Fugu-MT 論文翻訳(概要): Starting with data: advancing spatial data science by building and sharing high-quality datasets

論文の概要: Starting with data: advancing spatial data science by building and sharing high-quality datasets

arxiv url: http://arxiv.org/abs/2007.08087v1
Date: Thu, 16 Jul 2020 03:15:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 23:59:17.901301
Title: Starting with data: advancing spatial data science by building and sharing high-quality datasets
Title（参考訳）: データから始める:高品質データセットの構築と共有による空間データ科学の進歩
Authors: Yingjie Hu
Abstract要約: 近年,空間データ科学が学際分野として登場している。本稿では,空間データ科学のための高品質データセットの構築と共有の重要性について論じる。
参考スコア（独自算出の注目度）: 2.8935588665357077
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Spatial data science has emerged in recent years as an interdisciplinary field. This position paper discusses the importance of building and sharing high-quality datasets for spatial data science.
Abstract（参考訳）: 近年,空間データ科学が学際分野として登場している。本稿では,空間データ科学のための高品質データセットの構築と共有の重要性について論じる。

関連論文リスト

DSBench: How Far Are Data Science Agents to Becoming Data Science Experts? [58.330879414174476]
現実的なタスクでデータサイエンスエージェントを評価するためのベンチマークであるDSBenchを紹介する。このベンチマークには、466のデータ分析タスクと、EloquenceとKaggleのコンペからソースされた74のデータモデリングタスクが含まれている。現状のLLM, LVLM, エージェントを評価したところ, 最高のエージェントはデータ解析タスクの34.12%しか解決できず, RPG(Relative Performance Gap)は34.74%であった。
論文参考訳（メタデータ） (2024-09-12T02:08:00Z)
Enabling High Data Throughput Reinforcement Learning on GPUs: A Domain Agnostic Framework for Data-Driven Scientific Research [90.91438597133211]
我々は、強化学習の適用において重要なシステムのボトルネックを克服するために設計されたフレームワークであるWarpSciを紹介する。我々は、CPUとGPU間のデータ転送の必要性を排除し、数千のシミュレーションを同時実行可能にする。
論文参考訳（メタデータ） (2024-08-01T21:38:09Z)
Data Science for Geographic Information Systems [0.0]
データサイエンスを地理情報システムに統合することで、これらのツールの完全な空間分析プラットフォームへの進化が促進された。機械学習とビッグデータ技術の採用により、これらのプラットフォームはますます複雑なデータを扱う能力を備えてきた。この研究は、研究分野としてのデータサイエンスとGISの歴史的・技術的進化を辿り、ドメイン間の収束の要点を浮き彫りにしている。
論文参考訳（メタデータ） (2024-04-04T18:50:58Z)
On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-24T14:01:53Z)
Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
論文参考訳（メタデータ） (2023-03-18T19:17:47Z)
Subdivisions and Crossroads: Identifying Hidden Community Structures in a Data Archive's Citation Network [1.6631602844999724]
本稿では学術出版物に引用されるデータセットの権威ネットワークのコミュニティ構造を解析する。共有データを用いた社会科学データセットと研究分野のコミュニティを同定する。本研究は、データ再利用の隠れ構造を明らかにし、学際的な研究コミュニティがデータセットを共有科学的なインプットとして構成する方法を実証する。
論文参考訳（メタデータ） (2022-05-17T14:18:49Z)
Data Science: A Comprehensive Overview [42.98602883069444]
21世紀はビッグデータとデータ経済の時代に始まり、データDNAはすべてのデータに基づく有機体の本質的な構成要素となっている。データDNAとその生物の適切な理解は、新しいデータ科学の分野と分析のキーストーンに依存している。この記事では、データサイエンスと分析に関する豊富な観察、教訓、考察に加えて、総合的な全体像を描いている分野としては、初めてである。
論文参考訳（メタデータ） (2020-07-01T02:33:58Z)
Data Science: Nature and Pitfalls [42.98602883069444]
初期のデータサイエンスの健全な発展にとって重要なことは、データ科学とデータ科学の性質を深く理解することである。これらの重要な問題は、この記事の議論を動機付けている。
論文参考訳（メタデータ） (2020-06-28T02:06:54Z)
Data Science: Challenges and Directions [42.98602883069444]
データサイエンスのタイトルを含む何百もの文献をレビューする。議論の大部分は、統計、データマイニング、機械学習、ビッグデータ、あるいは広範なデータ分析に関するものだと考えています。我々は、複雑なシステムとしてのデータサイエンス問題の性質にインスパイアされた研究とイノベーションの課題に焦点を当てる。
論文参考訳（メタデータ） (2020-06-28T01:49:00Z)

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。