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
- LLM Inference Unveiled: Survey and Roofline Model Insights [64.33702161898469]
大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。
本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。
このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
論文 参考訳(メタデータ) (2024-02-26T07:33:05Z) - Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - 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) - How Can Recommender Systems Benefit from Large Language Models: A Survey [83.90471827695625]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳(メタデータ) (2023-06-09T11:31:50Z) - A Survey on Large Language Models for Recommendation [80.01023231943205]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。
本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
論文 参考訳(メタデータ) (2023-05-31T13:51:26Z) - Machine Learning for Software Engineering: A Tertiary Study [13.832268599253412]
機械学習(ML)技術は、ソフトウェアエンジニアリング(SE)ライフサイクルアクティビティの有効性を高める。
2009~2022年に発行されたML for SEで, 体系的, 品質評価, 要約, 分類を行い, 初等研究6,117件について検討した。
MLに最も取り組まれているSE領域は、ソフトウェアの品質とテストである。
論文 参考訳(メタデータ) (2022-11-17T09:19:53Z) - 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) - Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。
また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文 参考訳(メタデータ) (2021-08-17T17:44:38Z) - Understanding the Usability Challenges of Machine Learning In
High-Stakes Decision Making [67.72855777115772]
機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。
多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。
児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
論文 参考訳(メタデータ) (2021-03-02T22:50:45Z) - 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。