Fugu-MT 論文翻訳(概要): JINet: easy and secure private data analysis for everyone

論文の概要: JINet: easy and secure private data analysis for everyone

arxiv url: http://arxiv.org/abs/2408.16402v1
Date: Thu, 29 Aug 2024 10:01:45 GMT
ステータス: 処理完了
システム内更新日: 2024-08-30 14:12:45.236362
Title: JINet: easy and secure private data analysis for everyone
Title（参考訳）: JINet:誰でも簡単に安全にプライベートデータ分析ができる
Authors: Giada Lalli, James Collier, Yves Moreau, Daniele Raimondi,
Abstract要約: JINetは、先進的な臨床およびゲノムデータ解析ソフトウェアへのアクセスを民主化するためのWebブラウザベースのプラットフォームである。データはマシンを離れることなく、各ユーザのWebブラウザの安全で実行される多数のデータ分析アプリケーションをホストしている。
参考スコア（独自算出の注目度）: 2.756275481133711
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: JINet is a web browser-based platform intended to democratise access to advanced clinical and genomic data analysis software. It hosts numerous data analysis applications that are run in the safety of each User's web browser, without the data ever leaving their machine. JINet promotes collaboration, standardisation and reproducibility by sharing scripts rather than data and creating a self-sustaining community around it in which Users and data analysis tools developers interact thanks to JINets interoperability primitives.
Abstract（参考訳）: JINetは、先進的な臨床およびゲノムデータ解析ソフトウェアへのアクセスを民主化するためのWebブラウザベースのプラットフォームである。データはマシンを離れることなく、各ユーザのWebブラウザの安全で実行される多数のデータ分析アプリケーションをホストしている。 JINetは、データではなくスクリプトを共有し、ユーザとデータ分析ツールがJINetの相互運用性プリミティブによって対話する、自己持続的なコミュニティを構築することで、コラボレーション、標準化、再現性を促進する。

関連論文リスト

LAMBDA: A Large Model Based Data Agent [7.240586338370509]
本稿では,LArge Model Based Data Agent (LAMBDA)を紹介する。 LAMBDAは、複雑なデータ駆動アプリケーションにおけるデータ分析の課題に対処するように設計されている。それは、人間と人工知能をシームレスに統合することで、データ分析パラダイムを強化する可能性がある。
論文参考訳（メタデータ） (2024-07-24T06:26:36Z)
GenoCraft: A Comprehensive, User-Friendly Web-Based Platform for High-Throughput Omics Data Analysis and Visualization [23.53674358126236]
GenoCraftは、オミクスデータ処理のパイプライン全体を扱うように設計された、Webベースの包括的なソフトウェアソリューションである。 GenoCraftは高度なバイオインフォマティクスツールを備えた統一プラットフォームを提供し、オミクスデータ分析のあらゆる側面をカバーする。
論文参考訳（メタデータ） (2023-12-21T19:06:34Z)
Privacy-Preserving Graph Machine Learning from Data to Computation: A Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。まずプライバシ保護グラフデータを生成する方法を検討する。次に,プライバシ保護情報を送信する方法について述べる。
論文参考訳（メタデータ） (2023-07-10T04:30:23Z)
GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文参考訳（メタデータ） (2023-06-02T12:09:59Z)
PADME-SoSci: A Platform for Analytics and Distributed Machine Learning for the Social Sciences [4.294774517325059]
PADMEは、モデルの実装とトレーニングを連携させる分散分析ツールである。これにより、すべてのデータが単一の場所にあるかのようにモデルをトレーニングしながら、ロケーションをまたいだデータ分析が可能になる。
論文参考訳（メタデータ） (2023-03-27T15:32:35Z)
Resolving Uncertain Case Identifiers in Interaction Logs: A User Study [0.4014524824655105]
本稿では,クリックデータのケース概念を決定するニューラルネットワークに基づく手法を提案する。移動型共有企業のインタラクションデータから得られたセグメント化されたイベントログに基づいて,その有効性を検証する。
論文参考訳（メタデータ） (2022-11-21T16:13:04Z)
Privacy-Preserving Machine Learning for Collaborative Data Sharing via Auto-encoder Latent Space Embeddings [57.45332961252628]
データ共有プロセスにおけるプライバシ保護機械学習は、極めて重要なタスクである。本稿では、オートエンコーダによる表現学習を用いて、プライバシーを保護した組込みデータを生成する革新的なフレームワークを提案する。
論文参考訳（メタデータ） (2022-11-10T17:36:58Z)
Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文参考訳（メタデータ） (2022-09-04T06:22:37Z)
PRIVEE: A Visual Analytic Workflow for Proactive Privacy Risk Inspection of Open Data [3.2136309934080867]
個人情報を含むオープンデータセットは、匿名化しても敵攻撃の影響を受けやすい。我々は、ローカルで結合可能なデータ地区における開示リスクを、データディフェンダーが認識できるようにするビジュアル分析ソリューションを開発した。我々はこの問題とドメイン特性を用いて、防御機構としての視覚的分析的介入のセットを開発する。
論文参考訳（メタデータ） (2022-08-12T19:57:09Z)
DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文参考訳（メタデータ） (2022-07-20T17:47:54Z)
Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。本稿では,データ駆動型多面信頼モデルを提案する。信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文参考訳（メタデータ） (2021-11-11T19:40:51Z)

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。