ترجمه فارسی مقاله مطالعه‌ای در مقیاس بزرگ از ادغام مدل در سیستم‌های نرم‌افزاری مبتنی بر یادگیری ماشین

چکیده

The rise of machine learning (ML) and its embedding in systems has drastically changed the engineering of software-intensive systems. Traditionally, software engineering focuses on manually created artifacts such as source code and the process of creating them, as well as best practices for integrating them, i.e., software architectures. In contrast, the development of ML artifacts, i.e. ML models, comes from data science and focuses on the ML models and their training data. However, to deliver value to end users, these ML models must be embedded in traditional software, often forming complex topologies. In fact, ML-enabled software can easily incorporate many different ML models. While the challenges and practices of building ML-enabled systems have been studied to some extent, beyond isolated examples, little is known about the characteristics of real-world ML-enabled systems. Properly embedding ML models in systems so that they can be easily maintained or reused is far from trivial. We need to improve our empirical understanding of such systems, which we address by presenting the first large-scale study of real ML-enabled software systems, covering over 2,928 open source systems on GitHub. We classified and analyzed them to determine their characteristics, as well as their practices for reusing ML models and related code, and the architecture of these systems. Our findings provide practitioners and researchers with insight into practices for embedding and integrating ML models, bringing data science and software engineering closer together.

چکیده به فارسی (ترجمه ماشینی)

افزایش یادگیری ماشین (ML) و تعبیه آن در سیستم ها به شدت مهندسی سیستم های فشرده نرم افزار را تغییر داده است.به طور سنتی ، مهندسی نرم افزار بر روی مصنوعات ایجاد شده دستی مانند کد منبع و روند ایجاد آنها و همچنین بهترین روشها برای ادغام آنها ، یعنی معماری نرم افزار متمرکز است.در مقابل ، توسعه آثار باستانی ML ، یعنی مدل های ML ، از علوم داده است و بر روی مدل های ML و داده های آموزش آنها تمرکز دارد.با این حال ، برای ارائه ارزش به کاربران نهایی ، این مدل های ML باید در نرم افزارهای سنتی تعبیه شوند ، که اغلب توپولوژی های پیچیده ای را تشکیل می دهند.در حقیقت ، نرم افزار با قابلیت ML به راحتی می تواند بسیاری از مدل های مختلف ML را در خود جای دهد.در حالی که چالش ها و شیوه های ساخت سیستم های دارای ML تا حدی مورد مطالعه قرار گرفته است ، فراتر از نمونه های جدا شده ، در مورد ویژگی های سیستم های دارای ML در دنیای واقعی اطلاعات کمی وجود دارد.تعبیه صحیح مدل های ML در سیستم ها به گونه ای که بتوانند به راحتی نگهداری شوند یا مورد استفاده مجدد قرار گیرند ، دور از بی اهمیت است.ما باید درک تجربی خود را از چنین سیستمهایی بهبود بخشیم ، که با ارائه اولین مطالعه در مقیاس بزرگ از سیستم های نرم افزاری با قابلیت ML واقعی ، که بیش از 2،928 سیستم منبع باز در GitHub را پوشش می دهد ، می پردازیم.ما آنها را برای تعیین خصوصیات آنها و همچنین شیوه های آنها برای استفاده مجدد از مدل های ML و کد مربوطه و معماری این سیستم ها طبقه بندی و تجزیه و تحلیل کردیم.یافته های ما به پزشکان و محققان بینش در مورد شیوه های تعبیه و ادغام مدل های ML ، نزدیک تر کردن علم داده ها و مهندسی نرم افزار را در اختیار پزشکان و ادغام قرار می دهد.