論文の概要: From Data to Knowledge to Action: A Global Enabler for the 21st Century
- arxiv url: http://arxiv.org/abs/2008.00045v1
- Date: Fri, 31 Jul 2020 19:19:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 12:23:04.527388
- Title: From Data to Knowledge to Action: A Global Enabler for the 21st Century
- Title（参考訳）: データから知識から行動へ:21世紀のグローバル・エンバーサ
- Authors: Eric Horvitz and Tom Mitchell
- Abstract要約: コンピュータと数理科学の進歩が相まって、真の証拠に基づく意思決定を可能にする前例のない能力がもたらされた。
これらの機能は、データの大規模なキャプチャと、そのデータの洞察とレコメンデーションへの変換を可能にする。
商業、科学、教育、芸術、エンターテイメントのWebへの移行により、人間の活動に関する構造化された、非構造化されたデータベースが、これまで例のない量で利用可能になった。
- 参考スコア（独自算出の注目度）: 26.32590947516587
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A confluence of advances in the computer and mathematical sciences has
unleashed unprecedented capabilities for enabling true evidence-based decision
making. These capabilities are making possible the large-scale capture of data
and the transformation of that data into insights and recommendations in
support of decisions about challenging problems in science, society, and
government. Key advances include jumps in the availability of rich streams of
data, precipitous drops in the cost of storing and retrieving massive amounts
of data, exponential increases in computing power and memory, and jumps in the
prowess of methods for performing machine learning and reasoning. These
advances have come together to create an inflection point in our ability to
harness large amounts of data for generating insights and guiding decision
making. The shift of commerce, science, education, art, and entertainment to
the web makes available unprecedented quantities of structured and unstructured
databases about human activities - much of it available to anyone who wishes to
mine it for insights. In the sciences, new evidential paradigms and sensing
technologies are making available great quantities of data, via use of
fundamentally new kinds of low-cost sensors (e.g., genomic microarrays) or
through viewers that provide unprecedented scope and resolution. The data pose
a huge opportunity for data-centric analyses. To date, we have only scratched
the surface of the potential for learning from these large-scale data sets.
Opportunities abound for tapping our new capabilities more broadly to provide
insights to decision makers and to enhance the quality of their actions and
policies.
- Abstract（参考訳）: コンピュータと数理科学の進歩は、真の証拠に基づく意思決定を可能にする前例のない能力を生み出した。
これらの能力は、科学、社会、政府の課題に関する決定を支援するために、データの大規模なキャプチャと、そのデータの洞察とレコメンデーションへの変換を可能にする。
主な進歩は、リッチなデータストリームの可用性の上昇、大量のデータの保存と検索のコストの急落、計算能力とメモリの指数関数的な増加、機械学習と推論を実行するための方法の多さの飛躍などである。
これらの進歩は、大量のデータを活用して洞察を創造し、意思決定を導く能力の転換点を生み出しました。
商業、科学、教育、芸術、エンターテイメントのWebへの移行により、人間の活動に関する前例のない量の構造化された、構造化されていないデータベースが利用できるようになる。
科学において、新しい明らかなパラダイムとセンシング技術は、基本的に新しい種類の低コストセンサー(ゲノムマイクロアレイなど)や、前例のない範囲と解像度を提供するビューアを通じて、大量のデータを作成している。
データはデータ中心の分析に大きなチャンスをもたらす。
これまでのところ、これらの大規模なデータセットから学習する可能性の表面をひっかいただけだった。
意思決定者に対して洞察を提供し、行動やポリシーの質を高めるために、私たちの新しい機能をもっと広範囲にタップする機会がある。
関連論文リスト
- 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) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Machine Learning and Consumer Data [0.4873362301533825]
デジタル革命は人間の行動のデジタル化につながり、不整合なスケールで観測可能な行動を理解するという前例のない機会を生み出した。
クラウドファンディングやクラウドソーシングといった新興現象は、新たな行動パターンを導入しながら、消費者の行動をさらに明るくしている。
消費者データ分析に使われる従来の手法は、新興データソースの幅、精度、スケールを扱うのに不足している。
論文 参考訳（メタデータ） (2023-06-25T03:58:15Z) - The Dimensions of Data Labor: A Road Map for Researchers, Activists, and
Policymakers to Empower Data Producers [14.392208044851976]
データプロデューサは、取得したデータ、使用方法、あるいはそのメリットについてはほとんど言及していません。
このデータにアクセスし、処理する能力を持つ組織、例えばOpenAIやGoogleは、テクノロジーのランドスケープを形成する上で大きな力を持っている。
研究者,政策立案者,活動家がデータ生産者に力を与える機会を概説する。
論文 参考訳（メタデータ） (2023-05-22T17:11:22Z) - A Vision for Semantically Enriched Data Science [19.604667287258724]
ドメイン知識の活用やデータセマンティクスといった重要な分野は、ほとんど自動化されていない分野です。
データサイエンスの自動化のための新しいツールと組み合わせて、データに対する“セマンティック”な理解と推論を活用することが、一貫性と説明可能なデータ拡張と変換にどのように役立つか、私たちは考えています。
論文 参考訳（メタデータ） (2023-03-02T16:03:12Z) - Advanced Data Augmentation Approaches: A Comprehensive Survey and Future
directions [57.30984060215482]
データ拡張の背景、レビューされたデータ拡張技術の新しい包括的分類法、および各技術の強さと弱点(可能ならば)を提供する。
また、画像分類、オブジェクト検出、セマンティックセグメンテーションなどの3つの一般的なコンピュータビジョンタスクに対して、データ拡張効果の総合的な結果を提供する。
論文 参考訳（メタデータ） (2023-01-07T11:37:32Z) - "If we didn't solve small data in the past, how can we solve Big Data
today?" [0.0]
私たちは、"小さい"データや"大きい"データといった用語を調査し、それらの属性を理解し、価値を付加する方法について検討することを目指しています。
この研究によると、どんなに小さなデータが使われたにせよ、企業は依然として正しい技術とビジネスビジョンでビッグデータを活用できる。
論文 参考訳（メタデータ） (2021-11-08T16:31:01Z) - Understanding the World Through Action [91.3755431537592]
ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。
このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
論文 参考訳（メタデータ） (2021-10-24T22:33:52Z) - Synthetic Data: Opening the data floodgates to enable faster, more
directed development of machine learning methods [96.92041573661407]
機械学習における画期的な進歩の多くは、大量のリッチデータを利用できることに起因する。
多くの大規模データセットは、医療データなど高度に敏感であり、機械学習コミュニティでは広く利用できない。
プライバシー保証で合成データを生成することは、そのようなソリューションを提供します。
論文 参考訳（メタデータ） (2020-12-08T17:26:10Z) - Occams Razor for Big Data? On Detecting Quality in Large Unstructured
Datasets [0.0]
分析複雑性への新たな傾向は、科学におけるパシモニーやオッカム・ラザーの原理にとって深刻な課題である。
データクラスタリングのための計算的ビルディングブロックアプローチは、最小の計算時間で大規模な非構造化データセットを扱うのに役立つ。
このレビューは、東西の文化的な違いがビッグデータ分析の過程にどのように影響するかを結論付けている。
論文 参考訳（メタデータ） (2020-11-12T16:06:01Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z)
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。