Fugu-MT 論文翻訳(概要): MLOps with enhanced performance control and observability

論文の概要: MLOps with enhanced performance control and observability

arxiv url: http://arxiv.org/abs/2302.01061v1
Date: Thu, 2 Feb 2023 12:47:07 GMT
ステータス: 処理完了
システム内更新日: 2023-02-03 14:02:03.651693
Title: MLOps with enhanced performance control and observability
Title（参考訳）: パフォーマンス制御と可観測性を強化したMLOps
Authors: Indradumna Banerjee, Dinesh Ghanta, Girish Nautiyal, Pradeep Sanchana, Prateek Katageri, and Atin Modi
Abstract要約: MLOpsシステムの可観測モジュールに重要なツールを導入します。 MLOpsパイプラインにこれらの機能を統合することは、初期のMLシステムの障害に対して堅牢なシステムを構築する上で、長い道のりになると思います。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The explosion of data and its ever increasing complexity in the last few years, has made MLOps systems more prone to failure, and new tools need to be embedded in such systems to avoid such failure. In this demo, we will introduce crucial tools in the observability module of a MLOps system that target difficult issues like data drfit and model version control for optimum model selection. We believe integrating these features in our MLOps pipeline would go a long way in building a robust system immune to early stage ML system failures.
Abstract（参考訳）: ここ数年、データの爆発と複雑さの増大により、MLOpsシステムは障害を起こしやすくなり、そのような障害を避けるために、新しいツールをそのようなシステムに組み込む必要がある。このデモでは、mlopsシステムの可観測性モジュールに重要なツールを導入し、最適なモデル選択のためにデータdrfitやモデルバージョンコントロールといった難しい問題をターゲットにします。 MLOpsパイプラインにこれらの機能を統合することは、初期のMLシステムの障害に対して堅牢なシステムを構築する上で、長い道のりになると思います。

関連論文リスト

Tailored Forecasting from Short Time Series via Meta-learning [0.0]
関連時間系列(METAFORS)からのタイラート予測のためのメタラーニングについて紹介する。関連するシステムでトレーニングされたモデルのライブラリを活用することで、METAFORSは限られたデータでシステムの進化を予測するために、カスタマイズされたモデルを構築する。 MeTAFORSの短期動態と長期統計の両方を予測する能力を示す。
論文参考訳（メタデータ） (2025-01-27T18:58:04Z)
Real-Time Anomaly Detection and Reactive Planning with Large Language Models [18.57162998677491]
例えば、大規模な言語モデル(LLM)は、インターネットスケールのデータに基づいて訓練され、ゼロショット機能を持つ。本稿では,潜在的な異常に関する判断を安全な制御フレームワークに組み込む2段階の推論フレームワークを提案する。これにより、モニターは、四輪車や自動運転車のような動的ロボットシステムの信頼性を向上させることができる。
論文参考訳（メタデータ） (2024-07-11T17:59:22Z)
A Survey of AIOps for Failure Management in the Era of Large Language Models [60.59720351854515]
本稿では,LLM時代の障害管理のためのAIOps技術に関する包括的調査を行う。これには、障害管理のためのAIOpsタスクの詳細な定義、AIOpsのデータソース、AIOpsに採用されているLLMベースのアプローチが含まれている。
論文参考訳（メタデータ） (2024-06-17T05:13:24Z)
Characterization of Large Language Model Development in the Datacenter [55.9909258342639]
大きな言語モデル(LLM)は、いくつかの変換タスクにまたがって素晴らしいパフォーマンスを示している。しかし,大規模クラスタ資源を効率よく利用してLCMを開発することは容易ではない。我々は,GPUデータセンタAcmeから収集した6ヶ月のLDM開発ワークロードの詳細な評価を行った。
論文参考訳（メタデータ） (2024-03-12T13:31:14Z)
Detecting and Mitigating System-Level Anomalies of Vision-Based Controllers [7.095058159492494]
ビジョンベースのコントローラは、新規またはアウト・オブ・ディストリビューションの入力に直面したとき、誤った予測を行うことができる。本研究では,そのような閉ループ,システムレベルの障害を検知・緩和する実行時異常モニタを提案する。本提案手法は, 視覚に基づくタクシー制御システムを用いた自律型航空機タクシーシステムにおいて, 提案手法の有効性を検証したものである。
論文参考訳（メタデータ） (2023-09-23T20:33:38Z)
Machine Learning Data Suitability and Performance Testing Using Fault Injection Testing Framework [0.0]
本稿では,入力データ(FIUL-Data)テストフレームワークにおける望ましくない学習のためのフォールトインジェクションを提案する。データミュータは、さまざまな障害注入の影響に対して、MLシステムの脆弱性を探索する。本稿では, アンチセンスオリゴヌクレオチドの保持時間測定を含む分析化学データを用いて, フレームワークの評価を行った。
論文参考訳（メタデータ） (2023-09-20T12:58:35Z)
A hybrid feature learning approach based on convolutional kernels for ATM fault prediction using event-log data [5.859431341476405]
イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。提案手法は,実世界の重要な収集データセットに適用される。このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
論文参考訳（メタデータ） (2023-05-17T08:55:53Z)
System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文参考訳（メタデータ） (2022-08-30T20:16:17Z)
Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
論文参考訳（メタデータ） (2021-04-11T16:45:18Z)
Controlling nonlinear dynamical systems into arbitrary states using machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文参考訳（メタデータ） (2021-02-23T16:58:26Z)
Progressive Self-Guided Loss for Salient Object Detection [102.35488902433896]
画像中の深層学習に基づくサラエント物体検出を容易にするプログレッシブ自己誘導損失関数を提案する。我々のフレームワークは適応的に集約されたマルチスケール機能を利用して、健全な物体の探索と検出を効果的に行う。
論文参考訳（メタデータ） (2021-01-07T07:33:38Z)

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。