Fugu-MT 論文翻訳(概要): Visual Analytics and Human Involvement in Machine Learning

論文の概要: Visual Analytics and Human Involvement in Machine Learning

arxiv url: http://arxiv.org/abs/2005.06057v1
Date: Tue, 12 May 2020 21:22:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 18:41:25.991047
Title: Visual Analytics and Human Involvement in Machine Learning
Title（参考訳）: 機械学習における視覚分析と人間関与
Authors: Salomon Eisler, Joachim Meyer
Abstract要約: 人間の決定は主に視覚化に基づいており、データサイエンティストにデータプロパティの詳細を提供する。視覚化に使用する決定は、データドメインやデータモデル、マシンラーニングプロセスのステップなど、要因に依存する。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapidly developing AI systems and applications still require human involvement in practically all parts of the analytics process. Human decisions are largely based on visualizations, providing data scientists details of data properties and the results of analytical procedures. Different visualizations are used in the different steps of the Machine Learning (ML) process. The decision which visualization to use depends on factors, such as the data domain, the data model and the step in the ML process. In this chapter, we describe the seven steps in the ML process and review different visualization techniques that are relevant for the different steps for different types of data, models and purposes.
Abstract（参考訳）: 急速に発展するAIシステムとアプリケーションは、分析プロセスの事実上のすべての部分に人間が関与する必要がある。人間の決定は主に可視化に基づいており、データサイエンティストにデータ特性の詳細と分析手順の結果を提供する。異なる視覚化は、機械学習(ML)プロセスの異なるステップで使用される。視覚化に使用する決定は、データドメインやデータモデル、MLプロセスのステップなど、要因に依存する。本章では、mlプロセスにおける7つのステップについて述べ、異なる種類のデータ、モデル、目的の異なるステップに関連する様々な可視化技術について検討する。

関連論文リスト

Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文参考訳（メタデータ） (2024-09-27T06:31:03Z)
A Review of AI and Machine Learning Contribution in Predictive Business Process Management (Process Enhancement and Process Improvement Approaches) [4.499009117849108]
我々は、ビジネスプロセス管理におけるAI/MLの統合を検討するため、学術文献の体系的なレビューを行う。ビジネスプロセス管理とプロセスマップでは、AI/MLはプロセスメトリクスの運用データを使用して大幅に改善されている。
論文参考訳（メタデータ） (2024-07-07T18:26:00Z)
Can Large Language Models Serve as Data Analysts? A Multi-Agent Assisted Approach for Qualitative Data Analysis [6.592797748561459]
大規模言語モデル(LLM)は、ソフトウェア工学(SE)における協調的な人間とロボットの相互作用を可能にした定性的な研究において,新たな拡張性と精度の次元を導入し,SEにおけるデータ解釈手法を変革する可能性がある。
論文参考訳（メタデータ） (2024-02-02T13:10:46Z)
AVIS: Autonomous Visual Information Seeking with Large Language Model Agent [123.75169211547149]
本稿では,視覚的質問応答フレームワークAVISを提案する。本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。 AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
論文参考訳（メタデータ） (2023-06-13T20:50:22Z)
Measuring Data [79.89948814583805]
我々は、機械学習データとデータセットの構成を定量的に特徴付けるために、データを測定するタスクを特定する。データ測定は、比較をサポートする共通の次元に沿って、データの異なる属性を定量化する。我々は、今後の研究の多くの方法、データ測定の限界、そしてこれらの測定手法を研究・実践に活用する方法について議論した。
論文参考訳（メタデータ） (2022-12-09T22:10:46Z)
Latent Variable Method Demonstrator -- Software for Understanding Multivariate Data Analytics Algorithms [0.0]
この記事では、潜在変数の方法を教え、学習し、理解するための対話型ソフトウェア、Latent Variable Demonstrator(LAVADE)について説明する。ユーザは、Partial Least Squares(PLS)やPrincipal Component Regression(PCR)といった遅延変数メソッドと他の回帰メソッドをインタラクティブに比較することができる。このソフトウェアにはデータ生成方法と3つの化学プロセスデータセットが含まれており、データセットの結果を異なるレベルの複雑さで比較することができる。
論文参考訳（メタデータ） (2022-05-17T07:02:41Z)
Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文参考訳（メタデータ） (2022-04-28T16:07:28Z)
Using Shape Metrics to Describe 2D Data Points [0.0]
本稿では,2次元データを記述するために形状計測を用いて,解析をより説明しやすく解釈可能にすることを提案する。これは、説明可能性の権利が不可欠である医療コミュニティにおける応用において特に重要である。
論文参考訳（メタデータ） (2022-01-27T23:28:42Z)
Design choice and machine learning model performances [0.0]
本稿では,機械学習モデルの性能に関する設計選択について論じる。 12の実験的設計、7つの予測モデル、7つの物理過程をエミュレートする7つのテスト関数、8つのノイズ設定について検討した。本研究の結果は, 実践者の作業に即時に影響を与え, DOE と ML の実践的応用に関するガイドラインを提供することができる。
論文参考訳（メタデータ） (2022-01-25T11:14:36Z)
Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文参考訳（メタデータ） (2021-08-17T17:44:38Z)
Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文参考訳（メタデータ） (2020-11-13T10:53:27Z)

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。