Optimizing the AI Development Process by Providing the Best Support Environment

要約

タイトル：最適な支援環境を提供することによるAI開発プロセスの最適化
要約：
-この研究の目的は、最良の支援環境を提供するために人工知能（AI）や機械学習（ML）アプリケーションの開発プロセスについて調査することです。
-MLの主要なステージは問題理解、データ管理、モデル構築、モデル展開、そして保守です。
-このプロジェクトは、ML開発のデータ管理ステージとその障害に焦点を当てて調査しました。なぜなら、アプリケーションの正確性はモデルにフィードされるデータの種類に依存するため、このステージが最も重要だからです。
-このステージで見つかった最大の障害は、特にデータが機密情報である分野でモデル学習に十分なデータがないことでした。
-このプロジェクトでは、研究者と開発者がデータ管理ステージ中のデータ不足を解決するのに役立つフレームワークを構築、開発することを目指しました。
-フレームワークは、オリジナルのデータセットから新しいデータを生成するために複数のデータ増幅技術を使うことができ、最良の可能なデータをモデルに供給することにより、MLアプリケーションの全体的なパフォーマンスを向上させることができます。
-フレームワークは、Python言語を使用して深層学習の進展を利用してデータ増幅を実行するために構築されました。

要約(オリジナル)

The purpose of this study is to investigate the development process for Artificial inelegance (AI) and machine learning (ML) applications in order to provide the best support environment. The main stages of ML are problem understanding, data management, model building, model deployment and maintenance. This project focuses on investigating the data management stage of ML development and its obstacles as it is the most important stage of machine learning development because the accuracy of the end model is relying on the kind of data fed into the model. The biggest obstacle found on this stage was the lack of sufficient data for model learning, especially in the fields where data is confidential. This project aimed to build and develop a framework for researchers and developers that can help solve the lack of sufficient data during data management stage. The framework utilizes several data augmentation techniques that can be used to generate new data from the original dataset which can improve the overall performance of the ML applications by increasing the quantity and quality of available data to feed the model with the best possible data. The framework was built using python language to perform data augmentation using deep learning advancements.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI