論文の概要: An Analysis of MLOps Architectures: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2406.19847v1
• Date: Fri, 28 Jun 2024 11:38:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 17:00:05.714643
• Title: An Analysis of MLOps Architectures: A Systematic Mapping Study
• Title（参考訳）: MLOpsアーキテクチャの分析:システムマッピング研究
• Authors: Faezeh Amou Najafabadi, Justus Bogner, Ilias Gerostathopoulos, Patricia Lago,
• Abstract要約: 本研究は、アーキテクチャの観点から、MLOpsにおける技術の現状を概観する。 研究者や実践者は、私たちの発見を利用して、MLOpsシステムのアーキテクチャ設計を知らせることができます。
• 参考スコア（独自算出の注目度）: 12.399094410444743
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context. Despite the increasing adoption of Machine Learning Operations (MLOps), teams still encounter challenges in effectively applying this paradigm to their specific projects. While there is a large variety of available tools usable for MLOps, there is simultaneously a lack of consolidated architecture knowledge that can inform the architecture design. Objective. Our primary objective is to provide a comprehensive overview of (i) how MLOps architectures are defined across the literature and (ii) which tools are mentioned to support the implementation of each architecture component. Method. We apply the Systematic Mapping Study method and select 43 primary studies via automatic, manual, and snowballing-based search and selection procedures. Subsequently, we use card sorting to synthesize the results. Results. We contribute (i) a categorization of 35 MLOps architecture components, (ii) a description of several MLOps architecture variants, and (iii) a systematic map between the identified components and the existing MLOps tools. Conclusion. This study provides an overview of the state of the art in MLOps from an architectural perspective. Researchers and practitioners can use our findings to inform the architecture design of their MLOps systems.
• Abstract（参考訳）: コンテキスト。 マシンラーニングオペレーション(MLOps)の採用が増加しているにも関わらず、チームは、このパラダイムを特定のプロジェクトに効果的に適用する上で、依然として課題に直面している。 MLOpsにはさまざまな利用可能なツールがありますが、同時にアーキテクチャ設計に影響を及ぼすような統合されたアーキテクチャ知識が欠如しています。 目的。 私たちの主な目的は、包括的な概要を提供することです。 (i)MLOpsアーキテクチャが文献にまたがってどのように定義されるか、そして (ii) どのツールがそれぞれのアーキテクチャコンポーネントの実装をサポートするか。 方法。 本手法を応用し,自動,手動,スノーボールによる探索と選択による43の初等研究を選定する。 その後、カードソートを用いて結果を合成する。 結果。 コントリビューション i)35のMLOpsアーキテクチャコンポーネントの分類。 (二)いくつかのMLOpsアーキテクチャの変種、及び (iii) 特定されたコンポーネントと既存のMLOpsツールのシステマティックマップ。 結論。 本研究はアーキテクチャの観点から,MLOpsの最先端技術の概要を提供する。 研究者や実践者は、私たちの発見を利用して、MLOpsシステムのアーキテクチャ設計を知らせることができます。

関連論文リスト

• Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications [43.358953895199264]
  マイクロサービスアプリケーションのための静的解析アーキテクチャ回復ツールを,マルチボーカルな文献レビューを通じて同定する。 次に、共通データセット上でそれらを実行し、アーキテクチャ回復における測定された有効性を比較する。
  論文  参考訳（メタデータ） (2024-03-11T17:26:51Z)
• Unsupervised Graph Neural Architecture Search with Disentangled Self-supervision [51.88848982611515]
  教師なしグラフニューラルアーキテクチャサーチは、文献では未発見のままである。 本稿では,Distangled Self-supervised Graph Neural Architecture Searchモデルを提案する。 我々のモデルは、教師なしの方法で、いくつかのベースライン手法に対して最先端のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2024-03-08T05:23:55Z)
• Serving Deep Learning Model in Relational Databases [72.72372281808694]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL-Centricアーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF-Centricアーキテクチャは、データベースシステム内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。 potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、ITの一般的な方法論、ITデータセットの構築、ITモデルのトレーニング、異なるモダリティ、ドメイン、アプリケーションへのアプリケーションを含む、文献を体系的にレビューする。 また、ITの潜在的な落とし穴とそれに対する批判、および既存の戦略の現在の欠陥を指摘し、実りある研究の道筋を提案する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Machine Learning-Enabled Software and System Architecture Frameworks [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)
• PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
  PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。 複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-06-20T09:55:10Z)
• A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
  構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。 論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2022-12-27T18:05:02Z)
• Mining Architectural Information: A Systematic Mapping Study [7.3755596064775215]
  建築情報マイニングに関する文献がどのような文献で利用できるかは明らかになっていない。 建築情報のマイニングに関する文献を特定し,分析し,合成することを目的としている。
  論文  参考訳（メタデータ） (2022-12-26T14:57:38Z)
• Computer vision-based analysis of buildings and built environments: A systematic review of current approaches [0.98314893665023]
  本稿では,建物と建築環境のコンピュータビジョンに基づく分析を初めて体系的に検討する。 これは現在の研究のギャップとトレンドを明らかにし、研究目的の2つの主要なカテゴリを強調している。
  論文  参考訳（メタデータ） (2022-08-01T14:17:51Z)
• Multi-Perspective LSTM for Joint Visual Representation Learning [81.21490913108835]
  複数の視点から捉えた視覚的シーケンスで利用可能な内的および対外的関係を学習できる新しいLSTM細胞アーキテクチャを提案する。 私たちのアーキテクチャは、細胞レベルで追加のゲートと記憶を使用する新しい繰り返し共同学習戦略を採用しています。 提案するセルを用いてネットワークを構築することにより、より効果的でリッチな視覚的表現が認識タスクで学習されることを示す。
  論文  参考訳（メタデータ） (2021-05-06T16:44:40Z)

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。