論文の概要: Apache Submarine: A Unified Machine Learning Platform Made Simple

• arxiv url: http://arxiv.org/abs/2108.09615v1
• Date: Sun, 22 Aug 2021 01:47:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-24 15:34:37.203310
• Title: Apache Submarine: A Unified Machine Learning Platform Made Simple
• Title（参考訳）: Apache Submarine - シンプルな統合機械学習プラットフォーム
• Authors: Kai-Hsun Chen, Huan-Ping Su, Wei-Chiu Chuang, Hung-Chang Hsiao, Wangda Tan, Zhankun Tang, Xun Liu, Yanbo Liang, Wen-Chih Lo, Wanqiang Ji, Byron Hsu, Keqiu Hu, HuiYang Jian, Quan Zhou, Chien-Min Wang
• Abstract要約: 機械学習が広く適用されているため、インフラストラクチャ管理者とユーザの両方に機械学習プラットフォームを用意する必要がある。 既存の機械学習プラットフォームは、コード、接着剤、ポータビリティといった“Machine Learning Tech debts”に対処できない。 課題に対処するために、統合機械学習プラットフォームであるSubmarineを提案する。
• 参考スコア（独自算出の注目度）: 3.667437879442565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As machine learning is applied more widely, it is necessary to have a machine learning platform for both infrastructure administrators and users including expert data scientists and citizen data scientists to improve their productivity. However, existing machine learning platforms are ill-equipped to address the "Machine Learning tech debts" such as glue code, reproducibility, and portability. Furthermore, existing platforms only take expert data scientists into consideration, and thus they are inflexible for infrastructure administrators and non-user-friendly for citizen data scientists. We propose Submarine, a unified machine learning platform, to address the challenges.
• Abstract（参考訳）: 機械学習がより広く適用されているため、インフラストラクチャ管理者と、専門家データサイエンティストや市民データサイエンティストを含むユーザの両方が生産性を向上させるために、マシンラーニングプラットフォームを用意する必要がある。 しかし、既存の機械学習プラットフォームは、接着剤コード、再現性、ポータビリティといった"Machine Learning Tech debts"に対処できない。 さらに、既存のプラットフォームは専門家データサイエンティストのみを考慮に入れており、インフラストラクチャ管理者や市民データサイエンティストには非ユーザフレンドリーである。 課題に対処するために、統合機械学習プラットフォームであるSubmarineを提案する。

関連論文リスト

• A Declarative Query Language for Scientific Machine Learning [0.0]
  我々は,ナイーブユーザのための新しい宣言型機械学習クエリ言語であるem MQLを紹介した。 本稿では,MQLを用いた2つの材料科学実験について論じる。
  論文  参考訳（メタデータ） (2024-05-25T09:58:33Z)
• GRID: A Platform for General Robot Intelligence Development [22.031523876249484]
  汎用ロボットインテリジェンス開発(GRID)のための新しいプラットフォームを提案する。 このプラットフォームにより、ロボットは物理的な能力、環境制約、目標にスキルを学習し、構成し、適応することができる。 GRIDは、新しいタイプのロボット、車両、ハードウェアプラットフォーム、ソフトウェアプロトコルに対応するように設計されている。
  論文  参考訳（メタデータ） (2023-10-02T04:09:27Z)
• GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
  視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。 ロボット間の効率的なデータ共有に必要な設計決定について分析する。 我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
  論文  参考訳（メタデータ） (2022-10-07T07:26:41Z)
• 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)
• Flashlight: Enabling Innovation in Tools for Machine Learning [50.63188263773778]
  私たちは、機械学習ツールやシステムの革新を促進するために構築されたオープンソースのライブラリであるFlashlightを紹介します。 Flashlightは、広く使われているライブラリを下流で活用し、機械学習とシステム研究者をより緊密に連携させる研究を可能にするツールだと考えています。
  論文  参考訳（メタデータ） (2022-01-29T01:03:29Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• 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)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• 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)
• HAMLET: A Hierarchical Agent-based Machine Learning Platform [0.0]
  HAMLET (Hierarchical Agent-based Machine LEarning plaTform) は階層型マルチエージェントシステムに基づくハイブリッド機械学習プラットフォームである。 提案システムは、機械学習ソリューションをハイパーグラフとしてモデル化し、異種エージェントのマルチレベル構造を自律的に設定する。
  論文  参考訳（メタデータ） (2020-10-10T03:46:59Z)

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。