論文の概要: Exchanging Best Practices and Tools for Supporting Computational and Data-Intensive Research, The Xpert Network

• arxiv url: http://arxiv.org/abs/2102.09373v1
• Date: Tue, 9 Feb 2021 05:00:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 02:59:49.242041
• Title: Exchanging Best Practices and Tools for Supporting Computational and Data-Intensive Research, The Xpert Network
• Title（参考訳）: Xpert Networkによる計算・データ集約研究支援のためのベストプラクティスとツールの変革
• Authors: Parinaz Barakhshan, Rudolf Eigenmann
• Abstract要約: 我々は,CDI(Computer and Data Intensive Research Project)研究プロジェクトを支援する専門家に対して,ベストプラクティスとツールを提示する。 このプラクティスは、国家プロジェクトと、そのような専門家の個人またはグループを含む大学チームを統合するイニシアチブから生まれた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present best practices and tools for professionals who support computational and data intensive (CDI) research projects. The practices resulted from an initiative that brings together national projects and university teams that include individual or groups of such professionals. We focus particularly on practices that differ from those in a general software engineering context. The paper also describes the initiative , the Xpert Network , where participants exchange successes, challenges, and general information about their activities, leading to increased productivity, efficiency, and coordination in the ever growing community of scientists that use computational and data-intensive research methods.
• Abstract（参考訳）: 我々は,cdi(computation and data intensive)研究プロジェクトを支援する専門家に対して,ベストプラクティスとツールを提案する。 このプラクティスは、そのような専門家の個人やグループを含む全国プロジェクトや大学チームをまとめるイニシアチブから生まれたものだ。 一般的なソフトウェアエンジニアリングのコンテキストとは異なるプラクティスに特に注目しています。 また、参加者は、成功、挑戦、活動に関する一般的な情報を交換し、計算とデータ集約的な研究手法を使用する科学者のコミュニティにおいて、生産性、効率、コーディネーションの増大につながる、Xpert Networkというイニシアチブも記述している。

関連論文リスト

• TeamLoRA: Boosting Low-Rank Adaptation with Expert Collaboration and Competition [61.91764883512776]
  我々は,専門家のためのコラボレーション・コンペティション・モジュールからなる,革新的なPEFT手法であるTeamLoRAを紹介する。 そうすることで、TeamLoRAは専門家を"チーム"として内部のコラボレーションや競争に結び付け、マルチタスク学習のためのより高速で正確なPEFTパラダイムを可能にします。
  論文  参考訳（メタデータ） (2024-08-19T09:58:53Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
  大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。 LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。 各種コードライブラリの推論性能の粗大な解析を行う。
  論文  参考訳（メタデータ） (2024-04-17T15:57:50Z)
• Collaborative Active Learning in Conditional Trust Environment [1.3846014191157405]
  複数の協力者が既存のデータやモデルを開示することなく、組み合わせた機械学習機能を活用して新しいドメインを探索するパラダイムである、協調型アクティブラーニングについて検討する。 このコラボレーションは、(a)直接モデルとデータ開示の必要性を排除し、プライバシとセキュリティの懸念に対処する、(b)直接データ交換なしで異なるデータソースとインサイトの使用を可能にする、(c)共有ラベリングコストを通じてコスト効率とリソース効率を促進する、といういくつかの利点を提供する。
  論文  参考訳（メタデータ） (2024-03-27T10:40:27Z)
• Harnessing the Computing Continuum across Personalized Healthcare, Maintenance and Inspection, and Farming 4.0 [37.03658877613283]
  AI-SPRINTプロジェクトは、コンピュータ連続体全体にわたるAIアプリケーションの開発と実装に焦点を当てている。 本稿では、パーソナライズされたヘルスケア、メンテナンスと検査、ファーミング4.0の応用について詳細に検討する。 提案するツールチェーンが、さまざまな課題に効果的に対処し、プロセスを洗練し、その関連性と複数のドメインへの影響について議論する。
  論文  参考訳（メタデータ） (2024-02-23T09:20:34Z)
• SciOps: Achieving Productivity and Reliability in Data-Intensive Research [0.8414742293641504]
  科学者たちは、実験や研究の目標を拡大するために、機器、自動化、協調ツールの進歩をますます活用している。 神経科学を含む様々な科学分野は、コラボレーション、インスピレーション、自動化を強化するための重要な技術を採用してきた。 厳密な科学的操作の原理を説明する5段階の能力成熟度モデルを導入する。
  論文  参考訳（メタデータ） (2023-12-29T21:37:22Z)
• The Efficiency Spectrum of Large Language Models: An Algorithmic Survey [54.19942426544731]
  LLM(Large Language Models)の急速な成長は、様々なドメインを変換する原動力となっている。 本稿では,LLMのエンドツーエンドのアルゴリズム開発に不可欠な多面的効率性について検討する。
  論文  参考訳（メタデータ） (2023-12-01T16:00:25Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)

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。