論文の概要: Beyond Models: Reflections on Engineering AI-enabled Systems in a Project-Based Course
- arxiv url: http://arxiv.org/abs/2606.16842v1
- Date: Mon, 15 Jun 2026 15:21:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.662771
- Title: Beyond Models: Reflections on Engineering AI-enabled Systems in a Project-Based Course
- Title（参考訳）: モデルを超えて - プロジェクトベースコースにおけるAI対応システムのリフレクション
- Authors: Amir Mashmool, Kishan Ravindra Sawant, Mojtaba Shahin, Nico Hochgeschwender, Rainer Koschke,
- Abstract要約: 本稿では,ブレーメン大学のAIアルゴリズム:理論と工学(AI Algorithms: Theory and Engineering)というプロジェクトベースの修士課程の設計と実装について述べる。
学生は映画レコメンデーションシステムを開発し、拡張性、デプロイメント、要求の進化に関わる課題に対処するアーキテクチャ設計の決定を行った。
我々の結果は、初期のアーキテクチャ上の決定、異種MLの統合、要求の進化、データ管理において、主に不均一なMLとソフトウェアエンジニアリングの専門知識のため、永続的な困難を示唆している。
- 参考スコア（独自算出の注目度）: 6.295638112781735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Teaching Software Engineering for AI-enabled systems entails addressing the integration of AI components within full-scale software architectures under realistic constraints. While machine learning courses emphasize model development, students often lack experience in architectural design, deployment, and monitoring of AI-enabled systems. Empirical evaluations of such system-oriented AI courses remain limited. This paper reflects on the design and implementation of a project-based master's-level course titled AI Algorithms: Theory and Engineering, at the University of Bremen, in which students developed a movie recommendation system while making architectural design decisions to address challenges related to scalability, deployment, and evolving requirements. We conducted a mixed-methods study combining analyses of student submissions and questionnaire responses to investigate integration challenges, learning outcomes, and opportunities for improvement. Our results indicate persistent difficulties in early architectural decisions, heterogeneous ML integration, evolving requirements, and data management, largely due to uneven ML and software engineering expertise. From the educator's perspective, the course fostered system-level reasoning and strengthened awareness of data-centric ML practices in AI-enabled systems.
- Abstract（参考訳）: AI対応システムのためのソフトウェアエンジニアリングを教えるには、現実的な制約の下で、フルスケールのソフトウェアアーキテクチャにおけるAIコンポーネントの統合に対処する必要がある。
機械学習コースはモデル開発を強調するが、学生はAI対応システムのアーキテクチャ設計、デプロイメント、モニタリングの経験が欠けていることが多い。
このようなシステム指向AIコースの実証評価は依然として限られている。
本稿では,ブレーメン大学のAIアルゴリズム:理論と工学(AI Algorithms: Theory and Engineering)というプロジェクトベースの修士課程の設計と実装について考察する。
統合課題,学習成果,改善の機会を調査するために,学生の応募内容と質問紙回答の分析を併用した混合手法による研究を行った。
我々の結果は、初期のアーキテクチャ上の決定、異種MLの統合、要求の進化、データ管理において、主に不均一なMLとソフトウェアエンジニアリングの専門知識のため、永続的な困難を示唆している。
教育者の視点からは、このコースはシステムレベルの推論を促進し、AI対応システムにおけるデータ中心のMLプラクティスに対する認識を高めた。
関連論文リスト
- Learning to Code with Context: A Study-Based Approach [0.28675177318965045]
生成AIツールの急速な出現は、ソフトウェアの開発方法を変えつつある。
プロジェクトベースのコースは、実世界の開発プラクティスへのAIアシストの統合を探求し、評価するための効果的な環境を提供する。
本稿では,学生が共同でコンピュータゲームを開発する大学プログラミングプロジェクトにおいて,本手法とユーザスタディについて述べる。
論文 参考訳（メタデータ） (2025-12-04T20:40:36Z) - AI Integration In ERP Evaluation Across Trends and Architectures [0.0]
レビューでは、AI統合ERPサービスの性能評価に適用される最新のトレンド、コンピューティングアーキテクチャのモデル、分析手法について検討する。
重要なパフォーマンス指標を特定し、標準アセスメントフレームワークやAI対応システムが存在しないことを強調する。
我々は、ERPのパフォーマンス評価におけるメトリクスにAI機能をもたらす理論モデルを提唱した。
論文 参考訳（メタデータ） (2025-11-13T04:29:44Z) - On the Evaluation of Engineering Artificial General Intelligence [5.802869598386355]
本稿では,工学的汎用人工知能(eAGI)エージェントを評価するための枠組みを提案する。
我々はeAGIを人工知能(AGI)の専門化と考えている。
eAGIエージェントは、事実とメソッドの背景知識(リコールと検索)のユニークなブレンドを持つべきである。
論文 参考訳（メタデータ） (2025-05-15T18:52:47Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Engineering Artificial Intelligence: Framework, Challenges, and Future Direction [0.2678472239880052]
本稿では,「ABCDE」をエンジニアリングAIの重要な要素として紹介する。
統一的で体系的なAIエコシステムフレームワークを提案する。
本稿では,包括的視点を提供することで,AIの戦略的実装を進めることを目的とする。
論文 参考訳（メタデータ） (2025-04-03T04:30:10Z) - 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) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。