論文の概要: A Review into Data Science and Its Approaches in Mechanical Engineering
- arxiv url: http://arxiv.org/abs/2012.15358v1
- Date: Wed, 30 Dec 2020 23:05:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-18 05:57:21.202309
- Title: A Review into Data Science and Its Approaches in Mechanical Engineering
- Title（参考訳）: メカニカルエンジニアリングにおけるデータサイエンスとそのアプローチ
- Authors: Ashkan Yousefi Zadeh, Meysam Shahbazy
- Abstract要約: 本稿では,データサイエンスを概説し,その方法について概説する。
はじめに、異なるデータサイエンスの定義とその技術における背景をレビューした。
データサイエンスの手法を研究に用いた機械工学分野のいくつかの研究がレビューされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Nowadays it is inevitable to use intelligent systems to improve the
performance and optimization of different components of devices or factories.
Furthermore, it's so essential to have appropriate predictions to make better
decisions in businesses, medical studies, and engineering studies, etc. One of
the newest and most widely used of these methods is a field called Data Science
that all of the scientists, engineers, and factories need to learn and use in
their careers. This article briefly introduced data science and reviewed its
methods, especially it's usages in mechanical engineering and challenges and
ways of developing data science in mechanical engineering. In the introduction,
different definitions of data science and its background in technology
reviewed. In the following, data science methodology which is the process that
a data scientist needs to do in its works been discussed. Further, some
researches in the mechanical engineering area that used data science methods in
their studies, are reviewed. Eventually, it has been discussed according to the
subjects that have been reviewed in the article, why it is necessary to use
data science in mechanical engineering researches and projects.
- Abstract（参考訳）: 今日では、インテリジェントシステムを使用して、デバイスやファクトリのさまざまなコンポーネントのパフォーマンスと最適化を改善することは避けられない。
さらに、ビジネスや医学研究、工学研究などにおいて、より良い意思決定を行うための適切な予測を持つことが不可欠です。
これらの手法の最新かつ最も広く使われている分野の1つはデータサイエンスと呼ばれる分野であり、科学者、エンジニア、工場の全員がキャリアで学び、利用する必要がある。
本稿では,データサイエンスについて概説し,その手法,特に機械工学における利用法,および機械工学におけるデータサイエンスの展開方法について概説する。
はじめに、異なるデータサイエンスの定義とその技術における背景をレビューした。
以下に、データ科学者が研究で行うべきプロセスであるデータサイエンス方法論について論じる。
また、その研究にデータサイエンス手法を用いた機械工学分野の研究について概説する。
最終的に、論文でレビューされた課題、なぜ機械工学の研究やプロジェクトにおいてデータサイエンスを使う必要があるのか、という議論がなされている。
関連論文リスト
- A Survey on Semantics in Automated Data Science [14.331183226753547]
データサイエンティストは常識推論とドメイン知識を活用して、予測モデルを構築するためのデータを理解し、強化する。
データサイエンス自動化のための新しいツールと組み合わせて、データに対する基本的なセマンティック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について議論する。
論文 参考訳（メタデータ） (2022-05-16T23:16:09Z) - A Computational Inflection for Scientific Discovery [48.176406062568674]
我々は科学的な発見の軌跡において、かなりの屈折の足元に立っている。
科学的データ、結果、出版物の爆発は、人間の認知能力の持続性とは対照的である。
本研究では,人間の有界能力に対抗し,知識のコーパスを取り入れたタスク誘導型知識検索の研究課題を提案する。
論文 参考訳（メタデータ） (2022-05-04T11:36:54Z) - Physics solutions for machine learning privacy leaks [50.591267188664666]
我々は、操作されたデータのプライバシを保存するアルゴリズムを開発する際のアプリケーションを提供する。
我々は,特定の種類のプライバシリークを保証するための明確に定義された条件を開発し,その条件がテンソルネットワークアーキテクチャによって満たされていることを厳密に証明する。
これらは量子多体システムの効率的な表現にインスパイアされたもので、従来の機械学習アーキテクチャと競合し、超越することさえ示している。
論文 参考訳（メタデータ） (2022-02-24T19:04:35Z) - Maximizing information from chemical engineering data sets: Applications
to machine learning [61.442473332320176]
化学工学の応用において、古典的な人工知能のアプローチを適用するのが難しくなる4つの特徴を同定する。
それぞれのデータ特性について、これらのデータ特性が生じるアプリケーションについて論じ、現在の化学工学研究が、これらの課題を組み込むために、データサイエンスと機械学習の分野をどのように拡張しているかを示す。
論文 参考訳（メタデータ） (2022-01-25T01:25:45Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Scientific Machine Learning Benchmarks [0.17205106391379021]
ディープラーニングニューラルネットワークのブレークスルーは、非常に大規模な実験データセットの分析にAIと機械学習技術の使用を変革した。
科学データセットの分析に最も適した機械学習アルゴリズムを特定することは、科学者にとって依然として課題である。
科学機械学習ベンチマークの開発における我々のアプローチを解説し、科学機械学習ベンチマークに対する他のアプローチについてレビューする。
論文 参考訳（メタデータ） (2021-10-25T10:05:11Z) - Data science and Machine learning in the Clouds: A Perspective for the
Future [0.0]
データ駆動科学(いわゆる第4の科学パラダイム)が研究とイノベーションの原動力となる。
この新たなパラダイムの下で処理される膨大なデータを、将来的には大きな懸念事項になるでしょう。
これらの計算のあらゆる面において、クラウドベースのサービスを強く要求する。
論文 参考訳（メタデータ） (2021-09-02T17:36:24Z) - Data Science Methodologies: Current Challenges and Future Approaches [0.0]
ビジョンの欠如と明確な目標、技術的な問題への偏り、アドホックプロジェクトの成熟度が低いことが、これらの課題のひとつです。
チーム、プロジェクト、データ、情報管理の完全なガイドラインを提供する方法論はほとんどない。
総合的な視点でデータサイエンスプロジェクトを管理するための方法論が持つべき一般的な特徴を含む概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-06-14T10:34:50Z) - Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
理解の研究は、ロボットに世界が何を意味するのかを決定する。
人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。
ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
論文 参考訳（メタデータ） (2021-01-02T12:34:39Z)
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。