A Vision for Semantically Enriched Data Science

要約

機械学習やデータ サイエンスの自動化における最近の取り組みは、ハイパーパラメーターの最適化やモデルの選択など、さまざまなタスクで成功を収めています。
ただし、ドメイン知識やデータ セマンティクスの利用などの重要な領域は、ほとんど自動化されていない領域です。
データ サイエンティストは、予測モデルを構築するためのデータを理解し、強化するために、常識的な推論とドメイン知識を長い間活用してきました。
このホワイト ペーパーでは、現在のデータ サイエンスと機械学習ソリューションの重要な欠点について説明します。
次に、データ サイエンスの自動化のための新しいツールと組み合わせて、データに関する「セマンティックな」理解と推論を活用することで、一貫性のある説明可能なデータの増強と変換にどのように役立つかを想像します。
さらに、機械学習における信頼、バイアス、説明可能性に関連する課題を支援することで、セマンティクスがデータ サイエンティストを新しい方法でどのように支援できるかについても説明します。
セマンティック アノテーションは、大規模なデータ ソースの探索と整理にも役立ちます。

要約(オリジナル)

The recent efforts in automation of machine learning or data science has achieved success in various tasks such as hyper-parameter optimization or model selection. However, key areas such as utilizing domain knowledge and data semantics are areas where we have seen little automation. Data Scientists have long leveraged common sense reasoning and domain knowledge to understand and enrich data for building predictive models. In this paper we discuss important shortcomings of current data science and machine learning solutions. We then envision how leveraging ‘semantic’ understanding and reasoning on data in combination with novel tools for data science automation can help with consistent and explainable data augmentation and transformation. Additionally, we discuss how semantics can assist data scientists in a new manner by helping with challenges related to trust, bias, and explainability in machine learning. Semantic annotation can also help better explore and organize large data sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google