub Copilotで商用化されている。
我々は,大規模言語モデル(LLM支援プログラミング)を用いたプログラミングが,プログラマ支援の事前概念化とどのように似ており,異なるのかを考察する。
論文 参考訳(メタデータ) (2022-08-12T10:48:46Z) - 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) - Searching for More Efficient Dynamic Programs [61.79535031840558]
本稿では,プログラム変換の集合,変換プログラムの効率を評価するための単純な指標,およびこの指標を改善するための探索手順について述べる。
実際に、自動検索は初期プログラムの大幅な改善を見出すことができることを示す。
論文 参考訳(メタデータ) (2021-09-14T20:52:55Z) - AVATAR: A Parallel Corpus for Java-Python Program Translation [77.86173793901139]
プログラム翻訳とは、ある言語から別の言語へソースコードを移行することを指す。
AVATARは9,515のプログラミング問題とそのソリューションをJavaとPythonという2つの人気のある言語で記述したものです。
論文 参考訳(メタデータ) (2021-08-26T05:44:20Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z) - MLJ: A Julia package for composable machine learning [0.8661220987937566]
MLJは、Juliaやその他の言語で記述された機械学習モデルと対話するための、オープンソースのソフトウェアパッケージである。
モデルの選択、チューニング、評価、構成、比較のためのツールとメタアルゴリズムを提供する。
論文 参考訳(メタデータ) (2020-07-23T22:46:33Z) - Machine Learning in Python: Main developments and technology trends in
data science, machine learning, and artificial intelligence [3.1314898234563295]
Pythonは科学計算、データサイエンス、機械学習において最も好まれる言語である。
この調査は、Pythonによる機械学習の分野に関する洞察を提供し、重要なトピックをツアーして、それを可能にしたコアハードウェアとソフトウェアパラダイムのいくつかを特定します。
論文 参考訳(メタデータ) (2020-02-12T05:20:59Z) - Lyceum: An efficient and scalable ecosystem for robot learning [11.859894139914754]
Lyceumは、ロボット学習のための高性能な計算エコシステムである。
Julia プログラミング言語と MuJoCo 物理シミュレータ上に構築されている。
OpenAIのGymやDeepMindのdmコントロールなど,一般的な抽象化よりも5~30倍高速です。
論文 参考訳(メタデータ) (2020-01-21T05:03:04Z)
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。