論文の概要: AI Techniques in the Microservices Life-Cycle: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2305.16092v2
• Date: Mon, 20 Jan 2025 08:52:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:18:31.133477
• Title: AI Techniques in the Microservices Life-Cycle: A Systematic Mapping Study
• Title（参考訳）: マイクロサービスライフサイクルにおけるAI技術 - システムマッピング研究
• Authors: Sergio Moreschini, Shahrzad Pour, Ivan Lanese, Daniel Balouek-Thomert, Justus Bogner, Xiaozhou Li, Fabiano Pecorelli, Jacopo Soldani, Eddy Truyen, Davide Taibi,
• Abstract要約: AI(MS)の利用は、かなりの数の調査で示されているように、新興分野である。 私たちは、DevOpsフェーズにおいて、すべての品質属性(QA)を改善するために、AIテクニックの使用間のすべての可能な接続を明らかにするために、徹底的なアプローチを取っています。
• 参考スコア（独自算出の注目度）: 8.026381963838272
• License:
• Abstract: The use of AI in microservices (MSs) is an emerging field as indicated by a substantial number of surveys. However these surveys focus on a specific problem using specific AI techniques, therefore not fully capturing the growth of research and the rise and disappearance of trends. In our systematic mapping study, we take an exhaustive approach to reveal all possible connections between the use of AI techniques for improving any quality attribute (QA) of MSs during the DevOps phases. Our results include 16 research themes that connect to the intersection of particular QAs, AI domains and DevOps phases. Moreover by mapping identified future research challenges and relevant industry domains, we can show that many studies aim to deliver prototypes to be automated at a later stage, aiming at providing exploitable products in a number of key industry domains.
• Abstract（参考訳）: マイクロサービス(MS)におけるAIの使用は、かなりの数の調査で示されているように、新興分野である。 しかし、これらの調査は特定のAI技術を使用して特定の問題に焦点を当てているため、研究の成長とトレンドの台頭と消失を完全には捉えていない。 組織的なマッピング調査では、DevOpsフェーズにおけるMSの品質特性(QA)を改善するために、AI技術の使用とあらゆる可能性の関連を明らかにするために、徹底的なアプローチをとっています。 結果には、特定のQA、AIドメイン、DevOpsフェーズの交差点に接続する16の研究テーマが含まれています。 さらに、将来的な研究課題と関連する産業領域をマッピングすることにより、多くの研究が、多くの主要産業領域で活用可能な製品を提供することを目指して、プロトタイプを後段で自動化することを目指していることを示すことができる。

関連論文リスト

• Software Design Pattern Model and Data Structure Algorithm Abilities on Microservices Architecture Design in High-tech Enterprises [0.4532517021515834]
  本研究では,ソフトウェア設計モデル能力とデータ構造アルゴリズム能力が企業内におけるアーキテクチャ設計に与える影響について検討する。 その結果、堅牢な設計モデルと効率的なアルゴリズムを強調した組織が、アーキテクチャにおける優れたスケーラビリティ、パフォーマンス、柔軟性を実現することが明らかになった。
  論文  参考訳（メタデータ） (2024-11-05T07:26:53Z)
• A Survey of Small Language Models [104.80308007044634]
  小言語モデル (SLM) は, 計算資源の最小化による言語タスクの効率化と性能の向上により, ますます重要になってきている。 本稿では,SLMのアーキテクチャ,トレーニング技術,モデル圧縮技術に着目した総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-10-25T23:52:28Z)
• Insights on Microservice Architecture Through the Eyes of Industry Practitioners [39.58317527488534]
  マイクロサービスアーキテクチャの採用は、ここ数年で大幅に増加しています。 本研究では,モノリシックなレガシーシステムからの移行に伴うモチベーション,活動,課題について検討する。
  論文  参考訳（メタデータ） (2024-08-19T21:56:58Z)
• Fostering Microservice Maintainability Assurance through a Comprehensive Framework [0.0]
  このプロジェクトの目的は、マイクロサービスベースのシステムに対する保守性保証を提供することだ。 マイクロサービスアーキテクチャに適した自動アセスメントフレームワークが導入されている。 このフレームワークは、アーティファクトからシステム特性の全体像まで、さまざまなレベルに対処する。
  論文  参考訳（メタデータ） (2024-07-23T22:45:29Z)
• Microservices-based Software Systems Reengineering: State-of-the-Art and Future Directions [17.094721366340735]
  クラウドベースのマイクロサービスアーキテクチャ(MSA)と互換性のあるソフトウェアを設計することは、パフォーマンス、スケーラビリティ、可用性の制限のために不可欠である。 我々は、静的、動的、ハイブリッドなアプローチが検討されているように再デプロイ可能なシステム内のサービスを特定する方法に関する、現在の研究を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-18T21:59:05Z)
• Systematic Mapping of Monolithic Applications to Microservices Architecture [2.608935407927351]
  モノリシックシステムから移行する際、組織が直面するメリットと課題について論じる。 ドメイン駆動開発の概念を用いてモノリシックなシステムを識別する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T15:47:11Z)
• Policy Architectures for Compositional Generalization in Control [71.61675703776628]
  本稿では,タスクにおけるエンティティベースの構成構造をモデル化するためのフレームワークを提案する。 私たちのポリシーは柔軟で、アクションプリミティブを必要とせずにエンドツーエンドでトレーニングできます。
  論文  参考訳（メタデータ） (2022-03-10T06:44:24Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)
• Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
  我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。 本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
  論文  参考訳（メタデータ） (2020-08-24T09:49:19Z)

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。