論文の概要: Model-driven Engineering for Machine Learning Components: A Systematic
Literature Review
- arxiv url: http://arxiv.org/abs/2311.00284v1
- Date: Wed, 1 Nov 2023 04:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:57:08.078136
- Title: Model-driven Engineering for Machine Learning Components: A Systematic
Literature Review
- Title(参考訳): 機械学習コンポーネントのためのモデル駆動エンジニアリング:体系的文献レビュー
- Authors: Hira Naveed, Chetan Arora, Hourieh Khalajzadeh, John Grundy, Omar
Haggag
- Abstract要約: MDE4ML の使用の背景にある主要な動機を明らかにするため,いくつかの分野の研究を分析した。
また,既存の文献のギャップについても論じ,今後の研究を推奨する。
- 参考スコア(独自算出の注目度): 8.810090413018798
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Context: Machine Learning (ML) has become widely adopted as a component in
many modern software applications. Due to the large volumes of data available,
organizations want to increasingly leverage their data to extract meaningful
insights and enhance business profitability. ML components enable predictive
capabilities, anomaly detection, recommendation, accurate image and text
processing, and informed decision-making. However, developing systems with ML
components is not trivial; it requires time, effort, knowledge, and expertise
in ML, data processing, and software engineering. There have been several
studies on the use of model-driven engineering (MDE) techniques to address
these challenges when developing traditional software and cyber-physical
systems. Recently, there has been a growing interest in applying MDE for
systems with ML components. Objective: The goal of this study is to further
explore the promising intersection of MDE with ML (MDE4ML) through a systematic
literature review (SLR). Through this SLR, we wanted to analyze existing
studies, including their motivations, MDE solutions, evaluation techniques, key
benefits and limitations. Results: We analyzed selected studies with respect to
several areas of interest and identified the following: 1) the key motivations
behind using MDE4ML; 2) a variety of MDE solutions applied, such as modeling
languages, model transformations, tool support, targeted ML aspects,
contributions and more; 3) the evaluation techniques and metrics used; and 4)
the limitations and directions for future work. We also discuss the gaps in
existing literature and provide recommendations for future research.
Conclusion: This SLR highlights current trends, gaps and future research
directions in the field of MDE4ML, benefiting both researchers and
practitioners
- Abstract(参考訳): コンテキスト: 機械学習(ML)は多くの現代のソフトウェアアプリケーションにおいてコンポーネントとして広く採用されている。
大量のデータが利用可能であるため、組織はデータを活用して意味のある洞察を抽出し、ビジネス利益性を高めたいと考えています。
MLコンポーネントは予測機能、異常検出、レコメンデーション、正確な画像とテキスト処理、情報決定を可能にする。
しかし、MLコンポーネントを持つシステムを開発するのは簡単ではない。ML、データ処理、ソフトウェアエンジニアリングに時間、労力、知識、専門知識が必要である。
従来のソフトウェアやサイバー物理システムを開発する際に、モデル駆動工学(MDE)技術を用いてこれらの課題に対処する研究がいくつかある。
近年,MLコンポーネントを持つシステムにMDEを適用することへの関心が高まっている。
目的: 本研究の目的は, 体系的文献レビュー(SLR)を通じて, MDE とML (MDE4ML) の交わる可能性を探ることである。
このSLRを通じて,そのモチベーション,MDEソリューション,評価技術,重要なメリット,限界など,既存の研究を分析したかった。
結果: 対象分野について選択した研究を分析した結果, 以下のことが判明した。
1) MDE4MLの使用の背景にある主要な動機
2) モデリング言語,モデル変換,ツールサポート,ターゲットとするmlアスペクト,コントリビューションなど,さまざまなmdeソリューションが適用されます。
3) 使用する評価技術及び指標
4)今後の作業の限界と方向性。
また,既存の文献のギャップについても論じ,今後の研究を推奨する。
結論:このSLRは、MDE4ML分野における現在のトレンド、ギャップ、今後の研究方向性を強調し、研究者と実践者の両方に利益をもたらす。
関連論文リスト
- MME-Survey: A Comprehensive Survey on Evaluation of Multimodal LLMs [97.94579295913606]
MLLM(Multimodal Large Language Models)は、産業と学術の両方から注目を集めている。
開発プロセスでは、モデルの改善に関する直感的なフィードバックとガイダンスを提供するため、評価が重要である。
この研究は、研究者に異なるニーズに応じてMLLMを効果的に評価する方法を簡単に把握し、より良い評価方法を促すことを目的としている。
論文 参考訳(メタデータ) (2024-11-22T18:59:54Z) - Towards Trustworthy Machine Learning in Production: An Overview of the Robustness in MLOps Approach [0.0]
近年、AI研究者や実践家は、信頼性と信頼性のある意思決定を行うシステムを構築するための原則とガイドラインを導入している。
実際には、システムが運用され、実際の環境で継続的に進化し、運用するためにデプロイされる必要がある場合に、根本的な課題が発生する。
この課題に対処するため、MLOps(Machine Learning Operations)は、デプロイメントにおけるMLソリューションを標準化するための潜在的なレシピとして登場した。
論文 参考訳(メタデータ) (2024-10-28T09:34:08Z) - 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) - Recent Advances on Machine Learning for Computational Fluid Dynamics: A Survey [51.87875066383221]
本稿では、基本概念、従来の手法、ベンチマークデータセットを紹介し、CFDを改善する上で機械学習が果たす様々な役割について検討する。
我々は,空気力学,燃焼,大気・海洋科学,生物流体,プラズマ,記号回帰,秩序の低減など,CFDにおけるMLの現実的な応用を強調した。
シミュレーションの精度を向上し、計算時間を短縮し、流体力学のより複雑な解析を可能にすることにより、MLはCFD研究を大きく変革する可能性があるという結論を導いた。
論文 参考訳(メタデータ) (2024-08-22T07:33:11Z) - A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks [74.52259252807191]
MLLM(Multimodal Large Language Models)は、単一のモダリティシステムの能力を超えた現実世界のアプリケーションの複雑さに対処する。
本稿では,自然言語,視覚,音声などのマルチモーダルタスクにおけるMLLMの応用を体系的に整理する。
論文 参考訳(メタデータ) (2024-08-02T15:14:53Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳(メタデータ) (2024-06-15T16:11:35Z) - Tool Learning with Large Language Models: A Survey [60.733557487886635]
大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。
この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
論文 参考訳(メタデータ) (2024-05-28T08:01:26Z) - A Machine Learning-oriented Survey on Tiny Machine Learning [9.690117347832722]
Tiny Machine Learning(TinyML)の出現は、人工知能の分野に積極的に革命をもたらした。
TinyMLは、社会、経済、個人が効果的なAI融合コンピューティング技術を採用するのを助けるために、第4および第5次産業革命において不可欠な役割を担っている。
論文 参考訳(メタデータ) (2023-09-21T09:47:12Z) - Identifying Concerns When Specifying Machine Learning-Enabled Systems: A
Perspective-Based Approach [1.2184324428571227]
PerSpecMLは、ML対応システムを指定するためのパースペクティブベースのアプローチである。
MLや非MLコンポーネントを含むどの属性がシステム全体の品質に寄与するかを、実践者が特定するのに役立つ。
論文 参考訳(メタデータ) (2023-09-14T18:31:16Z) - MDE for Machine Learning-Enabled Software Systems: A Case Study and
Comparison of MontiAnna & ML-Quadrat [5.839906946900443]
我々は,モノのインターネット(IoT)分野に着目した機械学習対応ソフトウェアシステムの開発に,MDEパラダイムを採用することを提案する。
ケーススタディで実証されたように、最先端のオープンソースモデリングツールであるMontiAnnaとML-Quadratが、この目的のためにどのように使用できるかを説明します。
論文 参考訳(メタデータ) (2022-09-15T13:21:16Z) - A Software Engineering Perspective on Engineering Machine Learning
Systems: State of the Art and Challenges [0.0]
機械学習(ML)の進歩は、アルゴリズムが人間によってハードコードされる従来のソフトウェア開発の視点から、データから学習することで実現されたMLシステムへとシフトする。
ソフトウェアシステムの開発方法を再考し、これらの新しいタイプのシステムに必要な特質を考慮する必要があります。
論文 参考訳(メタデータ) (2020-12-14T20:06:31Z)
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。