Fugu-MT 論文翻訳(概要): MLDev: Data Science Experiment Automation and Reproducibility Software

論文の概要: MLDev: Data Science Experiment Automation and Reproducibility Software

arxiv url: http://arxiv.org/abs/2107.12322v1
Date: Mon, 26 Jul 2021 16:51:44 GMT
ステータス: 処理完了
システム内更新日: 2021-07-27 15:43:18.505191
Title: MLDev: Data Science Experiment Automation and Reproducibility Software
Title（参考訳）: MLDev: データサイエンス実験自動化と再現性ソフトウェア
Authors: Anton Khritankov, Nikita Pershin, Nikita Ukhov and Artem Ukhov
Abstract要約: 本研究では,さまざまなオープンソースツールを統合するための基盤として,実験モデルを提案する。提案手法をオープンソースMLDevソフトウェアパッケージのプロトタイプに実装し,その有効性を示す一連の実験で評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we explore the challenges of automating experiments in data science. We propose an extensible experiment model as a foundation for integration of different open source tools for running research experiments. We implement our approach in a prototype open source MLDev software package and evaluate it in a series of experiments yielding promising results. Comparison with other state-of-the-art tools signifies novelty of our approach.
Abstract（参考訳）: 本稿では,データサイエンスにおける実験の自動化の課題について考察する。研究実験を行うためのさまざまなオープンソースツールを統合するための基盤として,拡張可能な実験モデルを提案する。我々は,オープンソースMLDevソフトウェアパッケージのプロトタイプにアプローチを実装し,有望な結果をもたらす一連の実験で評価する。他の最先端ツールとの比較は、我々のアプローチの新規性を示している。

関連論文リスト

Reliable edge machine learning hardware for scientific applications [34.87898436984149]
極端なデータレートの科学実験は、効率的なMLエッジ処理を必要とする大量のデータを生成する。このような厳密なレイテンシ、リソース、パワー、および領域要件の下で、科学的なエッジで信頼できるアルゴリズムを開発し、検証するためのアプローチについて議論する。
論文参考訳（メタデータ） (2024-06-27T20:45:08Z)
Automatic benchmarking of large multimodal models via iterative experiment programming [71.78089106671581]
本稿では,LMMの自動ベンチマークのための最初のフレームワークであるAPExを紹介する。自然言語で表現された研究の質問に対して、APExは大きな言語モデル(LLM)と事前定義されたツールのライブラリを活用して、手元にあるモデルの一連の実験を生成する。調査の現在の状況に基づいて、APExはどの実験を行うか、結果が結論を引き出すのに十分かどうかを選択する。
論文参考訳（メタデータ） (2024-06-18T06:43:46Z)
MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
論文参考訳（メタデータ） (2024-02-21T14:22:20Z)
DataDreamer: A Tool for Synthetic Data Generation and Reproducible LLM Workflows [72.40917624485822]
我々は、研究者が強力な大規模言語モデルを実装することができるオープンソースのPythonライブラリであるDataDreamerを紹介した。 DataDreamerはまた、オープンサイエンスを促進するために提案するベストプラクティスに研究者が従うのを助ける。
論文参考訳（メタデータ） (2024-02-16T00:10:26Z)
Scilab-RL: A software framework for efficient reinforcement learning and cognitive modeling research [0.0]
Scilab-RLは、ロボットエージェントの認知モデリングと強化学習を効率的に研究するためのソフトウェアフレームワークである。これは、Stable Baselines 3とOpenAIのジムインターフェースを使った目標条件強化学習に焦点を当てている。これらの特徴によって、研究者が最小限の時間で実験を行うことで、研究成果を最大化する方法について説明する。
論文参考訳（メタデータ） (2024-01-25T19:49:02Z)
Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-06-03T06:19:20Z)
Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文参考訳（メタデータ） (2022-06-22T19:33:21Z)
SIERRA: A Modular Framework for Research Automation [5.220940151628734]
本稿では,研究の加速と成果向上のための新しいフレームワークであるSIERRAを紹介する。 SIERRAは、実験用の独立変数を素早く指定し、実験的な入力を生成し、実験を自動的に実行し、結果を処理してグラフやビデオなどの成果物を生成する。個々の研究者のニーズに対して、簡単にカスタマイズと自動化の拡張を可能にする、深くモジュール化されたアプローチを採用している。
論文参考訳（メタデータ） (2022-03-03T23:45:46Z)
Cognitive simulation models for inertial confinement fusion: Combining simulation and experimental data [0.0]
研究者は、高性能な爆発を求めて設計空間を探索するためにコンピュータシミュレーションに大きく依存しています。より効果的な設計と調査のために、シミュレーションは過去の実験データからの入力を必要とする。本稿では,シミュレーションと実験データを共通の予測モデルに組み合わせた認知シミュレーション手法について述べる。
論文参考訳（メタデータ） (2021-03-19T02:00:14Z)
Predicting Performance for Natural Language Processing Tasks [128.34208911925424]
実験条件を入力として,NLP実験の評価スコアを予測する回帰モデルを構築した。 9つの異なるNLPタスクを実験した結果、予測器は目に見えない言語や異なるモデリングアーキテクチャに対して有意義な予測を生成できることがわかった。
論文参考訳（メタデータ） (2020-05-02T16:02:18Z)

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。