論文の概要: A Metrics-Oriented Architectural Model to Characterize Complexity on Machine Learning-Enabled Systems
- arxiv url: http://arxiv.org/abs/2506.08153v1
- Date: Mon, 09 Jun 2025 19:02:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:40.471235
- Title: A Metrics-Oriented Architectural Model to Characterize Complexity on Machine Learning-Enabled Systems
- Title（参考訳）: 機械学習システムにおける複雑度を特徴付けるメトリクス指向アーキテクチャモデル
- Authors: Renato Cordeiro Ferreira,
- Abstract要約: 本研究の目的は、MLESの複雑さを特徴付けるメトリクスベースのアーキテクチャモデルの導入である。
目標は、これらのシステムの開始と成長のガイドラインを提供する、アーキテクチャ上の決定をサポートすることです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: How can the complexity of ML-enabled systems be managed effectively? The goal of this research is to investigate how complexity affects ML-Enabled Systems (MLES). To address this question, this research aims to introduce a metrics-based architectural model to characterize the complexity of MLES. The goal is to support architectural decisions, providing a guideline for the inception and growth of these systems. This paper showcases the first step for creating the metrics-based architectural model: an extension of a reference architecture that can describe MLES to collect their metrics.
- Abstract（参考訳）: ML対応システムの複雑さを効果的に管理するにはどうすればよいのか?
本研究の目的は,複雑性がML-Enabled Systems (MLES) に与える影響を検討することである。
そこで本研究では,MLESの複雑さを特徴付けるメトリクスベースのアーキテクチャモデルを提案する。
目標は、これらのシステムの開始と成長のガイドラインを提供する、アーキテクチャ上の決定をサポートすることです。
本稿では、MLESを記述してメトリクスを収集する参照アーキテクチャの拡張として、メトリクスベースのアーキテクチャモデルを作成するための第一歩を示す。
関連論文リスト
- Building LLM Agents by Incorporating Insights from Computer Systems [23.3629124649768]
計算機システムからの洞察を取り入れたLCMエージェントの構築を提唱する。
フォン・ノイマンアーキテクチャに着想を得て,LLMエージェントシステムのための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-06T13:38:37Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z) - A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - An Analysis of MLOps Architectures: A Systematic Mapping Study [12.399094410444743]
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。
論文 参考訳（メタデータ） (2024-06-28T11:38:50Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [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) - Real-world Machine Learning Systems: A survey from a Data-Oriented
Architecture Perspective [7.574538335342942]
データ指向アーキテクチャ(DOA、Data-oriented Architecture)は、MLモデルを統合する上で、システムにより良いものを提供する新しい概念である。
DOAは、現在のアーキテクチャを拡張して、データ駆動、疎結合、分散化されたオープンシステムを作成する。
本稿では,MLベースのシステムの実環境展開を調査し,これらの疑問に答える。
論文 参考訳（メタデータ） (2023-02-09T17:57:02Z) - A Survey of Machine Learning for Computer Architecture and Systems [18.620218353713476]
コンピュータアーキテクチャとシステムが機械学習(ml)アルゴリズムやモデルの効率的な実行を可能にするように最適化されるのは、長い間のことです。
今こそ、MLとシステムの関係を再考し、MLがコンピュータアーキテクチャとシステムが設計される方法を変える時です。
論文 参考訳（メタデータ） (2021-02-16T04:09:57Z)
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。