論文の概要: ML-Quadrat & DriotData: A Model-Driven Engineering Tool and a Low-Code
Platform for Smart IoT Services
- arxiv url: http://arxiv.org/abs/2107.02692v1
- Date: Tue, 6 Jul 2021 15:52:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-07 13:54:33.471067
- Title: ML-Quadrat & DriotData: A Model-Driven Engineering Tool and a Low-Code
Platform for Smart IoT Services
- Title（参考訳）: ML-Quadrat & DriotData: モデル駆動エンジニアリングツールとスマートIoTサービスのためのローコードプラットフォーム
- Authors: Armin Moin, Andrei Mituca, Atta Badii and Stephan G\"unnemann
- Abstract要約: ML-QuadratはEclipse Modeling Framework (EMF)をベースにしたオープンソースの研究プロトタイプである。
DriotDataは、市民データサイエンティストと市民/エンドユーザソフトウェア開発者をターゲットにしたローコードプラットフォームである。
- 参考スコア（独自算出の注目度）: 0.4588028371034407
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we present the novel early tool prototype of ML-Quadrat, which
is an open source research prototype, based on the Eclipse Modeling Framework
(EMF) and the state of the art in the literature of Model-Driven Software
Engineering (MDSE) for smart Cyber-Physical Systems (CPS) and the Internet of
Things (IoT). Its envisioned users are mostly software developers, who might
not have deep knowledge and skills in the heterogeneous IoT platforms and the
diverse Artificial Intelligence (AI) technologies, specifically regarding Data
Analytics and Machine Learning (DAML). ML-Quadrat is released under the terms
of the Apache 2.0 license on Github: https://github.com/arminmoin/ML-Quadrat.
Additionally, the novel early tool prototype of DriotData, a Low-Code platform
targeting citizen data scientists and citizen/end-user software developers is
demonstrated. DriotData exploits and adopts ML-Quadrat and offers an extended
version of it as a web-based service to companies, especially Small- and
Medium-Sized Enterprises (SME). A basic web-based demo of the Minimum Viable
Product (MVP) of DriotData is already available. Finally, a short video
demonstrating the tools is available on YouTube: https://youtu.be/YCNFfhmy_JY.
- Abstract（参考訳）: 本稿では、Eclipse Modeling Framework(EMF)に基づくオープンソースの研究プロトタイプであるML-Quadratの初期ツールプロトタイプと、CPS(Cyber-Physical Systems)とIoT(Internet of Things)のためのMDSE(Model-Driven Software Engineering)の文献における最先端技術について述べる。
データ分析と機械学習(DAML)に関して、異質なIoTプラットフォームとさまざまな人工知能(AI)技術に深い知識とスキルを持っていないソフトウェア開発者を主に想定している。
ml-quadratは、apache 2.0ライセンスの条件でgithubでリリースされている。
さらに、市民データサイエンティストと市民/エンドユーザーソフトウェア開発者を対象としたローコードプラットフォームであるdritdataの初期ツールプロトタイプも紹介されている。
DriotDataはML-Quadratを利用しており、特に中小企業(SME)向けのWebベースのサービスとして拡張版を提供している。
DriotDataのMVP(Minimum Viable Product)のWebベースのデモがすでに公開されている。
最後に、ツールをデモする短いビデオがYouTubeで公開されている。
関連論文リスト
- Molmo and PixMo: Open Weights and Open Data for State-of-the-Art Multimodal Models [146.18107944503436]
Molmoは、オープンネスのクラスで最先端のVLMの新たなファミリーである。
私たちの重要なイノベーションは、人間のアノテーションから収集された、新しくて詳細な画像キャプションデータセットです。
近い将来、モデルウェイト、キャプション、微調整データ、ソースコードをすべてリリースする予定です。
論文 参考訳（メタデータ） (2024-09-25T17:59:51Z) - ModelScope-Agent: Building Your Customizable Agent System with
Open-source Large Language Models [74.64651681052628]
本稿では,オープンソースのLCMをコントローラとする実世界のアプリケーションのためのカスタマイズ可能なエージェントフレームワークであるModelScope-Agentを紹介する。
ユーザフレンドリーなシステムライブラリを提供し、カスタマイズ可能なエンジン設計により、複数のオープンソースLLMでモデルトレーニングをサポートする。
ツール使用データ収集、ツール検索、ツール登録、メモリ制御、カスタマイズされたモデルトレーニング、評価にまたがる包括的なフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-09-02T16:50:30Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z) - A Survey of Machine Unlearning [56.017968863854186]
最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。
MLモデルは古いデータをよく記憶します。
機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
論文 参考訳（メタデータ） (2022-09-06T08:51:53Z) - SeLoC-ML: Semantic Low-Code Engineering for Machine Learning
Applications in Industrial IoT [9.477629856092218]
本稿では,Semantic Low-Code Engineering for ML Applications (SeLoC-ML) というフレームワークを提案する。
SeLoC-MLは、非専門家が大規模なMLモデルやデバイスをモデル化し、発見し、再利用することを可能にする。
開発者は、レシピと呼ばれるセマンティックなアプリケーションテンプレートから、エンドユーザアプリケーションのプロトタイプを高速に作成できる。
論文 参考訳（メタデータ） (2022-07-18T13:06:21Z) - OmniXAI: A Library for Explainable AI [98.07381528393245]
eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。
オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。
実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
論文 参考訳（メタデータ） (2022-06-01T11:35:37Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - How to Manage Tiny Machine Learning at Scale: An Industrial Perspective [5.384059021764428]
TinyML(TinyML)は、ユビキタスマイクロコントローラ上で機械学習(ML)が民主化され、広く普及している。
TinyMLモデルは異なる構造で開発されており、その動作原理を明確に理解せずに配布されることが多い。
本稿では,TinyMLモデルとIoTデバイスを大規模に管理するためのセマンティックWeb技術を用いたフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-18T10:36:11Z) - Widening Access to Applied Machine Learning with TinyML [1.1678513163359947]
我々は,Tiny Machine Learning (TinyML)上で,大規模なオープンオンラインコース (MOOC) を通じて応用機械学習 (ML) へのアクセスを増やすための教育的アプローチについて述べる。
この目的のために、学界(ハーバード大学)と産業(Google)の協力により、TinyMLを使ってソリューションを開発するためのアプリケーション指向の指導を提供する4つのMOOCが作成された。
このシリーズは、edX MOOCプラットフォームで公開されており、基本的なプログラミング以上の前提条件がなく、世界中のさまざまなバックグラウンドから学習者向けに設計されている。
論文 参考訳（メタデータ） (2021-06-07T23:31:47Z) - Data Analytics and Machine Learning Methods, Techniques and Tool for
Model-Driven Engineering of Smart IoT Services [0.0]
この論文は、IoT(Internet of Things)とCPS(Smart Cyber-Physical Systems)のためのスマートサービス開発を促進する新しいアプローチを提案する。
提案されたアプローチは、ソフトウェアエンジニアリングプロセスの抽象化と自動化、データ分析(DA)と機械学習(ML)のプラクティスを提供する。
我々はThingMLと呼ばれるオープンソースモデリングツールを拡張して提案手法の実装と検証を行う。
論文 参考訳（メタデータ） (2021-02-12T11:09:54Z) - ThingML+ Augmenting Model-Driven Software Engineering for the Internet
of Things with Machine Learning [4.511923587827301]
本稿では,ThingMLの方法論,モデリング言語,ツールサポートの拡張を目的とした研究プロジェクトであるML-Quadratの現況を紹介する。
多くの場合、IoT/CPSサービスにはシステムコンポーネントや物理プロセスが含まれています。
ストリーム処理と複合イベント処理、すなわちApache SAMOAとApamaに関して、コード生成のための2つのターゲットプラットフォームをサポートする予定です。
論文 参考訳（メタデータ） (2020-09-22T15:45:45Z)
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。